隨著生成式 AI 能力快速發展，開發者的痛點已從「如何寫出程式碼」，轉變為「如何管理專案複雜度、控制開發成本，並選擇正確的工具」。當模型能力逐漸成熟，開發者的核心價值也將更聚焦於「定義需求」、「設計架構」與「精準選型」。

本場議程將公開我在 2026 年 iThome 鐵人賽中的精華研究，探討在全新的 Vibe Coding 時代下，如何選擇合適的 AI 開發工具，並建立高速的 PDCA 迭代流程。議程將以使用 Lovable 建置 Web 應用為主要實驗場景，聚焦以下兩大核心：

通用工具與場景專用工具的界線

評測主流通用型 AI 開發工具，例如 VS Code + Copilot、Claude 與 Antigravity IDE／CLI，分析它們在需求理解、程式碼生成、跨檔案修改及上下文管理上的能力與限制。

同時，透過 Lovable 的實際開發案例，解析場景專用 AI 工具如何整合需求描述、UI 設計、前端實作與即時預覽，降低工具切換與上下文重建的成本，並比較兩類工具各自適合的專案階段與使用情境。

通用 AI CLI、Lovable 與傳統開發模式的實作對決

以相同的 Web 應用需求，實際比較三種開發方式：

•    使用 Lovable 進行場景導向的 Vibe Coding

•    使用通用型 AI IDE／CLI 協助開發

•    採用傳統手工編碼流程

評測面向包含初版產出速度、需求迭代效率、除錯時間、成果可控性，以及後續維護成本。同時分析訂閱方案、使用額度、API 呼叫與開發工時之間的成本轉換，找出不同專案規模下更具性價比的工具組合。

議程也將分享如何透過清楚的需求拆解、結構化提示、專案知識管理與模型能力的動態調整，建立兼顧速度、品質與成本的 AI 開發流程。

思維升級：理解「需求與架構重於程式碼細節」的 AI 開發新典範，學會建立高速的 PDCA（Plan-Do-Check-Action）工作流。

精準選型能力：了解通用型 AI IDE／CLI 與 Lovable 等場景專用工具的優劣勢，以及各自適合的專案階段與使用情境。

成本最佳化實戰：掌握 AI 工具與傳統開發模式在產出速度、迭代效率、使用費用及開發工時上的差異，建立高性價比的工具組合。

實戰經驗落地：透過 Lovable Web 應用的完整開發案例，具體理解場景專用 AI、通用 AI CLI 與傳統模式之間的差異，帶走一套可立即應用於日常工作的選型與開發策略。

• 筆電
• 為順利參與現場實作，請聽眾事先準備至少一套自己慣用的通用型 AI 開發工具，例如 OpenAI ChatGPT／Codex、Claude Code、Claude CLI、Antigravity IDE 或 Antigravity CLI，並確認工具已完成安裝、登入且能正常使用。
• 此外，請事先申請 Lovable 帳號。Lovable 每日會提供 5 點免費額度，請保留活動當日的額度，避免在課程開始前使用完畢。