TL;DR：最近圍繞人工智能「虛擬編碼」的爭論突顯了一個關鍵的區別：人工智能雖然擅長於模板化實作，但卻從根本上破壞了對資深軟體工程師而言至關重要的深度「流動狀態」。對於真正複雜的問題解決與架構設計而言，AI 的「提示-產生-驗證」迴圈是一個停止-開始的微觀管理循環，而非無縫的協作。AI 目前的價值在於加速原型設計與基本編碼技能的民主化，但在資深工程師真正發揮優勢的領域上卻有所不足：策略性的架構決策、長期的可維護性，以及了解微妙的商業邏輯。AI 是強大的槓桿，但它不是會思考的大腦。
Mercury Technology Solutions 首席執行官 James here。
最近，有許多關於 "vibe coding" 的討論 - 使用 Copilot 或 ChatGPT 等人工智慧工具來產生程式碼片段和解決方案的做法。許多人對 AI 的編碼能力感到驚訝。然而，在經過廣泛的個人使用以及觀察我的資深工程團隊之後，我最深的體會是這樣的：人工智能是流程狀態的深刻破壞者。
對於資深軟體工程師而言，保持「流暢」並非奢華，而是必須的。當您沉浸在複雜的邏輯問題中，在腦海中建構整個系統藍圖時，您最不需要的就是被迫中斷。然而，對於 AI，您卻不得不停下來，將大腦切換到「提示工程」模式，然後馬上再切換到「稽核」模式，仔細驗證 AI 所傳回的資料。
這種 「提示-產生-確認 」的循環經常被讚譽為協作，卻遠遠不是一個順暢的創作過程。這感覺不像是無縫的協同駕駛，而更像是走走停停的微觀管理。對於工程師來說，就像作家一樣，流程狀態對於高品質、高效率的工作至關重要。
AI 發光發熱的地方（以及無法發光發熱的地方）
我很樂意承認，對於快速原型--快速驗證想法或實現概念驗證--而言，AI 是非常方便的。它擅長於編寫繁瑣的模板程式碼，幫助您克服從零到一的初期摩擦。因此，它能有效降低入門門檻，讓幾乎任何人都能成為功能性的初級軟體工程師。
但根據我的觀察，這是目前它最顯著的影響。
這正是為什麼許多與我共事的資深軟體工程師都不認為 AI 是真正的「靈藥」。AI 所解決的問題主要是 戰術性、實作層級的雜務。然而，資深工程師的真正價值在於策略性的架構決策和權衡的藝術。
- AI 無法告訴您此架構在兩年後是否可維護。
- AI 無法預測您的系統是否會在 100 倍流量下癱瘓。
- 就商業而言，AI 並不瞭解您的商業邏輯或長期願景。
工程師是建築師，而不只是編碼員
資深工程師的核心角色是將複雜的業務需求轉換為穩健、可擴充且可維護的技術系統。這包括
- Deep Contextual Understanding： 掌握企業隱含的細微差異、預期的未來成長，以及潛在的整合挑戰。
- Strategic Foresight： 設計可預測變化、將技術債務減至最低，並可隨時間演進的系統。
- 積極解決問題： 識別真正的問題，而不只是修補症狀。這通常需要選擇不編寫程式碼，而是利用現有的解決方案或完全重新思考流程。
目前的人工智慧在執行指令方面非常出色。它是放大輸出的強大 槓桿。但它不是，而且在可預見的未來，也不會是一個能夠處理這些高層次、以人為中心的挑戰的 思考大腦。
軟體工程中真正的戰役，也就是那些能創造持久、有影響力價值的戰役，仍然需要人類不間斷的專注、深厚的經驗和策略判斷。身為領導者，我們必須針對正確的問題為團隊配備正確的工具，並了解對於真正艱鉅的挑戰，全速運轉的人類思維仍是我們最有力的資產。
水星科技解決方案。加速數位化。
