AI Native 開發對我來說，不是單純把程式交給 AI 寫，而是把 AI 工具放進整個產品開發流程裡，讓想法、設計、程式、測試和部署之間的距離變短。
我現在的工作方式，是把 OpenAI Codex、Claude Code、Gemini CLI、MCP workflows、Bun、React 和 Cloudflare Workers 串成一個可以快速迭代的開發系統。重點不是工具越多越好，而是每一個工具都要幫助我更快看到真實結果。
從想法開始
我通常不會一開始就追求完整規格，而是先把產品想法拆成三個問題：
- 這個頁面或功能要解決什麼問題
- 使用者第一眼要看到什麼
- 哪一個版本可以最快上線驗證
這樣做可以避免一開始就陷入太大的架構設計。產品最重要的是先變成可以打開、可以點、可以測試的東西。
AI 在流程裡的角色
AI 工具在我的流程裡比較像開發夥伴，而不是自動代工。Codex 適合做 repo 裡的實際修改、檢查檔案和跑 build；Claude Code 適合長一點的實作和重構；Gemini CLI 適合快速查想法、整理方向和補充命令列工作。
我會讓 AI 幫我處理重複性高、上下文大的工作，但產品判斷仍然由我負責。包含要不要加一個頁面、文案怎麼寫、使用者點進來時看到什麼、哪些內容應該先收斂。
為什麼用 Bun 和 Workers
Bun 讓本地開發變得很快，尤其是安裝、build 和 script 執行都很直接。Cloudflare Workers 則讓部署流程保持簡單：build 出 dist，再用 Wrangler deploy 到 Workers Static Assets。
對個人網站、Blog、作品展示頁來說，這個組合很適合。它不需要一開始就加入複雜後端，但之後如果要加表單、AI endpoint、登入或資料庫，也可以逐步擴充。
我的上線檢查
每次修改完成後，我不會只看程式碼。我會檢查實際輸出：
bun run build是否通過- 頁面 route 是否真的產生
- live Workers URL 是否可以開
- SEO meta 和 OG image 是否正確
- 瀏覽器 console 有沒有 error
這些檢查讓 AI-assisted 開發比較可靠。速度變快之後，更需要用真實畫面和真實部署結果來確認品質。
最終目標
我的目標不是展示我用了多少 AI 工具，而是用這些工具把產品更快做出來。好的工作流應該讓 idea 更快變成 prototype，prototype 更快變成 production，production 更快得到下一輪回饋。
這就是我理解的 AI Native 開發：不是讓 AI 取代工程判斷，而是讓工程判斷可以更快落地。
本文由 AI 協助自上述來源整理，經人工審核後發布。