AI時代的自主權：AI是思考的輸入，而非輸出

本文寫於 2026 年 7 月 22 日。作者最近成為技術負責人，和團隊第一次真正談的不是政策、也不是工具清單，而是一個詞：ownership（自主權/主人翁意識）。他希望團隊更積極使用 AI，而不是減少使用：樣板程式碼、測試腳手架、重複的遷移、記不住的正規表示式，都應該讓模型先起草。但使用必須負責任。

核心標準是：無論程式碼有多少由 AI 生成，你必須能夠把每個決策當作自己的決策來捍衛。不是“你寫的”，也不是“大致知道它在做什麼”，而是有人質疑任意一行時，你都有答案，因為你想過。測試很簡單：別人質疑 PR 時，你能不回到工具直接回答嗎？如果只是把問題貼上進模型再轉貼結果，那不是做事，而是中介。這個測試容易悄悄失敗——PR 合併了，直到系統出問題才暴露。

為什麼這比以前更重要？因為 PR 是對他人時間的請求。不理解程式碼就提交，並沒有省掉思考，只是把思考轉移給 reviewer，而且成本更高。程式碼變得便宜時，判斷力變得昂貴。作者在工資、稅務、合規領域工作，客戶付錢不是為程式碼，而是為知道特定預扣稅邊界、某筆支付在特定時間後不可撤銷、某個小 schema 變更會破壞交給政府的報表。廉價生成讓判斷力更有價值，但前提是你真正在使用它。

還有學習陷阱：如果工具修復了 bug 而你從未調查，下次出問題你還是從零開始。沒有失敗模式的記憶，沒有排查方向的本能。長期如此，每天都是第一次調查那個 bug。AI 也讓“看起來很專業”變得免費：自信的語氣、精確的詞彙、結構、長度，瞬間可得。作者的經驗法則是：無法用平實語言解釋的漂亮工作，是紅旗而非優點。

不要用 AI 生成 Slack、PR 評論或文件中的文本。那些文字可能正確，但讀者能認出生成文本的質感，一旦認出，他們會更不信任你。可以用模型整理思路、起草、反駁、挑毛病，那是輸入。然後用你自己的話寫出來，因為重寫不是形式，而是發現自己哪些部分真正理解的過程。

寫回復時，模型起草、你重寫。程式碼提交時，工具很會順著你問的問題給出一個自信的答案，但那可能建立在從未宣告、你也從未看到的假設上。所以先驗證假設，再驗證答案。你無法審查一個你不理解的功能，那不是審查，是希望。選擇模型也是一種判斷：大而重的推理模型留給架構、疑難 bug、多檔案重構；日常小改動、測試、樣板程式碼不需要。真正的技巧是分解——一個大任務通常是一堆不需要大模型的小任務。分解也讓工作可審查，這又回到對別人時間的尊重。

不要只是實現，要擁有。實現者關掉 ticket 就走，擁有者會協作、在規格模糊時提問、把改進推回給產品。還沒成為那個領域的專家？那就成為專家，這就是工作本身。具體習慣包括：一邊構建一邊重讀 PRD、在公開頻道提問讓後來者受益、確認決定而不是假設、提出替代方案而不只是指出問題。這些並不新鮮，只是現在更容易跳過它們卻仍然做出看起來完成的產品。

總結三句話：用任何你想要的工具，但你必須能捍衛工作是你的；如果你說不清一個決定為什麼正確，它就還沒到可審查的地步。不要在 Slack 或 PR 評論裡放 AI 生成文本，寫成像真正理解問題的人那樣。所有溝通——Slack、PR、文件——都要高訊號。團隊不會放慢速度。當人人都能生成程式碼時，判斷力成為團隊的招牌。用力使用工具，並擁有工具產生的一切。AI 是思考的輸入，它不能是輸出。