72 小時造出一個金流引擎
用 Claude Code 從設計文件到公開發布，126 commits 的 AI 協作開發紀實
「我現在真正能動的錢是多少？」
打開銀行 app，看到帳戶餘額。但這個數字是錯的——房租還沒扣，信用卡帳單還沒繳，分期付款散落在好幾張卡裡，每個月還有固定債務要還。把這些扣完，真正能動的錢？可能是負的。
我試過記帳 app，問題是我不需要記帳。我不在乎上個月花了多少，我在乎的是下個月繳完所有帳單後還剩多少。市面上的工具不是太重（企業級 ERP）就是太輕（只能記流水帳），沒有一個能處理台灣信用卡的結帳日、繳費日、消費分期、帳單分期這些東西。
我一直自認財產管理觀念不好，時常變成月光族。真正想打理的時候，又被記帳、金流、預期花費搞得一團亂。每個月繳卡費前都要把每個帳戶、手上現金逐一拿出來算，耗費心力也耗費時間。後來 AI coding 逐漸上手，就萌生了一個念頭：把這個痛點跟工作流結合，用 agent 來解決。
所以我決定自己做一個。用 Claude Code。花了一個週末。這篇文章講的不是「我做了什麼功能」，而是人與 AI 的協作模式怎麼在三天裡不斷演變——從寫設計文件、到抓 AI 的錯、到把領域知識系統化。
先寫文件，不寫程式
第一件事不是 npm init。是打開一份空白 Markdown，寫設計文件。
這份文件最後長到近 540 行，定義了資料表的欄位、可動用金額的計算公式、測試案例、開發里程碑。但更重要的是它經歷了什麼——在 85 分鐘內跑了 6 輪審查。
我用 Claude Code 的 subagent 功能，讓 AI 分別扮演不同角色來審查同一份文件。第二輪加入了一位「DBA」，他指出信用卡資訊散落在分期和帳單兩張表裡，缺少一張 CreditCard 主表來統一管理結帳日和繳費日。第四輪換成「金融領域專家」，這一輪直接觸發了 major revision——修正分期金額的計算方式，簡化最低繳款邏輯，處理帳單分期的外鍵關係。
6 輪下來，設計文件被改了四次，其中兩次大幅重寫。但這一個半小時的投資，讓後面的實作幾乎沒有走回頭路。
28 分鐘的骨架
有了設計文件，下一步是寫 implementation plan——不只列「做什麼」，而是寫到「哪個檔案的第幾行改成什麼」。Plan 裡連 commit message 都預先寫好了。
M0（Walking Skeleton）的目標只有一個：5 分鐘內能看到可動用金額。
後端選了 FastAPI + SQLite。不是因為偷懶——是因為這是個人工具，不需要 PostgreSQL 的那些能力，卻需要 SQLite 的零配置。備份就是複製一個檔案。部署就是跑一個 Python 指令。前端用 React + TypeScript + Vite + Tailwind，搭 TanStack Query 管 API 狀態。
從第一個 commit 到 Dashboard 能顯示可動用金額：28 分鐘，16 個 commit。因為 Plan 已經包含所有程式碼，執行階段就是「照著打字 + 跑測試」。
一天 94 個 Commit
骨架完成後，進入最瘋狂的階段——M1 到 M4 全部在同一天搞定。信用卡模組 20 分鐘，走勢圖和試算 33 分鐘，進階功能 10 分鐘，錦上添花 11 分鐘。
其中 M3 最誇張：16 個 commit，10 分鐘。帳單轉分期、儲蓄目標、情境模擬——聽起來是三個獨立功能，但因為 Plan 精細到每一步要改哪個檔案的第幾行，執行時不需要思考，只需要打字和跑測試。
這就是 Plan 粒度帶來的效果。所有設計決策在寫 Plan 時就做完了。執行只剩機械性操作。
94 個 commit。佔了三天總量的 75%。
但速度有它的代價。
AI 不知道你怎麼繳卡費
AI 在涉及「真實世界行為」時，犯了很具體的錯。
第一次是在算「我該提領多少現金」的時候。AI 算完帳單金額，預設信用卡帳單會從銀行帳戶自動扣款。我糾正了——我的帳單是拿現金去繳的。
第二次，同樣的對話，它又犯了。
第三次是在算旅遊預算。AI 只預留了一張信用卡帳單的錢，忽略了接下來一整個月的固定支出。我貼了完整的收支時間軸，它才發現預留金額差了一大截。
這些錯的共同點：AI 缺乏的不是計算能力，而是使用者的生活脈絡。 它不知道你怎麼繳卡費、不知道哪些支出對你來說是偶發而非常態、不知道你的提領習慣。
還有一個更深的設計錯誤——AI 把信用卡帳單的分期金額設計成動態計算，結果被自己寫的週期推進邏輯打敗，帳單金額憑空蒸發好幾千。那個故事太長，我另外寫了一篇。
從逐次糾正到系統化防錯
同一個錯犯三次，就不是 AI 的問題了——是我沒有把知識結構化。
我建了三層防錯機制。最底層是 CLAUDE.md，專案設定檔，每次對話自動載入。寫進去的都是硬規則：帳單的繳費方式、哪些支出是偶發性質、查詢可用金額時預設要看到哪個時間點。
往上一層是 SKILL.md，AI Skill 的行為規範。這裡放的是操作流程——Business Rules 禁止假設支付方式，Playbooks 定義了常見問題的標準處理 SOP，還有預留計算必須展開完整月份時間軸的規定。比 CLAUDE.md 更結構化，也更長。
最頂層是 memory，跨對話記憶。只記錄具體犯錯案例和矯正方式。短、精準、讓未來的對話不重蹈覆轍。
後來我覺得，跟 AI 合作最值得花時間的事不是幫它寫 code，是把你腦裡那些潛規則寫下來讓它能讀。
Skill：第三種介面
整個系統是 API-first 的設計——前端只是 API 的消費者之一。這帶來一個意外的好處：AI 也能直接當消費者。
我用 Claude Code 的 Skill 系統寫了一個 cashflow skill。不需要 MCP server，不需要額外基礎設施。Skill 就是一份 Markdown，告訴 AI 怎麼把使用者的自然語言對應到 API 呼叫，回來的數字怎麼轉換和顯示。
加上 HARD-GATE 機制——所有寫入操作都必須先列摘要、等我確認才執行——它就是一個安全的自然語言介面。
透過設計貼合自己需求的 API 和 agent skill，幾乎所有對財務的困惑和猶豫都能讓 agent 擔任顧問，對真實資料跑分析。不用再打開 app 一個一個翻，直接問就好。
發布前的安全審計
三天後，系統能用了。但要公開到 GitHub，得先確認沒有洩漏個人資訊。
我請了一組五人安全審計團隊（還是 subagent）。他們翻遍了所有檔案，標記了幾個風險：設定檔裡有支付習慣、commit log 裡有具體的財務數字、設計文件包含真實資料範例、資料庫本身也不能上傳。
最後的做法是建立一個獨立的 release repo，用 .gitattributes 的 export-ignore 排除敏感檔案。發布腳本負責自動化同步。上傳的是乾淨的程式碼，不帶任何個人資料。
回頭看這三天
126 個 commit。11 個 Claude Code session。
但這些時間裡，超過 30% 花在「寫文件」和「審查文件」上，不是寫程式。Spec 一個半小時，6 輪審查。每個 Milestone 都有 Implementation Plan。Bug 修復也先寫設計文件再動手。
我的角色一直在變。設計階段是架構師，實作階段是交通指揮，使用階段是 QA 和領域專家，優化階段是產品經理，發布階段是安全官。
但有一個角色我始終沒扮演過：寫程式的人。
做完之後，程式和資料庫的內容隨時能調整，逐漸照顧到財務管理上方方面面的問題。我最常問自己的一句話還是那句：「現在到底還有多少錢可以動？我可以買這個東西嗎？分期可以分幾期，能承擔多少利率？」這些以前要算半天的事，現在問一句就有答案。省下的心力是真的。
要說不安的話，倒不是擔心這個專案沒辦法給別人用——它本來就是針對我自己的需求開發，沒顧及市場性和擴充性。真正讓我不安的是：工具把數字攤開來，比自己模糊的感覺殘忍得多。
但這也是第一步。透過工具逐漸掌控自己的資源——這一步，無論 AI agent 再怎麼強大，還是得靠慢慢調整的個人消費習慣。
這篇文章的技術深潛版本——關於信用卡分期金額從動態計算到快照的演進故事——在這裡。