將執行交給AI是一種賦能

近日，一篇題為《把執行交給AI是一種賦能》的文章引發了關於AI在軟體開發中角色的深入討論。作者先是對David Nicholas Williams的觀點表示贊同——AI無法替代真正的專業知識，因為要做好工作必須深入理解細節。但作者隨即指出，這個論點缺少一個重要的反例：在軟體開發的一個特定階段，將工作交給AI確實是賦能的，那就是執行階段。

文章將軟體開發明確分為三個截然不同的階段：設計、執行和評估。設計階段包括研究問題空間、構建心理模型、權衡各種解決方案與約束條件、以及可維護性等方面的考量。這是最具挑戰性的階段，也是頂級工程師展現真正價值的地方。在這個階段，細節被髮掘和形式化，是工程師被付錢去做的工作。執行階段則是將設計轉化為程式碼的過程。雖然這裡面仍有關於結構、函式、常量、庫選擇、資料結構和演算法等方面的決策，但一個良好的設計文件已經覆蓋了資料模型、雲服務和儲存系統的核心決策，剩下的很多細節都可以在執行中處理。正是這個層面，AI能夠產生巨大的影響。一個優秀的編碼代理，比如Claude Code，在強大模型和懂行的監督者指導下，可以承擔大部分工作，讓人感到解放。評估階段包括程式碼審查、測試和評估，然後才能釋出。這正在成為新的瓶頸，因為這裡絕對需要人類專業知識。這是最後一次機會去理解產出的結構、批評或糾正短視或缺失上下文的決策，並驗證工作是否真正有效。無論模型多好，人類工程師仍然要對結果負責。

那麼，設計和評估能否也交給AI呢？從原則上講，是可以的，只要協調者仍然理解決策及其背後的推理過程，並能擔保AI的行為並解釋其工作。但在實踐中，這個條件比聽起來要難滿足得多。要真正理解一個設計決策，幾乎需要投入與做出決策相同的努力。要評估一個權衡，你必須載入相同的領域上下文，考慮相同的備選方案，理解決策者面對的那些約束。沒有捷徑可以讓你在不付出努力的情況下獲得理解。

因此，作者建議可以與模型合作來研究解決方案和壓力測試你的想法，但必須始終坐在駕駛位上。事情開始崩潰的節點，恰恰就是你失去上下文並讓模型填補空白的時候。這篇文章提醒我們，AI是強大的工具，但人類的洞察力和責任感仍然是不可替代的。