黑客松不是工程師專利：AI、自學者與非技術人的實戰指南

非程式設計師在黑客松中的角色

「沒有編程技能就不能參加黑客松」是一個常見的誤解。事實上，成功的黑客松團隊通常是多元化的，非技術角色同樣重要且有價值。產品經理可以負責項目願景、用戶故事和整體方向；設計師在創造吸引人的用戶界面和體驗方面至關重要；內容創作者可以負責項目敘事、演示文稿和推廣材料；甚至領域專家也能提供寶貴的行業洞見。

作為一個獨立參賽者，我深刻體會到多元技能的重要性。在準備 ETHGlobal 項目時，我不僅要負責編程實現，還需要扮演產品經理、設計師和演示者的角色。這種全方位的參與讓我更加理解團隊協作的價值。我觀察到其他團隊中，非技術成員如何通過市場分析、用戶需求梳理來幫助確定關鍵功能優先級。我看到優秀的 UI/UX 設計師如何在短時間內創建令評委印象深刻的界面原型。在演示環節，我注意到清晰的故事和引人入勝的投影片往往比技術細節更能打動評委。

雖然獨自參賽具有挑戰性，但它也迫使我全面提升各方面能力。我學會了如何在有限時間內平衡技術實現和項目展示，如何快速製作原型並有效地傳達想法。這種經歷讓我深刻認識到，即使是技術專家，掌握一些非技術技能也是非常有價值的。對於那些考慮參加黑客松但擔心技能不足的人，我想說的是，不要低估你的潛力。黑客松的核心是解決問題和創新，而不僅僅是編寫代碼。每個人，無論是團隊成員還是獨立參賽者，都能找到自己的方式來貢獻價值。

技術學習與職業發展

Person Using MacBook Pro (Glenn Carstens-Peters)

適合初學者的 AI 和編程學習資源

對於沒有編程經驗的初學者，選擇合適的學習資源至關重要。我親身使用並推薦的資源包括：

1. freeCodeCamp：這是一個非營利組織提供的免費學習平台，提供全面的編程課程。從前端開發到後端技術，再到數據分析，freeCodeCamp 都有覆蓋。它的互動式學習方式特別適合初學者，你可以直接在瀏覽器中編寫和運行代碼。

2. CS50：這是哈佛大學的計算機科學導論課程，由 David J. Malan 教授講授。它涵蓋了從基本的 C 語言到 Web 開發的廣泛主題。雖然課程內容較為深入，但講解非常清晰，適合想要全面了解計算機科學的學習者。

3. Codecademy：這個平台特別適合視覺和動手學習者。它提供了大量的互動式編程課程，涵蓋了從 HTML 到 Python 的各種語言。Codecademy 的課程設計注重實踐，學習者可以邊學邊做，快速掌握編程技能。

4. The Odin Project：這是一個開源的全棧 Web 開發課程。它整合了來自網絡上最好的免費資源，提供了一個結構化的學習路徑。從 HTML/CSS 基礎到 Ruby on Rails 和 JavaScript，The Odin Project 能幫助你成為一名全面的 Web 開發者。

5. MDN Web Docs：雖然不是一個傳統意義上的學習平台，但 Mozilla 開發者網絡（MDN）提供了最全面和權威的 Web 技術文檔。對於想深入了解 HTML、CSS 和 JavaScript 的學習者來說，這是一個寶貴的資源。

針對 AI 學習，我推薦以下資源：

1. Fast.ai：這是一個注重實踐的深度學習課程。它的特點是”自上而下”的教學方法，讓學習者快速上手實際項目，然後逐步深入理論。這種方法特別適合那些喜歡通過實踐學習的人。

2. 吳恩達的機器學習和深度學習課程：這些課程被認為是 AI 學習的業界標準。吳恩達教授以清晰的講解和豐富的實例聞名，他的課程涵蓋了從機器學習基礎到深度神經網絡的廣泛主題。

3. Google 的 Machine Learning Crash Course：這是 Google 提供的免費在線課程，為初學者提供機器學習的入門概念和實踐。課程包含視頻講座、實際案例研究和動手編程練習。

4. Kaggle：這不僅是一個數據科學競賽平台，也是一個學習 AI 和機器學習的絕佳資源。Kaggle 提供了大量的數據集、教程和社區支持，非常適合通過實際項目學習 AI。

5. OpenAI Gym：對於想要深入研究強化學習的學習者，OpenAI Gym 提供了一個標準化的環境集合，可以用來開發和比較強化學習算法。

我的學習經歷是從解決具體問題開始的，這種需求驅動的方式更有動力且高效。建議初學者選擇一個小項目作為起點，例如：

1. 創建一個簡單的天氣應用：這個項目可以幫助學習者掌握 API 調用、數據處理和前端顯示等基本技能。你可以使用 OpenWeatherMap API 獲取天氣數據，然後用 HTML、CSS 和 JavaScript 創建一個簡單的網頁來顯示這些數據。

2. 開發一個待辦事項列表應用：這個項目可以幫助理解基本的 CRUD（創建、讀取、更新、刪除）操作，以及如何使用本地存儲來保存數據。

3. 構建一個簡單的聊天機器人：這可以是一個入門級的 AI 項目。你可以使用 natural.js 這樣的自然語言處理庫來處理用戶輸入，並根據預定義的規則生成回覆。

4. 創建一個個人博客網站：這個項目可以幫助學習者理解前後端交互、數據庫操作和用戶認證等更複雜的概念。

5. 開發一個簡單的遊戲：比如猜數字或井字棋遊戲，這可以幫助理解遊戲邏輯、用戶交互和基本的 AI 算法。

這種基於項目的學習方法能幫助初學者在實踐中逐步掌握各種技能，從而為進一步的學習和更複雜的項目打下良好基礎。重要的是要從小處著手，逐步增加項目的複雜度，並在過程中不斷學習新的概念和技術。

在黑客松中使用 AI 工具的最佳實踐

All famous AI chat apps like Character.AI, Perplexity, Claude, Copilot, Chat GPT, Deepseek, Gemini with Appstore icon on an iphone screen. (Saradasish Pradhan)

AI 工具在黑客松中的使用已變得非常普遍，但需要遵循一些準則：

大多數黑客松允許使用 AI 工具，但通常要求參與者透明地披露使用情況。ETHGlobal 和 Major League Hacking 等主流黑客松組織通常在規則中明確表示允許使用 AI 輔助，但最終成品必須是參與者的原創工作。

最佳實踐包括：

• 使用 AI 生成代碼框架或解決特定問題，但理解並能解釋每一行代碼。
• 將 AI 視為協作夥伴而非替代品，關鍵決策仍由團隊做出。
• 在演示中誠實披露 AI 的貢獻。我在演示中常說：「我們使用 ChatGPT 幫助解決了 X 問題，但核心算法是我們自己設計的。」
• 利用 AI 加速開發，但將時間投入到創新和差異化功能上。

從個人經驗來看，使用 AI 工具最有效的方式是先明確問題範圍，然後使用 AI 生成初始解決方案，再根據實際需求進行調整和優化。例如，我曾使用 AI 生成基本的智能合約模板，然後根據項目需求自己修改關鍵邏輯。

主修計算機科學的利弊

A large machine in a building with a clock on the front of it (Peter Herrmann)

當是否應該主修計算機科學這個問題被提出時，答案往往取決於個人的目標與學習風格。以我這位化學工程背景、非 CS 科班出身的學習者為例，我選擇透過自學踏入技術領域，這條路帶來了不少優勢：我能依據興趣與市場需求選擇學習內容，快速接觸最新技術，且不必投入額外的學位成本。此外，跨領域背景反而在特定領域（例如化學模擬或科學運算）中展現出獨特優勢。然而，自學的同時也面臨挑戰，包括缺乏系統性理論基礎、需要高度自律，以及缺少校園中的 networking 和團隊實作經驗。

我的方法是在化學工程學位之上，透過線上課程、開源專案參與與大量實作累積編程能力，逐漸找到結合兩者的職涯定位。對於想從非 CS 背景進入技術領域的人，我建議重點放在打造強而有力的項目作品集，並持續透過實作來培養解決問題的能力。如今的技術公司越來越重視「你能做出什麼」，而不只是你擁有什麼學位。只要持續學習、勇於實踐，自學者一樣能在技術圈中闖出一條屬於自己的路。

AI 項目與應用

具有強大基礎的 AI 項目特徵

從 AI 專業角度來看，具有強大基礎的 AI 項目通常具備以下特徵：解決真實問題、數據策略清晰、可解釋性和透明度高、可擴展性設計良好，以及注重跨學科合作。成功的 AI 項目往往針對具體問題領域，如醫療影像分析或語言翻譯，而非籠統的「通用 AI 助手」。它們在數據準備上投入大量時間，確保模型準確性。可解釋的 AI 決策過程在監管加強的環境中更具優勢。考慮計算資源、數據增長和用戶擴展的項目更可能長期成功。結合領域專業知識和 AI 技術的跨學科合作通常產生更深入的解決方案。在黑客松中，成功不在於使用最前沿技術，而在於解決問題的方式是否有意義且可持續。

AI 工具使用者的就業前景與自學經驗

僅掌握 AI 工具使用（如提示工程）在當前就業市場中是不足的，但可以作為入門點。

AI 工具使用技能與就業市場：

• 僅會使用 AI 工具難以在競爭激烈的 IT 市場中脫穎而出，因為這些技能門檻相對較低。
• 然而，將 AI 工具與特定領域知識結合可以創造差異化優勢。例如，懂法律的 AI 提示工程師在法律科技公司會很搶手。
• AI 工具使用可以作為了解 AI 領域的入口，但需要逐步深入學習更多技術知識。

關於我自學 React 等技術的經驗：

• 我的學習路徑通常是官方文檔結合項目實踐。例如，學習 React 時，我先通過官方教程理解基本概念，然後立即開始構建小型應用。
• 對於深入理解，我經常閱讀開源項目的源代碼，分析專業開發者如何解決問題。
• Stack Overflow 和 GitHub Issues 也是學習實用技巧和解決方案的寶庫。

我的自學策略可概括為「學習 - 實踐 - 教授」循環：

1. 學習新概念（通過文檔或教程）
2. 在實際項目中應用（解決真實問題）
3. 通過寫博客或教他人來鞏固知識

這個方法幫助我在短時間內掌握多種技術，不僅提高了學習效率，還增強了知識的實際應用能力。通過將新學到的概念立即應用到實際項目中，我能更深入地理解這些技術的實際用途和局限性。同時，通過教授或分享所學，我進一步鞏固了自己的理解，並發現了知識中的盲點。這種循環不僅加速了學習過程，還培養了解決問題的能力和技術敏感度，使我能夠更快地適應新的技術環境和挑戰。

內容創作與 AI 輔助

A close up of a computer screen with a menu on it (Emiliano Vittoriosi)

博客文章的寫作過程與 AI 輔助

在我持續進行高密度寫作的過程中，AI 工具已成為我不可或缺的創作夥伴。尤其在挑戰「33 天發表 87 篇技術文章」的期間，AI 協助大幅提升了我的寫作效率，讓我能專注在最有價值的內容輸出上，而不是卡在架構設計或資料整理等初步工作上。

我的寫作流程通常是：先使用 ChatGPT 快速生成文章大綱與初步段落內容，再透過 Perplexity 查找事實資訊、補充技術背景與最新動態。接著，我會在 AI 提供的框架上，加入自己的實戰經驗與獨特觀點，強化內容的專業性與個人化。最後則進行語句潤飾與風格統一，確保文章邏輯流暢、觀點清晰。

我始終認為，AI 是寫作的「協作夥伴」而不是「內容替代者」。它可以快速鋪陳內容骨架、激發靈感與變化表達方式，而真正的價值與深度，仍然來自人類的理解力、實戰經驗與對問題的洞察。這樣的分工讓我能更聚焦在思考與創造本質。

對於正在創作的人來說，關鍵不只是用不用 AI，而是怎麼用。你可以用它加速、補強，但同時要保有原創性、判斷力與風格意識。我也一直秉持透明原則，公開我如何使用 AI 工具，讓讀者清楚知道每篇文章的創作脈絡，這不只是建立信任，更是一種鼓勵大家探索 AI 協作潛力的實踐方式。

結語

技術學習從來不是孤單的旅程。參與黑客松、主動提問、公開創作，都是讓自己快速進化的最佳方式。這些活動不僅能幫助你鞏固所學，還能擴展人脈網絡，獲得寶貴的反饋和建議。

記住，每個專家都曾是初學者。你不需要完美，只需要開始。持續學習、實踐和分享是成長的關鍵。即使遇到挫折，也要保持好奇心和學習熱情。

如果你喜歡這篇文章，或對黑客松、AI 工具、自學技巧有任何疑問與想法，歡迎在評論區留言或私訊我。我很樂意與你分享更多經驗和見解。

別錯過我即將舉辦的下一場技術分享會！這將是一個絕佳的機會，讓我們一起 Build in Public，交流想法，互相激勵。讓我們攜手打造一個充滿創新和協作的開源未來！

記得關注我的社交媒體賬號，獲取最新的技術動態和活動信息。期待在未來的技術之旅中與你相遇！