第三章：把 AI 變成你的 CTO

上一章決定了「做什麼」。接下來是「怎麼做」。 但這一章不會教你怎麼寫 prompt。 如果你以為「用 AI 做 SaaS」的核心技能是寫好 prompt——這一章會把你拉出那個陷阱。**Prompt 工程是 2023 年的概念**。在 2026 年，這個概念已經死了，雖然很多人還沒發現。 真正的核心技能是**分工**。怎麼把 AI 當 CTO、自己當 PM。怎麼決定哪些事 AI 做、哪些事你做。怎麼讓多個 AI 合作而不是你一個人對話。這是這一章要講的。 *** 三種使用 AI 的層次 [#三種使用-ai-的層次] 讓我先把這個問題抽象一下。 價值約 10%"] -->|"成熟"| B["層次 2: 實習生<br/>價值約 40%"] B -->|"成熟"| C["層次 3: CTO<br/>價值約 100%"] A -.-> A1["你寫程式<br/>AI 補 50%"] B -.-> B1["你給指令<br/>AI 寫整支函數"] C -.-> C1["你給目標<br/>AI 自己規劃 + 執行 + 驗證"] style A fill:#94a3b8,color:#fff style B fill:#a78bfa,color:#fff style C fill:#4f46e5,color:#fff `} caption="使用 AI 的三個層次——多數工程師卡在第二層" /> **第一層：自動完成**。Cursor / GitHub Copilot 的基礎用法——你寫程式，AI 補後面。這個用法的價值約 10%，因為 AI 只在「打字」這個環節幫你。但「打字」從來不是寫程式的瓶頸。 **第二層：實習生**。你給一個明確任務（「寫一個函數做 X」），AI 完成整個函數。這個用法的價值約 40%。多數使用 AI 的工程師卡在這一層。問題是——當你的工作切成這種小任務時，**你還是要全程在場**，因為下一個任務需要你決定。AI 變成快速的工具，但你還是瓶頸。 **第三層：CTO**。你給一個目標（「做一個能讓人付費的...