從管 200 人團隊到一人開發者——非技術人靠 AI 轉職程式的真實故事

2026 年 1 月，我還在倉庫裡處理物流排程，管著上百人的現場團隊。5 個月後，我一個人寫出了一個完整的官方網站、一套自動化爬蟲系統、一個 Telegram 通知機器人、還有一個上架 App Store 的考試刷題 App。

我沒有資工背景。我沒有上過任何程式課。我的學歷跟寫程式完全無關。

這不是天才的故事。這是一個普通人，在對的時間遇到對的工具，然後死命做出結果的故事。

管過 200 人團隊的營運人

在接觸程式之前，我的職涯全部圍繞著營運管理。

我管理過跨國連鎖餐飲品牌的營運，手上同時管著 10 間門市、200 多個員工。排班、庫存、客訴、績效考核、成本控制——這些是我每天的日常。後來我轉到電商物流領域，進入了一家大型電商平台，在物流中心負責現場營運。

說白了，我的工作就是「讓事情順利運轉」。現場有人請假，我要想辦法補人。系統當機，我要在修復之前用人工把流程撐住。供應商延遲，我要重新排程讓倉庫不塞車。

這些年我做的最多的事，就是解決問題。

不是課本上的問題，是現場的、火燒屁股的、沒有標準答案的問題。一個倉庫幾百個人在動，每一分鐘的停擺都是錢。你沒有時間開會討論，你只能做決定，然後承擔後果。

這個能力，後來成為我學程式最大的隱形優勢——但那是後話了。

我為什麼開始寫程式

老實說，我一開始沒有想要「學程式」。

2025 年底，我開始接觸 Claude 這類 AI 工具，最初只是拿來整理文件、寫寫郵件、幫我構思簡報。但我很快就發現一件事：這個東西不只能幫我寫字，還能幫我寫程式碼。

我記得第一次叫 AI 幫我寫一個小爬蟲，去抓某個網站的資料。它丟回來一段 Python 程式碼，我複製貼上，跑了一下——居然真的動了。

那個瞬間很奇妙。我以前一直覺得「寫程式」是另外一個世界的事，是資工系學生花四年學的東西。但現在，我看著這段程式碼，發現我居然看得懂它在幹嘛。不是全部，但邏輯是通的。for 迴圈就是「每一筆都做一次」，if 就是「如果這樣就那樣」——這跟我管理現場時的決策邏輯沒什麼兩樣。

於是我開始想：如果我可以用 AI 寫程式，那我是不是可以做出一些真正有用的東西？

從第一行程式到第一個產品

我的學習路徑跟傳統的程式學習完全不同。

我沒有從變數型態開始學。沒有背語法。沒有寫過 Hello World 練習題。我直接從一個「我真的很想做出來的東西」開始。

那個東西是一個 Telegram 機器人，可以即時通知我某個網站有新的外包案源。為什麼做這個？因為我平常就在關注外包案，但每天手動刷新太麻煩了。

所以我跟 Claude Code 說：幫我寫一個 Python 腳本，去爬這個網站，找到新文章後透過 Telegram 發通知給我。

第一版大概 50 行。它跑起來了。

然後我開始加功能：過濾關鍵字、排除看過的案源、定時自動執行、錯誤重試。每一層都是我遇到問題 → 問 AI → 理解 → 修改 → 測試 → 再問 → 再改。我沒有「學 Python」，我在用 Python 解決問題。

這大概是整個過程中最關鍵的領悟：你不必先學會所有東西才能開始做。你可以先開始做，在做的過程中學會你需要的東西。

傳統教育把學習和實作拆成兩件事：先學完，再做。但 AI 時代的學習是反過來的：先決定你要做什麼，路上遇到什麼就學什麼。

半年內我做出了什麼

從 2026 年 1 月到現在，我用 AI 輔助開發，一個人完成了以下東西：

1. Lurnatic 官方網站（就是你正在看的這個）

用 Astro 框架 + TypeScript 寫的靜態網站，包含部落格、服務頁面、聯絡表單。全部自己設計、自己寫、自己部署。沒有用模板，沒有外包。

我之前完全沒碰過前端。CSS 對我來說跟外星文一樣。但 Claude Code 會解釋每一段在做什麼，我邊改邊學，現在已經可以自己調整 RWD 版面、修改動畫效果、甚至徒手寫出符合 Google SEO 規範的結構化資料。

2. 每日新聞 Bot

一個全自動化的 Telegram 新聞推播系統。每天自動爬取多個來源的 AI 產業新聞、用 LLM 翻譯成繁體中文、摘要重點、推送到 Telegram 頻道。

這裡面用到：Python + web scraping + LLM API + Telegram Bot API + 排程自動化。每個元件都是我一邊問 AI 一邊兜出來的。

3. 外包案源爬蟲 Bot

自動爬取 PTT 外包看板（CodeJob），過濾關鍵字、比對歷史紀錄避免重複推送，有新案源就即時 Telegram 通知。

這東西實際上幫我省下大量時間——以前要每天手動刷新好幾個網站，現在打開手機就看得到。

4. 刷題大師 App

這是我目前最完整的產品。一個考試刷題 Mobile App，用 Expo（React Native）開發，支援多科目、限時模擬考、弱點分析。已經上架到 App Store 和 Google Play。

裡面的題庫管理腳本、雙模型驗證系統、自動化出題流程，全部是我用 Python + Claude Code 寫的。App 端用 TypeScript 寫，後端部署在 Vercel，資料庫用 Turso（一個基於 SQLite 的邊緣資料庫）。

這東西的技術棧跨度很大：從 Python 資料處理、到 TypeScript 前端、到雲端部署、到 App 上架流程。每一個環節都是我沒學過的東西，但每一個環節我都做出來了。

5. 社群輿情分析儀表板

一個 Flask + Chart.js 的 web 應用，自動爬取 PTT 和 Dcard 的指定關鍵字文章，做情緒分析和趨勢圖表。Dcard 有 Cloudflare 防護，我用 Playwright 模擬瀏覽器繞過去。

6. Claude Code 網頁聊天介面

一個 Express.js 伺服器包裝 Claude Code CLI，讓我可以透過瀏覽器操控 Claude Code（不是官方 Claude.ai）。用 Cloudflare Tunnel 部署到公開網域。這東西讓我在手機上也能指揮開發環境。

我學到的東西，跟你想的不一樣

如果你期待我說「學程式不難，只要用 AI 就對了」，那你要失望了。

AI 讓程式變得「可以做」，但不是「變簡單」。

差別在哪裡？差別在於：以前你遇到一個 bug，你要 Google 半小時、看 Stack Overflow 英文討論、試十種解法、最後發現是少一個分號。現在你直接把錯誤訊息丟給 AI，它三秒告訴你問題在哪。

但問題來了：AI 告訴你的答案，你不一定聽得懂。

不是語言問題，是概念問題。比如 AI 說「這是 CORS 政策的問題，你需要在後端設定 Access-Control-Allow-Origin header」，你如果不知道什麼是 header、什麼是 CORS、什麼是後端 vs 前端，這句話對你來說跟沒講一樣。

所以真正的學習曲線不是「寫程式」本身，而是建立足夠的技術世界觀，讓你能聽懂 AI 在說什麼，並判斷它說得對不對。

這就是為什麼傳統程式教育還是要花那麼多時間——你不是在學語法，你是在建立一個完整的技術心智模型。AI 可以幫你加速這個過程，但你還是得自己走過那條路。

我自己的經驗是：前三個月最痛苦。不是因為程式難，而是因為「我不知道我不知道什麼」。我連要問什麼問題都不知道。AI 給的答案裡面有一半的術語我看不懂，我要一層一層追問下去，像剝洋蔥一樣。

但三個月後，事情開始變了。我發現我開始聽得懂討論串在講什麼。我開始能判斷 AI 給的解法好不好。我開始能自己修改 AI 產生的程式碼，而不是照單全收。

到了第五個月，我發現一個有趣的現象：我寫程式的速度開始比 AI 還快。

不是說我打字比 AI 快，而是「從需求到產出」的判斷速度。當功能很簡單的時候，叫 AI 寫再檢查，花的時間比自己寫還多。我開始直接在編輯器裡打字，只在卡住的時候問 AI。

這個轉變我完全沒預期到。但它說明了：AI 是一個加速器，不是一個替代品。它讓你更快到達你本來就能到達的地方，但你不能跳過那段路。

非技術人寫程式的獨特優勢

寫了半年程式之後，我發現一件有趣的事：我一直以為我的「非技術背景」是劣勢，但其實它是一個隱形優勢，只是我以前不知道。

優勢一：你懂使用者的痛

技術人常常掉進一個陷阱：做出一個技術上很厲害、但沒有人需要的東西。他們在解決「有趣的技術問題」，不是「真正困擾使用者的問題」。

我一開始就沒有這個問題。我不是因為「寫程式很好玩」才開始的——我是因為「有一個問題我真的很想解決」才開始的。每一個專案的起點都是一個真實的痛點，不是一個技術挑戰。

我的刷題 App 之所以有人用，不是因為技術很強，是因為我自己就是考生，我知道考生要什麼。我的爬蟲 Bot 之所以好用，不是因為架構很優雅，是因為我每天都真的在用。

當你本身就是目標使用者，你做的產品就有一個技術出身的人很難複製的優勢：直覺。

優勢二：你習慣模糊問題

現場管理最難的不是找到答案，而是定義問題。員工說「太累了不想做」，背後可能是排班不公平、可能是工具不好用、可能是家裡有事。你要先找出真正的問題，才能解決。

寫程式也一樣。使用者說「這個功能不好用」，真正的原因可能是操作流程太長、可能是載入太慢、可能是他根本不知道這個功能存在。技術人很容易跳進「怎麼優化效能」，但真正的解決方案可能是改一行說明文字。

我發現我在現場管理練出來的「模糊問題診斷能力」，在軟體開發上一樣有用。差別只在工具不同——以前用對話和觀察，現在用 log 和使用者回饋。

優勢三：你會問笨問題

這聽起來像缺點，但其實是超能力。

技術人很怕問「笨問題」——那些看起來很基本的、應該要知道的東西。結果就是很多基礎概念的漏洞一直沒補起來。

我完全沒有這個包袱。我每天都在問笨問題：「API 是什麼？」「為什麼要有 Docker？」「localhost 跟 127.0.0.1 有什麼差別？」Claude Code 從來沒有笑過我，它每次都認真解釋。半年下來，我的基礎比很多自稱會寫程式的人還扎實。

優勢四：你有商業常識

這是最被低估的一點。很多開發者能寫出很漂亮的程式碼，但不知道怎麼把程式碼變成錢。

我在管 P&L 的時候，每一天都在看數字：營收、成本、毛利、人事費用。我很清楚一個東西值不值得做，不是看它技術上多有趣，而是看它能不能帶來價值——省時間、省錢、賺錢，至少要中一個。

這個視角讓我在做產品的時候，永遠先問：「這東西誰會用？他為什麼要用？他願意為此付錢嗎？」而不是「這東西用了什麼新技術？」

AI 時代的程式學習路線圖——給跟我一樣的非技術人

如果你看到這裡，心裡想著「我也能做嗎？」——答案是：可以，但你要用對方法。

以下是我實際走過的路，不是理論，是我每天都在做的事。

第一步：找到你非做不可的東西

不要從「學 Python」開始。從「我想要一個東西能幫我做 ____」開始。

那個東西必須是你自己真的想要的。不是「覺得好像有用」，是「我明天就想要用」。動機不夠強，你會在第一次卡關的時候放棄——而第一次卡關大概在第二天就會發生。

我的是「自動通知我外包案源」。你的是什麼？可能是「自動整理我的記帳資料」、可能是「幫我追蹤競品的價格變動」、可能是「把我每天的語音備忘錄轉成文字整理」。

找到它。那個東西會推著你往前走。

第二步：找一個 AI 夥伴，不要只用一個 AI 工具

差別在哪裡？工具是你下指令它執行。夥伴是你跟它對話、它問你問題、你們一起想解法。

Claude Code 是我的 AI 夥伴。它不是那種你丟 prompt 它吐結果的工具，它是可以在終端機裡跟你來回討論、幫你讀整個專案、幫你執行指令、幫你 debug 的開發夥伴。

找一個讓你感覺像在跟人對話的 AI 工具。不是像在操作機器，是像在跟一個很聰明但不會笑你的同事 pair programming。

第三步：不要跳過「為什麼」

當 AI 給你一段程式碼，不要複製貼上就結束了。問它：

「為什麼這樣寫？」
「這個 async/await 是什麼意思？」
「如果不用這個 library，要怎麼自己寫？」
「這個寫法跟另一個寫法有什麼差別？」

前三個月，你會花 70% 的時間在問問題，30% 的時間在寫程式。這是正常的。這不是浪費時間，這是在建立你的技術世界觀。

三個月後，比例會反過來。

第四步：做出第一個會動的東西，然後就發布

不要等到「完美」才發布。你第一個作品一定很醜、一定有 bug、一定有你不知道怎麼修的問題。沒關係。

發布的意義不在於展示完美，在於讓自己知道：我真的可以從零做出一個東西。

我第一個發布的東西是一個不到 50 行的爬蟲腳本。它現在想起來爛到不行。但那個「我真的做出來了」的感覺，是支撐我走到今天的燃料。

第五步：建立你的作品集，不是你的履歷

沒有人會因為你「自學 Python 半年」而雇用你。但他們會因為「你做出了一個幫中小企業省 20 小時的庫存管理工具」而對你感興趣。

在 AI 時代，作品比履歷重要十倍。 學歷和證照證明你「學過什麼」，但作品證明你「能做出什麼」。後者的訊號強度遠遠大於前者。

我的每一個專案都是我的作品。GitHub 上的 commit 紀錄比任何推薦信都有說服力。

第六步：分享你正在學的東西

我一開始只是在自己的頻道分享進度。後來發現，分享帶來三個意想不到的好處：

教學是最好的學習：你要把一個概念講給別人聽，你自己得先真的搞懂
建立信任：人們看到你從零開始的真實過程，比你已經成功之後的說教更有說服力
吸引機會：你不知道誰在看你。可能是一個潛在客戶、一個合作夥伴、或一個跟你一樣想轉職的人

你不需要等「學會了」才開始分享。分享你正在學的過程，那個過程本身就是最有價值的內容。

接下來呢？

寫這篇文章的時候，我回頭看了一下自己這半年的 GitHub commit 紀錄。從第一筆到現在，中間幾乎沒有斷過。不是因為我很自律，而是因為做出東西的感覺太爽了。

那種「我想到一個點子 → 打開終端機 → 跟 AI 討論 → 幾個小時後一個會動的東西誕生了」的創造快感，比我以前任何一份工作帶來的成就感都強烈。

不是管理職不好。我很感謝那些年在現場管理累積的一切——沒有那些經驗，我不會有今天的判斷力和執行力。但管理是「讓既有的系統運轉得更好」，而開發是「從零創造一個系統」。後者給我的滿足感，完全不同。

我現在在做的，是把這個經驗變成能幫助其他人的東西。我正在設計一套給非技術人的 AI 開發課程——不是教你寫程式，是教你用 AI 做出你想要的東西。我也開始接中小企業的營運自動化顧問案，用我的營運背景加上開發能力，幫他們解決真正的痛點。

如果你看到這裡，覺得「這好像是我可以走的路」，我想跟你說三件事：

第一，你沒有落後。 AI 時代才剛開始。所有人在這個新賽道上都是新手，你的年齡、背景、學歷在這個賽道上沒有你想像的那麼重要。

第二，你的非技術背景不是包袱，是武器。 你最懂你的產業、你最懂你的客戶、你最懂那個「如果有個東西能解決 ____ 就好了」的痛點。這些是純技術人沒有的東西。

第三，現在就開始。 不要等「準備好」。打開 AI 工具，告訴它你想做什麼。第一版會很爛——沒關係，那是所有人的第一版。重點是：你有第一版了。

這篇文章會持續更新，記錄我的學習過程和新的作品。如果你也在走類似的路，歡迎透過聯絡表單或 Telegram 跟我聊聊。