他完全不懂程式，卻在50分鐘內打造出AI Agents：一位非技術創辦人的逆襲，正在改寫AI應用的遊戲規則
想像一下：你是一位創辦人，你的團隊裡沒有一個工程師。你連一行Python程式碼都看不懂，甚至不知道API和SQL有什麼差別。你看著市場上那些號稱「AI Agent」的酷炫工具，感覺它們離你非常遙遠——那是「技術人」才能碰的世界，對吧？
但就在上週，一位名叫Matt Van Horn的連續創業者，在Peter Yang的Podcast節目中，當著所有人的面，做了一件讓軟體工程師們集體沉默的事。他打開一個名為「Pulse」的AI Agent平台，完全沒有寫任何程式碼，只靠著自然語言對話，在不到50分鐘內，從零開始打造了一個能夠自動化處理客戶支援、分析數據、甚至自動撰寫會議紀錄的完整AI代理系統。
這不是科幻小說，也不是預錄好的Demo。這是真實發生在2026年6月的現場直播。
「我對程式設計的理解，大概就跟對量子力學的理解差不多，」Matt在節目中笑著承認，「但我發現，未來的工程能力，與你會不會寫程式碼無關，而是與你能不能精準地『指揮』AI有關。」
這句話，像一顆震撼彈，炸開了科技圈長久以來的迷思。我們總是認為，AI開發是屬於那些戴著眼鏡、在深夜敲打鍵盤的工程師的專利。但Matt Van Horn的故事，正在徹底顛覆這個假設。
這篇文章，我將帶你深入剖析這場47分鐘的對話，從中提煉出5個最令人震驚、最反直覺的核心要點。你會發現，「非技術」不再是劣勢，反而可能成為你在AI時代最大的競爭優勢。 準備好了嗎？讓我們一起拆解這場「非技術創辦人」的AI逆襲實錄。
要點一：「Agentic Engineering」不是程式設計，而是「對話式指揮學」
你可能聽過「提示工程（Prompt Engineering）」，但你聽過「Agentic Engineering」嗎？這不是一個華麗的術語，而是Matt Van Horn對未來AI開發本質的精準定義。
傳統的軟體開發，本質上是一種「翻譯」工作。你有一個商業邏輯，你必須把它「翻譯」成程式設計師能懂的語言，然後程式設計師再把它「翻譯」成機器能懂的程式碼。這個過程充滿了損耗、誤解和時間延遲。
但Matt在節目中提出了一個顛覆性的觀點：Agentic Engineering，就是讓AI直接理解你的商業邏輯，然後由AI自己負責去「寫程式」或「執行任務」。 你的角色，不再是寫程式碼的工匠，而是「指揮官」或「交響樂團指揮」。
為什麼這對非技術創辦人至關重要？
Matt在節目中示範了一個場景：他想建立一個「客戶情緒分析Agent」。在傳統流程中，你需要：
- 寫一個爬蟲去抓取客戶回饋數據。
- 寫一個NLP模型來分析情緒。
- 寫一個儀表板來顯示結果。
- 設定觸發條件，當負面情緒超過某個閾值時，自動發送警報給客服。
這整個流程，對於一個不懂程式的人來說，是天方夜譚。但Matt在Pulse平台上，只用了幾句話： 「幫我建立一個Agent，它每天監控我的Slack頻道和郵件收件匣。當它發現任何客戶抱怨或負面情緒時，它必須先總結問題，然後自動在Notion中建立一個任務，並標記相關的團隊成員。」
就這麼簡單。沒有程式碼。沒有API文檔。沒有部署流程。AI Agent理解了他的「指揮」，然後自動去完成了所有底層的技術工作。
更深層的思考是： 這不僅僅是降低了開發門檻，更是從根本上改變了創辦人與技術的關係。過去，創辦人必須「授權」給技術團隊去實現願景。現在，創辦人可以「親手」實現願景，讓技術團隊專注於更具戰略性的、更複雜的系統設計。
「我認為，未來最厲害的工程師，不是那些最會寫Code的人，而是那些最會『問問題』、『下指令』的人。」——Matt Van Horn
這是一個權力轉移的信號。技術的霸權，正在從「知道怎麼做（How）」轉向「知道要做什麼（What）」。而後者，恰恰是創辦人、產品經理、行銷人員這些「非技術」角色的核心能力。
要點二：AI Agent的「個性」比「能力」更重要——這是一個巨大的反直覺
當我們談論AI時，我們總是專注於它的「智商」：它能回答多難的問題？它能處理多複雜的邏輯？它的準確率有多高？
Matt在節目中提出了一個令人耳目一新的觀點：對於AI Agent來說，它的「個性」和「行為模式」，往往比它的「純粹能力」更重要。
他分享了一個親身經歷。他曾經建立了一個用於客戶支援的Agent。這個Agent非常強大，能夠回答任何技術問題，甚至能夠解決一些工程師都頭痛的Bug。但問題是，這個Agent的回覆風格極其機械、冷漠，就像一個沒有感情的客服機器人。
結果呢？客戶的回饋非常差。他們感覺自己不是在跟人對話，而是在跟一個冰冷的系統打交道。即使問題被解決了，客戶的滿意度卻下降了。
這個案例揭示了一個殘酷的事實：在AI時代，用戶對「體驗」的期望，遠比我們想像的更高。 他們不僅要求AI能解決問題，還要求AI能「像人一樣」解決問題。
Matt是如何解決這個問題的？
他沒有去調整模型參數，也沒有去寫更複雜的提示詞。他只是在Pulse平台上，用自然語言對Agent說了一句話：「從現在開始，你的個性要像一個熱情、幽默、帶點德州腔調的客服專家。你必須在每次回覆的開頭，先問候對方今天過得如何，並在結尾時，用一個笑話或一句溫暖的話來結束。」
就這麼簡單。這個Agent的「個性」被瞬間重塑。客戶滿意度立刻飆升。因為客戶感覺自己是在跟一個「有溫度的人」對話，而不是一個機器。
這對非技術創辦人意味著什麼？
這意味著，你不需要理解Transformer架構或RLHF（基於人類回饋的強化學習），你只需要理解「人性」。 你懂你的客戶，你懂他們喜歡什麼樣的溝通方式，你懂什麼樣的語氣能讓他們感到被重視。這正是非技術創辦人相對於純技術人員的巨大優勢。
你可以像一個導演一樣，為你的AI Agent「塑造角色」。你可以告訴它：
- 「你是一個極度嚴謹的財務分析師，你對任何數據的錯誤都零容忍。」
- 「你是一個充滿耐心的幼稚園老師，你必須用最簡單的語言解釋複雜的概念。」
- 「你是一個擅長推銷的業務員，你必須在每一次對話中，都巧妙地引導對方預約Demo。」
更深層的意義是： 當AI的能力趨於同質化時（因為底層模型大家都差不多），「個性」和「品牌調性」將成為AI Agent的核心競爭力。 誰能讓自己的AI Agent擁有獨一無二的、令人愉悅的「人設」，誰就能在市場中脫穎而出。這是一場關於「體驗設計」的戰爭，而戰場，就在你與AI的對話之中。
要點三：傳統「提示工程」已死，「Agentic Workflow」才是王道
如果你還在研究如何寫出完美的「提示詞（Prompt）」，試圖用一個句子就讓AI吐出完美的答案，那麼你可能已經落伍了。
Matt在節目中直言不諱地批評了傳統的「提示工程」思維。他認為，把所有的希望寄託於一個「完美提示詞」，就像試圖用一把瑞士刀去蓋一棟摩天大樓——理論上可行，但實務上效率極低且容易出錯。
真正的未來，在於「Agentic Workflow」（代理工作流程）。
什麼是Agentic Workflow？簡單來說，就是將一個複雜的任務，拆解成一系列由多個AI Agent協作完成的小任務。每個Agent負責一個特定的、專精的任務，然後將結果傳遞給下一個Agent。
Matt在節目中現場示範了一個令人驚嘆的例子。他想要建立一個「自動化內容日報」系統。這個系統需要：
- 監控Agent：掃描多個新聞網站、社群媒體、和競爭對手的部落格。
- 摘要Agent：將每篇有價值的長篇文章，濃縮成200字以內的摘要。
- 分析Agent：判斷這篇新聞對自己的公司是正面、負面還是中性，並給出一個「威脅/機會」評分。
- 撰寫Agent：根據前三者的結果，自動撰寫一份語氣活潑的日報，包含標題、摘要、分析、和建議行動。
- 發布Agent：將這份日報自動發布到公司內部的Slack頻道，並同時寄送郵件給所有相關主管。
你看到了嗎？這不是一個單一的、萬能的AI。這是一個由5個不同「專家」組成的團隊。每個專家都只專注於自己最擅長的事。
為什麼這種模式對非技術創辦人更友好？
因為它符合人類直覺。當你管理一個團隊時，你也不會要求一個人同時做所有事。你會把工作拆解，交給不同專長的人。Agentic Workflow正是將這種管理思維，套用到了AI上。
你不需要知道如何訓練一個模型來做所有事。你只需要知道：
- 「我需要一個專門負責監控的Agent。」
- 「我需要一個專門負責寫摘要的Agent。」
- 「我需要一個專門負責做判斷的Agent。」
然後，你像拼樂高一樣，用自然語言把這些Agent串聯起來，定義好它們之間的「交接規則」。整個過程，就像是在設計一條自動化生產線，而你，就是這條生產線的總設計師。
「別再想著用一個提示詞解決所有問題了。開始思考如何設計一個由多個Agent組成的『交響樂團』。每個樂手只演奏自己的樂器，但合在一起，就能演奏出宏大的樂章。」——Matt Van Horn
這是一個從「單體架構」到「微服務架構」的思維轉變。對於非技術創辦人來說，你不必理解微服務的技術細節，但你必須理解微服務的商業邏輯——即「分工協作」的威力。
要點四：「除錯」不再是看Log，而是「重新描述」——這是最被低估的超能力
這是整場對話中，最令我感到震撼的一個觀點。它直接觸及了「非技術人」內心最深處的恐懼：當AI Agent出錯時，我該怎麼辦？
在傳統軟體開發中，當程式出錯時，工程師會去檢查Log檔、追蹤堆疊軌跡、設置斷點、一行一行地除錯。這個過程需要深厚的技術背景，而且非常耗時。
但Matt展示了一個完全不同的「除錯」方式。當他建立的一個Agent在執行任務時，沒有按照他的預期行事（比如說，它應該回覆「好的，已處理」，但卻回覆了「抱歉，我無法執行這個指令」），Matt並沒有去檢查任何程式碼。
他是怎麼做的？他直接對那個Agent說了一句話：「嘿，夥計，你剛才搞錯了。當你收到『處理訂單』的指令時，你應該直接執行，而不是說你無法執行。請記住這個規則，下次修正。」
就這樣。他「重新描述」了正確的行為。這個Agent立刻修正了它的行為，並且在後續的測試中完美執行。
這背後的原理是什麼？
這不是魔法。這其實是現代AI Agent架構中「記憶」與「反思」機制的體現。當你對Agent提出「修正」時，它會將你的反饋記錄到一個長期記憶系統中。下一次，當它遇到類似情境時，它會先檢索這個記憶，然後根據你的修正指令來調整行為。
這對非技術創辦人意味著什麼？
這意味著，「除錯」這項過去被視為最高技術門檻的技能，正在被「溝通」和「教學」能力所取代。
你不需要理解程式碼為什麼出錯。你只需要能判斷「這個行為不是我想要的」，然後用清晰、具體的語言，告訴AI「你應該怎麼做」。
這就像是在教一個新來的實習生。你不會因為他做錯事就立刻開除他，你會告訴他正確的做法，並期待他下次能改進。現在，你對AI Agent也是這樣做。
更深層的思考是： 這正在創造一種全新的「人機協作」模式。你不再是「命令」AI，而是在「訓練」和「養成」AI。你的每一次反饋，都是在幫助你的AI Agent成長。隨著時間推移，你的AI Agent會越來越了解你的偏好、你的標準、你的做事風格。它會從一個「工具」，逐漸變成一個真正懂你的「夥伴」。
這種「持續對話式訓練」的能力，是任何非技術創辦人都可以掌握的。它不需要你懂技術，只需要你對「什麼是好的結果」有清晰的認知。而這，恰恰是創辦人最擅長的事。
要點五：「技術債」正在被「溝通債」取代——你的表達能力，就是你的生產力
最後一個要點，可能是最具前瞻性、也最令人焦慮的。它關乎你的核心競爭力。
傳統的軟體開發，最怕的就是「技術債」——為了快速交付而寫出的糟糕程式碼，會在未來持續拖累開發速度和系統穩定性。要償還技術債，需要花費巨大的時間和精力去重構。
Matt在節目中提出了一個大膽的預測：在AI Agent時代，「技術債」將被「溝通債」取代。
什麼是「溝通債」？它指的是，當你在與AI Agent溝通時，使用了模糊、矛盾、或不完整的指令，導致AI Agent產生了錯誤的認知或行為。這些錯誤的認知會像病毒一樣，在Agent的記憶和行為模式中擴散，導致日後你需要花費更大的力氣去「糾正」它。
一個具體的例子：
假設你對一個客戶支援Agent說：「對客戶禮貌一點。」這是一個非常模糊的指令。什麼叫「禮貌」？是「非常正式」還是「友善輕鬆」？是「簡潔扼要」還是「詳細周到」？不同的文化、不同的客戶群體，對「禮貌」的定義天差地別。
如果你的指令模糊不清，Agent就會根據它自己的訓練數據來猜測。它可能會猜錯，從而產生一連串不符合你預期的行為。這就是「溝通債」的開始。之後，當你發現問題時，你必須花時間去「重新教育」它，去解釋你所謂的「禮貌」到底是什麼意思。這個過程，就是在償還「溝通債」。
如何避免累積「溝通債」？
Matt的建議非常實用，而且完全不需要技術背景：
-
具體化：不要說「處理客戶問題」，要說「當客戶回報帳單問題時，第一步先查詢他的訂單狀態，第二步計算溢收金額，第三步自動發起退款流程，第四步發送一封道歉郵件，並提供10%的折扣碼。」
-
情境化：告訴Agent「在什麼情況下」該做什麼事。例如：「如果客戶的情緒是憤怒的，請先使用同理心回應，再解決問題。如果客戶的情緒是平靜的，可以直接進入解決問題的流程。」
-
迭代化：不要期望一次對話就能完美。把每次與Agent的互動，都視為一次「校準」的機會。如果它做錯了，立刻修正，並確保它記住修正。
-
建立「溝通手冊」：就像公司會有員工手冊一樣，你應該為你的AI Agent建立一份「溝通手冊」。這份手冊詳細定義了你的價值觀、溝通風格、以及各種常見情況的處理原則。你可以直接將這份手冊的內容，用自然語言灌輸給你的Agent。
這對你的職業生涯意味著什麼？
這是一個殘酷卻又充滿機會的現實：在AI時代，你的薪資，將不再與你會寫多少程式碼掛鉤，而是與你能否精準、高效地與AI溝通掛鉤。
你的表達能力、邏輯思維能力、以及將複雜問題結構化的能力，將直接轉化為你的生產力。那些能夠用最少的詞語、最清晰的邏輯，向AI下達最精準指令的人，將會成為這個時代的超級個體。
核心觀點與行動指南：一張表看懂AI時代的新規則
為了讓你更清晰地掌握這場對話的精華，我將核心觀點整理成以下表格，方便你隨時回顧：
| 核心觀點 | 傳統思維 | 全新思維 (Agentic Engineering) | 對非技術創辦人的啟示 |
|---|---|---|---|
| 開發本質 | 程式設計 (Coding) | 對話式指揮 (Conversational Orchestration) | 你的商業直覺，比程式碼更重要。 |
| 關鍵技能 | 寫出完美提示詞 | 設計Agentic Workflow | 你的團隊管理經驗，可以直接套用。 |
| 成功關鍵 | 模型能力 (智商) | Agent個性 (情商/人設) | 你對人性的理解，是最大的護城河。 |
| 除錯方式 | 看Log、追蹤Bug | 重新描述、即時反饋 | 你的教學與溝通能力，就是Debug工具。 |
| 最大風險 | 技術債 (Bad Code) | 溝通債 (Bad Instruction) | 你的表達清晰度，直接決定AI的表現。 |
總結：你準備好成為「AI指揮家」了嗎？
回顧Matt Van Horn的這場示範，我們看到了一個清晰的未來藍圖。那個未來，不是由一群戴著厚重眼鏡的工程師主導，而是由一群懂商業、懂人性、懂溝通的「AI指揮家」主導。
非技術創辦人，你曾經最大的痛點——無法自己動手實現想法——正在消失。 取而代之的，是一個全新的挑戰：你必須學會如何清晰、精準、有策略地「指揮」你的AI軍團。
這不是一個輕鬆的任務。它需要你不斷訓練自己的思考能力，將模糊的商業直覺，轉化為AI能夠理解的具體指令。它需要你像一個導演一樣，為你的AI Agent賦予鮮明的個性。它更需要你保持耐心，透過持續的對話和反饋，去「養成」一個真正懂你的AI夥伴。
這一切，都始於一個簡單的問題，一個你現在就應該問自己的問題：
如果給你50分鐘，沒有任何程式碼，你打算如何打造你的第一個AI Agent？
這個問題的答案，將決定你在下一個十年的位置。是繼續當一個旁觀者，還是站上指揮台，成為這場AI交響樂的指揮？選擇權，就在你手中。