Dcard 爆紅案例:補習班行政用 Replit Agent 兩天做出排課系統，工程師真的該沉默嗎？

想像一下:補習班行政每天被老師時段、教室衝突、學生補課、家長臨時改時間追著跑。她不是工程師，也不想學什麼架構設計。她只想要一個能用的排課系統。

結果她打開 Replit Agent，描述需求，兩天後做出一套可操作的內部工具。Dcard 爆了，留言區開始吵:「工程師是不是要失業？」

老實說，這個問題問錯了。

真正該問的是:為什麼一個排課系統，過去可能要排需求、寫規格、等工程師有空，現在一個懂業務的人可以直接做出 MVP？

The Toolset:這些工具到底是什麼

Replit Agent 比較像「雲端全端工程助理」。它不是只補幾行程式，而是幫你建立 app、改檔案、跑環境、修錯。對非工程背景的人，它的價值很直接:不用先搞懂本機開發環境。

Claude Code 偏向命令列裡的資深 pair programmer。它適合已經有 repo、有測試、有 issue 的團隊，用來讀大型程式碼、重構、寫測試、追 bug。它不像 Copilot 那樣主要停在 inline suggestion，而是更像你把一張工單丟給它，它會在 codebase 裡走一圈。

Gemini CLI 和 Antigravity 走的是 Google 生態與 agentic workflow 路線。Gemini CLI 適合把 AI 接進終端機、腳本、雲端工作流；Antigravity 這類 agentic IDE 則更強調「任務導向」:不是叫模型幫你補字，而是叫它完成一段工程流程。

Cursor、GitHub Copilot、Windsurf 這些工具也在同一條路上競爭。差別在於:Copilot 強在 IDE 內低摩擦補全，Cursor 強在產品化的 AI 編輯體驗，Claude Code 強在 repo 理解和改碼節奏，Replit Agent 強在從零到可部署的速度。

Key Features:真正有用的不是聊天，是進 SDLC

Greenfield generation:像補習班排課系統這種內部工具，非常適合。你可以直接說:「我要老師、教室、學生、時段，避免衝突，支援匯出 CSV。」工具會幫你長出第一版。

Debugging:把錯誤訊息、重現步驟、相關檔案交給 agent，它可以從 stack trace 回推到資料模型或 API contract。這比把錯誤貼到聊天視窗有效太多。

Refactoring:Claude Code、Cursor、Gemini CLI 這類工具的強項，是讓你說:「把這個 service 拆成 repository + use case，但不要改 API 行為。」重點是要有測試，不然它改得很有自信，你看得很害怕。

Code review:新的 agentic 能力很適合做 PR 預審。不是取代 reviewer，而是先抓命名不一致、漏測試、錯誤處理薄弱、SQL 查詢可能爆掉這些低階問題。人類 reviewer 才能把力氣花在產品邏輯。

What's New:為什麼近期更新重要

這波工具更新的主軸很清楚:從「回答問題」變成「完成任務」。

Replit Agent 的價值在於降低部署與環境門檻。對補習班行政來說，她不需要理解 Docker、Postgres migration、Next.js routing。她只要一直修正需求:「週六不能排 A 老師」「同一學生一天最多兩堂」「補課要顯示原課程」。這些都是業務規則，不是電腦科學考題。

Claude Code 這類工具的更新重點，則是更會讀 repo、更能分步修改、更適合長任務。這對工程團隊很關鍵，因為真正卡時間的通常不是寫 function，而是理解歷史包袱。

Gemini CLI 的亮點在於把 AI 放進 terminal。你可以讓它幫你分析 log、產生測試命令、整理 cloud config。對 DevOps 和平台工程師來說，這比漂亮聊天介面更實用。

範例提示:

gemini "Read the failing test output and suggest the smallest code change. Do not rewrite unrelated modules."

Claude Code 類型任務可以這樣下:

Refactor the scheduling conflict checker into a separate module.
Keep public API behavior unchanged.
Add focused tests for teacher overlap, classroom overlap, and student makeup sessions.

Replit Agent 則要講業務語言:

Build a tutoring center scheduling app.
Roles: admin, teacher.
Admin can create students, teachers, rooms, courses, and time slots.
Prevent double-booking teachers and classrooms.
Show conflicts before saving.
Export weekly schedule as CSV.

Real-World Use Case:補習班排課系統怎麼做才像真的

第一天不要做「完整系統」。這是陷阱。

先做三件事:老師時段、教室時段、衝突檢查。只要這三個跑起來，行政就能開始試用。第二天再補學生資料、補課標記、週表匯出。

這裡工程師沉默的原因不是 AI 寫得多神，而是它跳過了很多傳統流程摩擦。需求方不必等會議，工程師不必先手刻 CRUD，MVP 直接出現在螢幕上。真的假的。就這樣。

但要上線給整間補習班用？等等。

你還是要檢查權限、備份、資料匯出、時區、衝突規則、錯誤狀態、誰可以刪課、刪掉後紀錄去哪。這些地方，AI 很容易寫出「看起來能用」但其實很脆的東西。

How to prompt this tool effectively

不要說:「幫我做排課系統。」這太空。

要說資料、規則、例外、輸出格式。最好給它一個失敗案例:

A teacher cannot teach two classes at the same time.
A classroom cannot host two classes at the same time.
A student can have makeup classes, but makeup classes must reference the original missed class.
If a conflict exists, block save and show the exact conflict reason.

對工程 repo，要加限制:

Make the smallest change.
Do not introduce a new framework.
Follow existing test style.
Explain files changed after implementation.

這句很重要:「先列計畫，等我確認再改。」非工程使用者也該學，因為 agent 很會衝。

Limitations:別把 demo 當系統

Agent 會 hallucinate。它可能引用不存在的套件、誤解框架版本、把安全性當裝飾品。Context window 也不是無限大，repo 一大，它會漏看細節。語言支援上，Python、JavaScript、TypeScript 通常表現較穩，冷門框架或內部 DSL 就要小心。

還有一個殘酷點:AI 很會做 80 分 MVP，但最後 20 分通常最貴。權限、資料一致性、部署、監控、維護，這些才是工程價值。

Verdict:誰該用

補習班行政、營運、PM:用 Replit Agent 做內部工具原型，很值得。

工程師:用 Claude Code、Cursor、Gemini CLI 做重構、測試、除錯、PR 預審，不要只拿它補 autocomplete。

技術主管:把這些工具放進 SDLC，而不是丟給大家自由發揮。規範提示、測試門檻、review 流程，才會真的提升產能。

工程師看完沉默，不一定是害怕。也可能是突然發現:我們過去花太多時間守住工具門檻，卻太少時間把需求變成可以驗證的東西。

---

🛠️ CULTIVATE Recommended Tools | 精選工具推薦

• Codecademy: Learn Python and Data Science interactively from scratch.

Disclosure: CULTIVATE may earn a commission if you purchase through these links.