營養師的困境
她知道南台灣每一道地方小吃的熱量。虱目魚粥：一碗 280 大卡，但前提是老闆用的是傳統的魚肉跟白飯比例。夜市版加了麻油的？接近 370。她花了十二年累積這些知識 — 門診諮詢、學術論文、自己拿著電子秤量本地食材。
她的客戶一直問同一個問題：「有沒有 app 可以查這個？」
沒有。市面上的熱量 app 知道雞胸肉和糙米飯。它們不知道虱目魚粥。它們不知道台南棺材板一份大概 520 大卡，也不知道手工肉鬆飯糰跟工廠肉鬆飯糰的熱量差距大概 40%。她的知識只存在她的腦袋裡，和一本手寫筆記本裡。
她問了工程師報價。回來的數字：一個基本互動工具要 10 萬到 25 萬台幣，還不含後續維護。對一個獨立執業的營養師來說，這不是預算上的一個項目。這是一個幻想。
這就是專家的陷阱。你有真正有價值的知識 — 具體的、經過驗證的、用時間換來的。但「我知道這件事」到「別人可以用這件事」之間是一條峽谷，而跨過去的那座橋一直都是軟體開發。你沒有的技能。你負擔不起的服務。
那座橋剛剛變短了。
你到底在做什麼
一個互動式的單頁網頁工具，完全用你的領域知識建構。不是聊天機器人。不是文件。是一個真正的工具，別人可以在瀏覽器裡打開來用。
對營養師來說，這可能是一個熱量計算機，知道台南夜市每一道小吃。對侍酒師來說，是一個配餐推薦引擎，問三個問題就推薦三瓶酒。對語言老師來說，是一個文法檢查工具，專門抓中文母語者寫英文時會犯的特定錯誤。對健身教練來說，是一個訓練菜單產生器，考慮到小公寓裡常見的器材限制。
關鍵洞見：工具的品質取決於你的專業知識品質，不是你的程式能力。 AI 負責寫程式。你負責真相。
這樣想。一個 coding AI 就像一個非常快、非常照字面意思做事的建築師。你描述什麼結構，它就蓋什麼。但它發明不了平面圖 — 它不知道你需要幾間房間、窗戶該朝哪個方向、廚房為什麼要靠近餐廳（因為你們家的生活習慣就是這樣）。那些知識是你的。建築師只是讓它站起來。
前置條件
- Claude Code 已安裝並驗證。如果你從來沒用過，Claude Code 第一個小時教學讓你 60 分鐘內從零到能動。
- Claude Pro 訂閱（$20 美元/月）或 Anthropic API key。
- 你的領域知識。這是最重要的材料。等一下詳細說。
不需要寫程式經驗。真的。如果你能打一段文字，你就能做這件事。
第一步：把你知道的事寫下來（30 分鐘）
這是大部分人會跳過的步驟，也是大部分 AI 產出的工具很普通的原因。他們打「幫我做一個熱量計算機」然後拿到一個通用的熱量計算機，對他們的專業一無所知。
AI 就像一個非常照字面意思做事、但非常快的實習生。如果你跟那個實習生說「做一個熱量計算機」，你會拿到一個 — 基本的、通用的、從教科書知識拉出來的。如果你改成遞給那個實習生一份 500 字的文件，精確描述你的熱量計算跟別人有什麼不同，你會拿到一個別人都沒有的東西。
打開任何文字編輯器。寫一份描述你專業知識的文件。不是描述你想要工具長什麼樣 — 是描述你知道什麼。用這個結構：
1. 誰在用這些知識？ 你的客戶、你的學生、你的受眾。他們需要什麼？他們總是問什麼問題？
2. 你知道什麼是通用工具搞錯的？ 這是黃金。那些來自多年經驗的、具體的、不明顯的事實。對營養師：地方變體之間的熱量差異。對侍酒師：為什麼「紅肉配紅酒」的規則在台灣牛肉麵前面會失效。
3. 有哪些分類？ 列出主要的分組。菜系類型。產區。文法錯誤類別。運動類型。AI 需要結構才能建出好用的介面。
4. 有哪些規則？ 你推薦背後的邏輯。「如果客戶吃素而且在練馬拉松，碳水比例提高到 60%。」「如果葡萄酒預算在 1000 元以下，絕對不要推薦布根地 — 推薦這些智利的替代方案。」這些規則就是你的專業，濃縮成 if-then 語句。
營養師的文件可能長這樣：
# 南台灣地方小吃熱量資料庫
## 受眾
注重健康的本地人，每天吃傳統食物。
他們想知道自己在吃什麼，不是要他們改吃沙拉。
## 通用熱量 app 搞錯什麼
- 它們把「魚粥」列成一個品項。在南台灣，虱目魚粥根據做法
不同可以差 90+ 大卡。
- 夜市份量是一般餐廳的 1.3-1.5 倍。
- 很多小吃有「乾」跟「湯」的版本，熱量差很多
（例：乾麵 vs 湯麵，差 15-25%）。
## 分類
- 早餐：粥、蛋餅、豆漿組合
- 麵類：乾的、湯的、粗的、細的、有肉 / 沒肉
- 飯類：便當、飯糰、炒飯、粥
- 夜市：串燒、炸物、湯品、甜點
- 飲料：手搖杯、傳統飲品、果汁
## 規則
- 預設份量 = 餐廳標準，不是夜市
- 一律顯示範圍（最低-最高），因為做法不同
- 標記聽起來健康但其實不健康的品項
（例：蔬菜天婦羅：400+ 大卡，因為麵衣和油）
- 按用餐場景分組，不是食物類別 — 人們是這樣決定要吃什麼的
這份文件沒有提到 HTML。沒有提到 JavaScript。沒有描述 app 該長什麼樣。它描述的是你知道什麼。那才是原料。
花 30 分鐘在這上面。要具體。你放進去的細節越多，工具就越好。
第二步：把知識變成工具（10 分鐘）
打開 terminal。切換到你想放專案的資料夾。
mkdir my-calorie-tool && cd my-calorie-tool
claude
現在把你的知識文件貼進 Claude Code，後面跟上你的指令。模式是這樣的：
Here is my domain expertise on southern Taiwan regional dish calories:
[把你整份知識文件貼在這裡]
Based on this knowledge, create a single-page interactive web tool
(one HTML file with embedded CSS and JavaScript) that lets users:
1. Browse dishes by meal occasion (breakfast, noodles, rice, night market, drinks)
2. See calorie ranges for each dish with notes on variations
3. Build a daily meal plan and see total calories
4. Flag misleading "healthy" options
Make it mobile-friendly. Use clean, modern design. All data should come
from the knowledge I provided — do not use generic calorie databases.
按 Enter。看著它跑。
Claude Code 會讀取你的專業知識、理解結構、然後開始寫程式。你會看到它建立一個 HTML 檔案，裡面嵌入 CSS 跟 JavaScript。資料 — 每道菜、每個熱量數字、每個關於份量的規則 — 都來自你的文件。不是從網路上。不是從通用資料庫。從你。
這通常需要 2-5 分鐘。完成時你會有一個檔案 — 大概叫 index.html。
第三步：打開來測試（5 分鐘）
open index.html
macOS 上這會在預設瀏覽器裡開啟。Linux 用 xdg-open index.html。Windows 用 start index.html。
你現在在瀏覽器裡有一個可以動的互動工具。點一點。對照你知道的東西檢查資料。這是你的專業最重要的時刻 — 只有你能驗證這個工具是不是正確的。
你大概會發現需要修的地方。可能棺材板的熱量寫錯了。可能分類需要重新排列。可能你想要搜尋功能。很好。回到 Claude Code，說：
The coffin bread should be 520 calories, not 480. Also, add a search
bar at the top that filters dishes by name. And add a "common combos"
section that shows typical meal combinations with total calories —
like "danbing + soy milk + egg = 485 cal".
Claude Code 會更新檔案。重新整理瀏覽器。再檢查一次。重複到跟你的知識相符為止。
這個反覆修正的過程，就是軟體開發真正的樣子，只是你用白話而不是程式碼在做。每一輪 1-3 分鐘。
第四步：讓它真正屬於你（5 分鐘）
檔案在你的電腦上。你完全擁有它。沒有訂閱費、沒有平台綁定、初始建立之後沒有 API 費用。它是一個檔案。你可以：
- 寄 email 給客戶。 他們在任何瀏覽器裡打開就能用。離線也行。
- 免費上線， 用 GitHub Pages、Netlify 或 Vercel，一行指令。
- 之後再修改， 重新打開 Claude Code 然後描述你想改什麼。
- 隨時加資料， 你的知識庫會成長。
想放到網路上讓任何人都能用：
npx netlify-cli deploy --prod --dir .
跟著提示走。不到兩分鐘你就有一個公開網址。貼到你的診所網站、社群媒體、名片上。
為什麼這行得通：知識才是瓶頸
大部分人覺得做工具最難的部分是寫程式。不是。最難的部分是知道工具該做什麼 — 需要什麼資料、遵循什麼規則、有哪些邊界情況。
AI 可以寫程式寫一整天。它做不到的是花十二年量南台灣地方小吃的熱量。它做不到品酒一萬次。它教不了三千個學生然後學到到底哪些文法錯誤會反覆出現。
那些專業就是瓶頸，而你已經有了。
這裡的 prompt engineering 不是什麼花招或魔法咒語。它是你知道的事情的一份詳細、誠實的說明。這樣想：prompt engineering 就是向一個非常照字面意思做事、但非常快的實習生解釋一個任務。你的說明越好，結果就越好。而沒有人能比你更好地說明你自己的領域。
超越第一版
你的工具不需要一直很簡單。基本版跑起來之後，你可以跟 Claude Code 要升級：
- 「加比較模式」 — 讓使用者並排比較兩道菜或兩支酒。
- 「讓它記住使用者偏好」 — 用瀏覽器 local storage，不需要伺服器。
- 「加一個可列印版本」 — 讓客戶可以印出來帶走。
- 「支援中英文」 — Claude Code 一趟就能加上語言切換。
- 「加圖片」 — 描述放在哪裡，把圖檔丟進資料夾，搞定。
每一次升級就是跟 Claude Code 的另一次對話。用白話描述你要什麼。拿到結果。對照你的專業檢查。上線。
再看三個例子
這不限於營養學。這個 pattern 適用於任何你有結構化知識的領域。
侍酒師 — 配餐引擎： 寫下你的配餐規則。不是「紅肉配紅酒」 — 你真正的規則。哪支特定的酒配四川麻辣鍋能成立，為什麼。當客人說「我喜歡甜的酒但不想顯得不懂酒」的時候要推薦什麼。那些沒有任何通用葡萄酒 app 會處理的、真實世界裡尷尬的問題。
語言老師 — 錯誤檢查器： 把你學生最常犯的二十個文法錯誤寫下來。不是通用的英文錯誤 — 是你學生的母語使用者特別會產生的那些。附上例句、修正、還有你上課時會給的解釋。AI 把這些變成一個工具，學生貼上他們寫的東西，用你的口吻得到回饋。
健身教練 — 訓練菜單產生器： 列出你的動作庫，每個動作需要什麼器材。記錄你的排課規則：動作怎麼排序、初學者跟中階怎麼調整、當某人沒有單槓的時候你會換什麼替代動作。工具問三個問題，然後產出一份訓練計畫，聽起來就像你寫的 — 因為確實是你寫的，只是用規則的形式。
你學到了什麼
- 你的專業知識就是產品。 AI 是製造流程。不要跳過知識文件。
- 具體打敗聰明。 一份 500 字的知識描述，比一句 50 字的「聰明」prompt 產出更好的工具。
- 反覆修正是正常的。 第一版不會完美。第三版會很好。第五版會是你願意拿出去分享的東西。
- 你擁有一切。 沒有訂閱費。沒有平台綁定。一個 HTML 檔案，在任何瀏覽器裡都能用，永遠。
「我知道一件有價值的事」到「別人可以用它」之間的距離，以前需要一個工程師、一筆預算、好幾個月的時間。現在只需要一份文字文件和一個下午。
你的知識值得變成一個工具。去做吧。