AI 浪潮襲來,網頁開發已死?Salesforce 研究別讓 AI 取代你,讓專家與它協作才能產出品質保證的關鍵!!

Irvinglab 爾文實驗室

📖 閱讀 網頁版

🟡 目錄

• AI 浪潮襲來，網頁開發已死？專業不死，價值更甚以往

• 電商提高客單價首選！Fast Bundle Shopify App 解鎖買 X 送 Y、任選搭配、加價購功能

• AI 寫作「老生常談」怎麼辦？Salesforce 研究：別讓 AI 取代你，讓專家與它協作才能產出品質保證的關鍵！

AI 浪潮襲來，網頁開發已死？專業不死，價值更甚以往

✏️ 這裡所指的「專業」，是要更扎實、更深度的專業與實戰經驗，而非「基礎階段」。

Minh Phan（Paul）之前在知名的網頁編輯器 Shopify App – PageFly 待過四年多，從實習生做到 CTO（怎麼這麼勵志），後來跳出來自己開公司創業打造另一款軟體工具。他在社群的貼文如下分享了有關「網頁開發多次被宣告死亡，但實際上需求不但沒消失，反而更凸顯出專業開發者的重要性」。

📖 重點歸納

• 多次「死亡宣告」：從 2010 年代初的外包熱潮，到 2017 年的無程式碼/低程式碼革命，再到 2025 年的 AI 自動化，都有人說要取代網頁開發。

• 工具只改變需求：雖然這些工具（外包、低程式碼、無程式碼、AI）能加速某些流程，卻無法完全解決「程式碼品質、架構、可及性」等核心問題。

• 專家不可或缺：真正會影響成敗的是「把混亂攤平、擬定整體方案」的能力——工具沒辦法替你做策略思考與關鍵決策。

• 核心挑戰在於「為什麼／做什麼／什麼時候」：寫程式只是執行層面，真正難的反而是定義需求、掌握時機，以及找出問題解法。

• 職涯建議：若只會「照指派寫程式碼」，很容易被工具取代；要在職場站穩腳步，就得培養更高階的規劃、溝通和決策能力。

🟡 爾文觀點

🍿 AI 確實能大幅提升「執行效率」，但它產出的東西，終究需要「真正懂的人」去優化和修改才能發揮最高價值或降低風險。

對於一次性或簡單的應用，AI 或許能勝任，但若要深入到系統層級的應用，則需要深厚的專業知識與實務經驗。將任務完全交由不穩定或無法理解核心需求的 AI，潛藏著極高的風險，甚至可能導致災難性的後果。這正是我們目前所面臨的現實挑戰。

🍿 這其中的一個關鍵問題會是：當你缺乏某個領域的基本知識和扎實的經驗積累時，你會不知道如何提出正確的問題，也不知道該往哪個方向繼續探究。這就是我們面臨的現實挑戰。

有沒有看過「用沙拉油桶蓋成的大樓？」我正在關注它何時會一夕之間崩壞。這聽起來像是在袖手旁觀嗎？並不是的，而是當你已經清楚說明了風險，但對方卻依然聽不進去的時候，那就是靜觀其變。有些人要先經歷過「徹底的重創」才能真正清醒過來啊。

🍿 AI 可以幫助我們加速學習，但不應該「完全忽略基礎學習」，共勉之。以上概念不僅適用於網站開發，同樣也適用於各個專業領域。不過有些領域的確必須要靠跨領域整合才能提高生存的機會。

電商提高客單價首選！Fast Bundle Shopify App 解鎖買 X 送 Y、任選搭配、加價購功能

若要推薦一款 Shopify 商店專用的 Shopify App，滿足「產品組合優惠」功能，我偏好這款在心中至少排名前三的 App：FBP | Fast Bundle Producs，其產品組合相當多元，快速建立各類型的組合如混合搭配（Mix and match）和加價購（Product add-ons）等。以下為六大組合類型 Bundle Type：

• Fixed bundle 固定組合包

• Volume discounts 大量購買折扣（買越多省越多）

• Buy X Get Y 買 X 送 Y

• Mix and match 任選搭配

• Product add-ons 加價購

• Frequently bought together 經常一起買的商品

電商人應該都不陌生，透過精心設計的捆綁組合，不僅能提高平均訂單價值（AOV）和總營收，還能讓不同品項（尤其是新品）獲得更多曝光和銷售機會。「捆綁銷售」（bundle selling）對電商營運的幫助，重點可以拆成以下幾點：

1. 什麼是 AOV？

• AOV（Average Order Value），中文常譯作「平均訂單價值」或「平均訂單金額」，是指每筆訂單的平均消費金額。

• 提高 AOV 意味著顧客一次買更多、花更多錢。

2. 為什麼要做產品組合捆綁？

• 促進加購／交叉銷售：將暢銷品和滯銷品、舊品和新品、主力商品和配件打包，鼓勵顧客多買。

• 提高客單價：當顧客看到「買這套比單買便宜」，更容易下單，平均每筆訂單的金額自然拉高。

3. 如何進而提高營收？

• AOV 拉高、訂單量不變時，整體營收就成倍成長。

• 若再配合限時折扣或免運門檻，還能進一步刺激訂單數。

4. 有助於新品曝光

• 新品單獨銷量可能較低，但與熱賣品綁在一起，就能借力行銷，增加試用和口碑機會。前往了解更多 FastBundle

AI 寫作「老生常談」怎麼辦？Salesforce 研究：別讓 AI 取代你，讓專家與它協作才能產出品質保證的關鍵！

《Can AI writing be salvaged? Mitigating Idiosyncrasies and Improving Human-AI Alignment in the Writing Process through Edits》是由 Salesforce AI Research 團隊發表的重要研究論文。該論文於 2024 年 9 月 22 日首次提交至 arXiv，並在 2025 年 3 月 4 日發布第五版，體現了研究的持續深化和改進。

探討目前 AI 寫作有哪些共同問題，並找出自動化編輯的方法來改善 AI 產出的內容，使其更貼近人類寫作的品質。隨著 GPT-4、Claude、Llama 等大型語言模型（LLM）廣泛被用於創作文章，大家發現 AI 寫的東西常會出現「老生常談」或「太流水帳」等問題。

✏️ AI 生成文本的七大類問題

通過對專業作家編輯過程的深入分析，研究團隊發現作家們對 LLM 生成文本的不良特徵有著高度共識，並將這些問題正式化為七大類分類法：

1. 陳腔濫調（Clichés）：過度依賴常見的表達方式

2. 不必要的說明（Unnecessary Exposition）：提供過多冗餘信息

3. 語言表達問題：用詞不當或語調不合適

4. 敘述方式問題：傾向於”告訴”而非”展示”

5. 結構性問題：段落組織不當

6. 創意缺失：缺乏原創性和想象力

7. 語法和風格問題：技術性錯誤和風格不一致

令人驚訝的是，研究分析顯示在寫作品質方面，所有測試的 LLM（GPT-4o、Claude-3.5-Sonnet、Llama-3.1-70b）都沒有明顯優於其他模型。這揭示了跨模型家族的共同限制，表明當前 LLM 在創意寫作方面仍存在普遍性問題。

儘管專家編輯的文本仍是黃金標準，但研究發現自動編輯方法在改善 LLM 生成文本與人類撰寫文本之間的對齊方面顯示出巨大潛力。大規模偏好標註實驗證實了這一點。

研究指出，LLM 生成的文本經常出現算法同質化現象，導致內容過度同質化，缺乏原創性和多樣性。這種現象限制了AI寫作的創意表達能力。

✏️ 對 AI 寫作發展的啟示

研究強調了人機協作在寫作過程中的重要性，AI 不應該完全取代人類寫作者，而是作為強大的輔助工具。

儘管自動編輯方法顯示出潛力，但專業作家的編輯仍然是品質保證的關鍵，這表明 AI 寫作技術仍有很大的改進空間。建立統一的 AI 寫作品質評估標準對於推動整個領域的發展至關重要。

📖 結論

Salesforce AI Research 的這項研究為AI寫作領域提供了重要的理論基礎和實踐指導。通過系統性的分析和創新的方法，研究團隊不僅揭示了當前 LLM 在寫作方面的共同問題，還提出了有效的解決方案。這項研究的成果已經在 2025 年 CHI 會議上獲得最佳論文和榮譽獎提名，充分體現了其學術價值和實際意義。

隨著 AI 技術的不斷發展，如何更好地利用 AI 協助人類寫作，同時保持文本的創意性和個性化，將是未來研究的重要方向。這項研究為我們理解和改進AI寫作提供了寶貴的洞見，為構建更可靠的 AI 寫作系統奠定了堅實的基礎。

📖 閱讀 網頁版

若對電子報有任何想法或建議，可以填寫回饋表單，我會納入評估作為優化的方向，提供更優質的內容 ^^