AI工具的好壞取決於你的判斷力——而這正是關鍵

在工程團隊中，一種不安的情緒正在蔓延：我是否越來越依賴AI？我的判斷力是否在退化？

本文作者認為，這個問題本身問錯了方向。真正的問題在於，你使用AI的方式是強化了判斷力，還是取代了它。這兩種模式截然不同，但大多數工程師在不經意間滑向了後者。

常見的批評是AI工具讓工程師變得懶惰。但作者指出，問題不在於懶惰，而在於“放棄”——當你不加審視地接受生成的解決方案時，你並非在節省時間，而是在推遲一筆會利滾利的債務。一個複製粘貼AI生成的認證中間件的工程師，可能在沒有仔細閲讀的情況下，就埋下了生產環境異常時的隱患。例如，假設一個AI生成的中間件在處理某種邊緣情況時出現錯誤，而工程師沒有審查就直接部署，那麼當凌晨兩點發生故障時，他們需要花費更多時間來調試和修復，遠超最初“節省”的時間。

作者強調，解決方案不是少用AI，而是“對抗性使用”。這意味着把AI輸出當作一個聰明但過度自信的初級工程師的初稿：既不盲目拒絕，也不全盤接受，而是進行質疑。作者推薦一種具體的提示模式：讓AI反駁自己提出的方案，指出未處理的邊界情況、隱含的假設，以及如果代碼被用於安全審計會做出哪些改變。例如，可以這樣提示：“這是你提出的解決方案：[粘貼輸出]。現在請反駁它。它未處理哪些邊緣情況？你做了哪些在生產系統中可能不成立的假設？如果你知道這段代碼會被安全審計的高級工程師審閲，你會做哪些改變？”運行這樣的提示後，返回的內容通常都很有價值——比如遺漏的錯誤狀態、關於輸入形狀的隱含假設、被忽略的安全攻擊面。關鍵在於，你現在是與工具一起思考，而不僅僅是消費它的輸出。

這種“生成—質疑—修正”的循環，正是判斷力所在，也是保持敏鋭的關鍵。未來五年，能出色運用AI的工程師，不是那些背誦最佳提示詞模板的人，而是那些能對任何生成輸出——代碼、架構圖、規格説明、測試套件——立刻提出正確質疑問題的人。這種技能需要通過刻意練習來培養，而對抗性提示正是其中一種方法。

AI本身並不會侵蝕工程判斷力，被動使用才會。這個區別至關重要，而且完全在你的控制之中。作者每週在《AI Leverage Weekly》中深入解析一個具體的AI工作流程，並提供免費訂閲。