同一個任務,失敗的地方卻不一樣
上週,我在調整夢想團隊機器人們的排程發送腳本時,做了一個小實驗。把同一套自動化邏輯,分別交給兩個不同的AI工具處理。一個是用對話方式寫程式碼的工具,另一個是會先讀取檔案結構才動手的Claude Code。
結果出乎意料。兩個工具都完成了腳本,但失敗的地方剛好相反。
對話式工具邏輯完全正確,卻把檔案路徑寫死了,一換到別的裝置就當機。
Claude Code的路徑處理很安全,卻在時區換算上卡了一下。
差異從哪裡來
原因其實不複雜。對話式工具只記得眼前這段對話,看不到整個程式碼庫的脈絡。Claude Code則會先讀懂實際的資料夾結構,所以處理路徑問題時特別謹慎,但在需要上下文的時區計算上,反而比對話式工具慢一拍。
最後的答案是搭配使用
最後的結論不是放棄哪一邊,而是分工。把路徑和結構相關的工作交給Claude Code,把短小重複的文字工作交給對話式工具。對於在Windows裝置和Mac mini之間來回運作的夢想團隊機器人們來說,把所有任務丟給同一個工具,反而比分開使用更危險。
一個小實驗,提醒了非工程師在經營自動化時該先問的問題:「這個工具,是看著什麼在做判斷?」