AI Assistant for Development
前言
最近在開發上用了不少 AI 工具
單純問問題我會用 ChatGPT, Gemini, Claude
IDE 相關的工具用過 Cursor, Antigravity, Cline, Continue
其他的還有 Lovable, Claude Code
有一些小心得
身為開發人員我覺得自己在使用 AI 上比其他人晚很多
因為某種「Vibe coding 很不踏實」的堅持
讓我長久以來都只用 ChatGPT 問問題而已
直到最近因為跟朋友開始了一項 AI 相關的 Side Project
才讓我決定要好好的來用看看
在討論前期的閒聊階段,其中一個人問我算是純前端嗎
我說算是吧,他就問「AI 越來越盛行你覺得還需要純前端嗎?」
「你不覺得越來越多事情是 Product Owner 就可以處理的嗎?」
忘了我當時回他什麼,但我發現每當被問類似問題,
我都會用「遲早會被取代吧」來打發過去
因為我沒有答案,不知道怎麼反駁
實際用過才知道
現階段的 AI 不管是理解力還是生產力確實都很強
但終究無法取代技術人員,我的看法是:
-
只要 AI 無法一步到位,始終會需要技術人員介入
有認真用過 AI 的人就會知道,常會有講了半天還是改不好的情況
這是因為如果只用結果來描述問題,AI 只能某種程度地隔空抓藥
但如果是由一個懂技術的人來描述問題,限縮範圍
AI 修改的品質就會大幅提高
技術人員也有能力驗證修改結果,選擇 AI 提供的解決方案
甚至 (其實是大多數情況) 自己改好 -
AI 產出的品質取決於 context engineering
要能有效地操控 AI,需要清楚知道該餵給它什麼資料、工具
你是什麼身份,它要以什麼身份幫你
輸出的格式、內容應有什麼不該有什麼
給太少資訊不夠,給太多它會失焦還會燒錢
所以現在很多概念像 subagent、Skills、MCP、RPI (Research-Plan-Implement)
本質上都是為了以最少的 context window 佔用量來完成目標
如果不懂技術架構或這些新概念
AI 在迭代產品的時候每次都是從頭開始看起
最後就會因為上下文太長而失控變笨 -
人們沒意識到要精準描繪事物有多難
日常生活中很多人動不動就說別人聽不懂人話
但意思的傳達本來就非常困難
文字不精確,有歧義,就算加上表情、情境,
也很難保證對方有 get 到意思
真正會用 AI 的人,其實懂得透過對話逐步收斂到目標
這其實也算是一種技術能力
那些認為寫幾句話(或是退幾步來講:靠規格文件)
就能用 AI 做出理想產品的人
多半只是因為他根本不知道自己想要的東西具體的樣子
做出一個強大的 prototype 就以為做完了
只要產品夠大,你終究需要其他角色來幫你逐漸靠近心中所想
當然你也能用 AI 充當這些角色,那就回到前兩點
所以我認為 AI 時代最終的樣態是
勞力密集的職業消失,技術密集競爭更激烈,甚至會跨職能競爭
因為想法、判斷力跟跨領域能力更重要了,還要學會跟 AI 共處
新手跟老手之間的斷層會越發顯著
而當一個領域內繁複、入門的工作都開始交給 AI 後,那它就更有機會朝更高的境界發展