AI 主筆 這篇由 AI 主筆,我負責審閱、微調並補上後記,部分細節仍可能需要勘誤,請當作參考。

AI 時代的一點思考 - 針對軟體工程師

tags: AI, 軟體工程, AI Agent
category: 軟體開發
description: AI 讓實作變快了,也讓我更焦慮了。從自己造輪子、多 Agent 自動開發,到可信的 PR,以及最後還是得回到的需求與真實問題。
created_at: 2026/11/15 22:00:00
properties: ai-written

cover image


前言

之前在打造課程平台的文章裡,曾經聊過一些關於 AI 的焦慮,當時的想法是,雖然實作變得很快,但架構、測試、部署、維運等等,還是有很多需要經驗的地方,所以至少目前應該還不會輕易被取代。

而現在,我還是認為這些東西很重要,但如果你問我心態還穩不穩,嗯... 好像又沒那麼穩了(?)

因為現在連這些事情,都可以試著派不同的 AI Agent 去協助。寫完找另一個 review,再找一個跑測試、實際操作,順便把 PR 整理好。那接下來呢?把整段流程串起來,讓它自己跑?

我自己也很想這樣做,畢竟可以偷懶誰不想 XD。但一邊想著怎麼把自己手上的工作自動化,一邊又會想,等大家都把這些事情做好,軟體工程師這個職業還能做多久?

先說,這篇沒有要預測哪一年工程師會消失,也不是已經打造出什麼成熟的全自動開發系統(還在實驗中,成功了再來分享(?)),主要是整理最近對這些事情的想法,包含方便的地方、焦慮的地方,以及我覺得接下來該把力氣放在哪裡。


目錄


東西越來越多,但真的適合我嗎?

另一個讓我焦慮的原因,是 AI 衍生出來的資訊真的太多了。

先不論 AI slop,就算全部都是有用的東西,像是 grill-me、pstack 之類的工具或做法,看了會覺得有道理,也會想試,但有用是一回事,它真的適合我嗎?

每個人的需求、專案、習慣都不同,別人用得很順,不代表就適合我。我其實不會看到一個工具或做法,就直接抓來用;但光是看到很多新工具、新觀念,忍不住去了解它們適不適合自己,就已經會花掉不少時間,也讓人更焦慮。

尤其現在很多工具會以 skill 的形式提供,而一個 skill 本身就像是一組給 Agent 使用的 context。雖然可以透過漸進式揭露,讓 Agent 需要時才載入更多內容,但 skill 一多,光是管理和判斷該用哪個就不簡單;如果有好幾個相似的 skill,Agent 也可能搞混它們的適用時機。更多內容還可能讓真正重要的指示被稀釋,出現所謂的 context rot。

而且這些 skill 不一定都是自己寫的,從網路上找來的內容也得先確認來源和它要求 Agent 做什麼。畢竟 Agent 可能有讀取檔案、執行指令或使用其他工具的權限,沒看清楚就載入,可能不小心把敏感資訊交出去,或讓它做出不安全的操作。更誇張的是,有些惡意工具甚至可能在安裝時就動了手腳,還沒開始用就已經中獎了。

即使 Agent 正確載入了 skill,也不代表它接下來一定會完全照著做。載入的內容只是提供指引,後續怎麼理解、怎麼執行仍有不確定性。於是我不只會想「這個做法適不適合我」,也會想「要不要把它加進流程、加進去之後又會帶來什麼問題」;看得越多,反而越容易覺得有好多事情需要理解和評估。

所以就算資訊品質很好,焦慮還是在。因為每個看起來都很值得學、都可能改善自己的工作方式,然後時間就這麼多,根本看不完,更不用說全部理解、試用,再整合進自己的流程。

這其實讓我想到以前選套件的時候。

很多人不想自己造輪子,最直覺的考量就是開發成本:別人都寫好了,為什麼還要重做?再來是未來的維護成本,自己做的東西一旦被其他服務依賴,出了問題就得自己處理,哪天想換掉也沒那麼容易。這些都是很實際的考量,只是我自己其實滿喜歡造輪子的。

因此,常見的做法是選熱門套件,看看社群活不活躍、還有沒有人維護,期待可以省掉這些事情。

但那畢竟是別人的東西。有些開源專案,一開始只是解決作者自己的核心問題,後來越來越多人用,需求越加越多,為了支援不同情境就越來越 general。這當然有它的價值,但對我來說,也可能只是要其中一小塊功能,卻得一起理解它整套設定、抽象和依賴。

引入多餘的東西不見得有問題,有些沒用到的程式碼在打包時可能會被排除;但如果功能或依賴真的進到了執行環境,還是可能增加新的攻擊面。尤其現在光是看到依賴更新、CVE 通知,就會覺得又有一堆東西要追,原本只是想省點事而已 QQ。

那既然現在有 AI,我反而覺得可以重新考慮自己造輪子這件事。

參考那些大神們的經驗,理解他們為什麼這樣做,然後做一個最符合自己需求的版本。 不一定每次都要把人家的整套方案搬進來,別人的經驗可以拿來幫助自己判斷,不代表最後一定要使用同一個工具。

當然這也不是說什麼都自己寫。現成套件處理過的邊界情況,自己重做可能又踩一次;功能少,也不代表比較安全。更不用說後續如果真的有服務依賴它,維護責任還是在自己身上,不會因為程式是 AI 寫的就消失。

但以前因為開發成本,根本不會考慮的選項,現在至少值得重新拿出來算一次。對於範圍清楚的小工具,我會更願意自己做,把不需要的東西省掉;而需要長期累積經驗的部分,就不會因為 AI 說它能寫,我就直接換成自己的一套。

所以回到前面那些工具,我現在比較想提醒自己的是:先看我有沒有這個需求,再決定怎麼用。否則工具一直追下去,最後可能花最多時間的事情,就是一直換工具(?)


為了繼續偷懶,最後還是走向自動化

我很喜歡「優秀的工程師都很懶惰」這個說法,畢竟很多套件、自動化工具的起點,不就是同一件事情不想一直重做嗎?把常用功能包起來,每次都能重複利用,加速開發,也減少那些沒什麼樂趣的重複工作。

現在有 AI,這個過程又被加速了。以前要自己寫腳本才能偷懶,現在連寫腳本都能叫它做。那自然就會想繼續往下:實作、測試、review、開 PR,能不能都自己完成,不要每一步都停下來等我說「好,繼續」?

否則我只是從自己寫程式,變成一直幫 Agent 按下一步,怎麼好像我才是那個被呼叫的工具。

所以我想要的,是把需求說清楚之後,讓它自己拆工作,能分開做的就派不同 Agent,有前後依賴的就依序做。實作完,再讓其他 Agent 從不同角度檢查、實際操作,最後交回一個可以判斷要不要接受的結果。

中間當然還是有很多細節。例如前後端分開做,介面要先有共識;不同 Agent 最好各自在分支或 worktree 工作,避免互相蓋掉修改;各自測試通過,整合之後還是得再跑一次。交接也要留下改了什麼、驗證到哪裡、還卡在哪,不能只傳一句「完成了」。

另外,怎麼整理文件和 context,讓不同 Agent 能共享需要的資訊,也是一個重要課題。這時候,單一事實來源(Single Source of Truth)就很重要:同一項規則或決策如果散落在多份文件,甚至各自發展成不同版本,Agent 就可能依據不同的資訊往下做,最後長出好幾條不一致的分支,衍生更多同步與整合問題。把 SRP 的概念用在文件上,讓每份文件都有清楚的責任範圍,也比較容易維護和保持一致。

但這些事情,我希望能逐漸變成流程裡會自己處理的部分,而不是每次都要靠我手動提醒。

這樣做的優點很直接,方便、可以同時推進事情、可以偷懶,而且有些本來嫌麻煩沒做的檢查,現在也能請它一起做。

缺點也很直覺,首先就是錢。多開幾個 Agent,每個都得理解專案,還要互相交接、重跑測試、處理衝突,這些都是時間和 token。如果再加上執行環境、操作錄影、紀錄儲存,成本也會繼續往上加。不是所有任務都值得這樣做,改一行字也派一整隊,可能光溝通就比實作還貴 XDD。

另外是人的 context switch。這個在我讓 T3 Code 住進 Dev Container裡也提過,多個專案一起跑,切來切去真的很累。

A 還在跑的時候去看 B,看到一半 C 又要回覆,等切回 A,還要想一下它剛剛到底在幹嘛。實作速度確實變快了,但我不會因此多長幾顆腦袋,最後整段流程的效能瓶頸就變成人。

所以我想做全自動開發,也有一部分是在降低這些切換帶來的成本。雖然 context switch 還是會發生:我仍然得從一個專案切換到另一個,重新進入不同的思考脈絡;但如果能在同一個 App 盯著所有專案的進度,就能少花一些切換工具、追進度和手動接續工作的時間。我希望 Agent 能把範圍內的事情做完,需要我決定時,再帶著整理好的資訊回來。重試多少次、花多少時間、什麼情況該停,也都可以先約好,避免它自己鬼打牆燒額度。

對我來說,自動化有沒有用,還得看它有沒有減少我被打斷的次數、降低重新理解事情的成本。否則同時開了十個 Agent,結果十個都在等我,那也只是把排隊的地方移到我這裡。


那它交出來的東西,我敢用嗎?

這應該是我最在意的部分。既然想偷懶,當然不希望它做完之後,我還得從頭做一次才敢用。但也不能只因為它說「已完成,測試全部通過」,就真的放心。

就像 Uncle Bob 在訪談裡提到,他現在幾乎不看 AI 產出的程式碼了,更多是透過測試、指標和較高層次的檢視來掌握結果,偶爾才會打開某個模組看。

而我從前陣子開始,也逐步放手,開始不看那些實作細節。原因很直接,根本看不完啊 XD。尤其同時開幾個專案之後,真的每一行都看,最後所有 Agent 都在等我,那還談什麼加速。

目前我頂多就是看 BDD 的測試 scenario 有沒有涵蓋需求,再看一下膠水程式碼,也就是把 scenario 和實際測試操作、斷言連起來的部分,然後確保它真的有跑。畢竟情境寫得很完整,底下卻沒有真的檢查該檢查的東西,那也是白搭。

然後自己也會稍微戳看看,畢竟測試寫的情境是一回事,真的用起來又是另一回事。所以重要的系統我會多準備一份 beta 環境,不只在 local 上戳,因為本機能跑,換到部署的環境還是可能有些不同。

這也是我喜歡透過雲原生的方式開發的原因之一,把環境差異放在 config,同一份應用程式換一組設定,就能啟動在不同環境。beta 和 prod 盡量維持相同的部署方式與執行環境,但資料、憑證和外部服務帳號各自分開,這樣就可以很方便地在接近正式環境的地方戳,又不用直接拿正式資料來試(?)

我想要的是,在進 prod 之前,先有個跟它足夠像的地方,實際確認整個流程能不能走完,盡量不要到正式上線才發現什麼大狀況。當然設定、資料量、流量還是可能不同,beta 沒事不代表 prod 一定沒事,但至少能先抓掉一部分只在部署後才會遇到的問題,總比只有一句「我本機可以跑」安心一點 XD。

阿如果還有心思,就稍微看一下它改動了哪些檔案,有沒有出現超出預期的修改。大概就這樣,已經不會像以前一樣把整份實作讀完。

你可能會覺得,身為一個專業的工程師,這樣真的好嗎?嗯... ,等自己再 try 久一點,流程用順了,搞不好連這一步都會被我懶惰到省掉 XDD。

所以我更想把這些檢查逐漸放進流程,讓它自己留下可以確認的結果。就算不逐行讀程式,也要有其他方式知道它做了什麼、驗證了什麼;這也是為什麼,我會希望 PR 至少留下幾種資訊:

  • 這次解決什麼需求、改了什麼,還有哪些沒做。
  • 驗證的是哪個 commit、什麼環境,跑了哪些測試,結果與紀錄在哪裡;沒驗證的也要說。
  • 實際操作的錄影,讓我可以快速看到怎麼使用、結果長什麼樣子,不用每次都自己把環境重建一遍。
  • 可能影響哪些地方,尤其是資料、權限、金流,有哪些風險或還沒確認的假設。
  • 能不能 rollback、怎麼做,有沒有試過;不能復原的影響,也要直接講。
  • 其他 Agent 提過什麼問題,怎麼處理,還有哪些分歧。

這些東西主要是幫助我快速理解結果,決定哪裡需要看仔細一點。不一定每個小修改都得寫一篇論文,也不是錄影附上去就安全了。畫面上成功,不代表資料真的正確;正常流程能走完,也沒有回答失敗時怎麼辦。後端的東西可能附請求紀錄、資料檢查或整合測試還比較有用。

而且錄影、測試都要對得上最後交付的版本。不能錄完之後又改了半天,最後拿前一版的結果來說這版沒問題。

至於 rollback,也不能只寫「把版本退回去」就結束。資料格式改了,舊程式還能不能讀?通知寄出去了,難道退版就會收回來?錢退了,難道再部署一次就會回來嗎(x)

所以我在意的是出問題後到底能恢復到什麼程度,需要補償處理的有哪些,以及多久能發現、影響範圍有多大。有了這些資訊,才有辦法判斷風險,決定哪些可以自動往下做,哪些需要先停下來。這個界線要事先訂好,不能讓負責實作的 Agent 說一句「我覺得低風險」,就自己取得部署權限。

你可能會問,那多派幾個 Agent 檢查呢?一個不放心,就派五個、十個?

我覺得有幫助,但始終不會是 100%。先不說它自稱「有 90% 信心」到底準不準,就算真的假設每個審查者都有 90% 的機率抓到某個問題,而且彼此完全獨立,兩個全部漏掉的機率是 1%,三個是 0.1%,再加下去可以越來越低,但有限次檢查仍然留有風險。這還只是抓到那一個問題的機率,不是整個系統的正確率。

更麻煩的是,實際上它們可能根本不獨立。看同一份有缺漏的需求,沿用同一個錯誤假設,或是後面的看到前面的結論就被帶著走,最後全部一起說沒問題。那就是花更多錢,取得更多份安心的感覺。

所以我會比較在意,每個 Agent 有沒有帶來不同的檢查。例如一個看實作,一個依照需求另外設計驗收情境,一個真的去操作失敗流程。換模型、分開審查也可以試,但不能因此就當作已經消除了共同盲點。

我的想法是,這套流程值得做,但目標應該是讓交付更可信、風險更容易判斷,並把出事的影響限制在能接受的範圍。小工具、短期實驗可以放得比較開;真的碰到正式資料、權限或收錢的服務,就得付出相應的驗證成本。不能因為現在實作很便宜,就連這筆帳都一起省掉。


結語

講了這麼多怎麼偷懶,其實還有一個矛盾:我本來是喜歡寫程式的。

以前想一個解法,自己寫、自己試,最後東西真的動起來,那個過程很快樂。現在 AI 把中間很大一段接走了,雖然結果來得很快,但原本讓我快樂的過程,也一起被取代掉了一部分。

當然某些時候用得還是挺開心的,想法很快就能實現,原本懶得處理的東西也有人幫忙。但有時候一整天下來都在下指令、切專案、看結果,會覺得跟以前寫 code 的快樂不太一樣,甚至還更累。

然後就又回到前面的矛盾:為了繼續懶下去,我會想把這些事情也自動化;如果大家都這樣做,連開發流程都能讓 AI 自己處理,我其實也不知道軟體工程師這個職業還能做多久。

以前可以用「總是需要人負責」讓自己心態穩一點,但現在覺得,這個說法並沒有回答需要多少人,也沒有回答還有多少工作會是自己原本喜歡做的。這部分我還是會焦慮,沒有因為想出一套自動化流程就突然不焦慮了。

不過,對於接下來要把力氣放在哪裡,我的想法是明確的:需求,以及解決真實問題的能力,會比以前更重要。

因為實作與初步落地的成本已經降低了,同一個需求可以很快試出幾種做法,也可以更容易做出適合自己的工具。那麼花時間理解問題、判斷哪些值得做、做完之後有沒有真的改善原本的困難,就更值得投入。至於落地之後安不安全,這部分沒有買一送一 XDD。

所以對於那些大神分享的工具與經驗,我會參考,但不想再把「全部追上、全部用上」當成目標。有自己的需求,就挑適合的方式,必要時借助 AI 自己做;沒有那個需求,就算對方的東西再好,也可以先放著。反正搞不好當你需要的時候已經有更厲害的工具完成了可以用

而自動化我還是會繼續嘗試,因為我確實想減少重複工作、減少 context switch,把人的注意力省下來。只是省下來之後,希望拿去理解需求、解決真正遇到的問題,而不是立刻塞進更多任務,把自己重新變成瓶頸。

我不會因為這樣就認為工程師一定不會被取代,但至少目前,我更想累積的是這種能力:知道自己要解決什麼,也知道怎麼借助工具,把它做到值得使用、能夠持續運作。這也算是延續之前做課程平台時的想法,只是現在可以交出去的部分更多了,更需要想清楚自己到底想留下什麼。


後記

這次前面文章的內容雖然也是由 AI 產生,但是是我把最近內心的想法以及我所做的實驗與感受,請 AI 幫忙先梳理成一個版本,然後我再一邊閱讀框選段落把我的想法再次丟給 AI 幫忙校稿表達我心中的想法。

所以其實上面的內容應該算是我與 AI 共同完成的作品(?),而不是單純 AI 生成的文章,不過既然大多還是由 AI 負責撰寫,所以還是幫他掛上了 AI 標籤。

最後我還是稍微補充一點比較有溫度(?)的部分,至少是由我手打的文字,應該比較有溫度吧XDD

在現在這個時間點,其實我自己非常焦慮,對於未來的工作、角色以及價值感到不確定。雖然說知道問題在哪裡,痛點在哪裡,以及商業模式才是關鍵,其他工具都只是輔助。

這點其實從我開始學習 Domain-Driven Design 就已經很清楚了(?),但現在因為 AI 的快速發展,即使我有辦法快速的理解問題、判斷需求,並嘗試提出可能合適的解法,不過我真的有辦法那麼快速的消化領域知識嗎? 這讓我感到相當焦慮。

也許是對自己的要求太高,想的太多,導致焦慮感一直存在。也許在有第一份正職(希望是研發替代役)工作後,能夠更清楚自己的定位與價值,也許焦慮感會有所緩解,但目前仍然處於不確定的階段。

另外是軟實力的部分,前面的文章沒有提及到,不過我認為是未來更重要的能力之一。即使技術工具再強大,但如果沒辦法溝通共事,除非你開的是一人公司,否則你總是需要與他人合作,這時候軟實力就變得非常關鍵。不論是與同事協作、跟客戶溝通,還是和其他團隊協作,良好的軟實力都能讓工作更順利,也能減少因誤解或衝突帶來的風險。

不過軟實力又很難證明,所以這也是我目前比較焦慮的一部分。即使我很好溝通,也降低不確定性(確認清楚+適時回報),也許是 INTJ 的性格特質,不過沒有過去工作的故事可以佐證,仍然會讓人對我的能力有所疑慮。

加上我又比較偏向保守、務實,表達方式可能比較含蓄(?),說話可能比較沒那麼重聽,這也讓我在展現軟實力時更容易被低估。

帶領 Agent 其實也是一種軟實力的展現,需要有效的溝通、協作與管理能力,不過還是難以被外界直接評估,畢竟不是真的「人」,也許也沒那麼複雜;硬要說的話,可能比較像是會怎麼樣帶領一個團隊完成任務,但這個團隊的成員是虛擬的。

希望能早點上岸rrrrrr




最後更新時間: 2026年11月15日.