關於AI的真實情況

作者曾是程式設計愛好者，如今卻因AI的興起而減少了程式設計時間。整個軟體開發領域籠罩著一種焦慮：我們的工作會消失嗎？我們多年學習的技能是否不再重要？在作者看來，AI並非萬能，它同樣會寫出糟糕的程式碼，甚至比人類更快地犯錯，並且每次互動都需要付費。

提示工程本身也是一大難題。用英語向AI描述業務目標，如同站在二樓往廚房的湯里加胡椒——不是太多就是太少，常常偏離目標。而且AI生成的文本冗長且自信滿滿，讓人讀不下去，甚至產生自我懷疑：“我是不是太笨了，以至於看不懂？”這種不安全感反而導致更多錯誤。

作者還對人類寫作產生了懷疑。網路上充斥著“不是X，而是Y”這樣的句式，作者會下意識認為這是AI生成的。這種持續的不信任令人疲憊。同樣，用AI代寫訊息也傳遞出一種冷漠——如果連親自寫訊息都不願意，那麼對收件人也不夠重視。文件氾濫成災，寫文件的成本幾乎為零，但作者懷疑連文件的生成者自己都不會通讀全文，更別提接收方了。溝通鏈條變成了“人A → 人A的代理 → 人B的代理 → 人B”，真實的人類交流可能正在消失。

在程式碼庫的不同功能區域，風險容忍度各不相同。用AI處理支付相關程式碼令人提心吊膽，而用於新功能則相對隨意。程式碼庫的耦合度、架構一致性、技術債務、測試覆蓋率等因素，都會顯著影響AI代理的開發體驗。作者認為，對抗性程式碼審查非常有效，讓兩個不同的模型互相審查程式碼，可以大大減少錯誤。

但AI也有其固有缺陷：它不會真正學習，每次偏離軌道都只能透過新增規則檔案來修正，但這些檔案往往變成消耗token的傷疤。AI也缺乏真正的理解，不會主動提問澄清，對業務背景有限。更重要的是，AI不會為失敗負責，即使它導致了事故，也不會被解僱。

儘管如此，AI仍是不可思議的工具。作者曾透過將醫生的筆記輸入ChatGPT，幫助理解親人的病情，從而提出更合適的問題。這種價值無法估量。然而，深度的人類理解是AI無法替代的。在新的工作環境中，作者發現自己難以快速掌握多年積累的隱性知識，而那些對程式碼庫瞭如指掌的同事卻能輕鬆提供指導。

上下文管理成為新的戰鬥：給多給少都不行，只能不斷嘗試。AI代理開發的價值尚未完全兌現，新模型雖然更強，但每token成本也更高。說“是”比說“不”更容易，AI讓我們可以輕易答應客戶的所有要求，但代價是系統的複雜性增加。產品真的因此變得更好嗎？我們不能確定。虛榮的程式碼重構變得前所未有的簡單，卻可能導致無謂的反覆調整。

最後，作者感受到軟體開發已經變了味。五年前那種解決問題帶來的成就感，如今被持續的決策疲勞所取代。也許這僅僅是變革帶來的不適，但無論如何，AI已經深刻改變了這個行業的面貌。