作者 ripple0129 (perry)
標題 Re: [請益] 3~4 年 Python 後端工程師,找不到工作
時間 Sun Nov 15 11:42:41 2026


※ 引述《RouterHsieh (醉臥美人膝,醒掌天下權)》之銘言:
的
: 我覺得原 PO 的論點有幾個地方值得商榷。
: 首先,我不否認 AI Coding Agent 確實大幅提升了程式碼的產出速度,也不認為工程
師
: 未來還需要花大量時間親自處理每個實作細節。
: 但問題是,Code Generation 的速度和 Software Engineering 的生產力,本來就是兩
?
: 事。以前我們不會因為某個工程師每天能寫幾千行 Code,就認為他的生產力比較高。
那
: 麼換成 AI,每天可以產生幾十個 PR、修復幾百個 Bug,就突然變成值得追求的指標?
: 真正應該衡量的是這些變更對產品帶來多少價值,是否改善了系統的品質、可靠性與可
?
: 護性,以及是否增加未來的維護成本。

只要能量化為什麼不行
合入的PR修復的bug對後續系統的影響
能不能量化
只要可以量化那就是指標

: 更何況 AI Agent 並不是免費的。前沿模型的 Token 成本並不低,尤其大量 Agent 平
?
: 執行、反覆 Debug、Testing 和 Review 時,整體成本可能相當可觀。如果沒有把這些
?
: 本和後續維護成本算進去,單純比較產出速度其實沒有太大意義。

對比高手工程師的月薪
必然是比較便宜的
美國頭部企業絕對比我們大家還會算賬

: 不過我認為更根本的問題,是很多人似乎把 Software Engineering 理解成單純將需求
?
: 換成程式碼。
: 實際上,軟體工程師很重要的一部分工作,是將模糊的需求轉換成精確、可計算、可推
?
: 的問題表示,包括資料模型、演算法、狀態轉換、Concurrency Semantics、Error
: Handling、System Invariants 等等。
: 這個過程不一定要產生嚴格數學意義上的 Formal Specification,但它需要 Computer
: Science 的基礎與工程判斷。
: 現在 AI Agent 讓很多人以為整個流程已經變成:
: Idea -> Code
: 但中間的設計與語意精確化並沒有消失,
: 只是有很大一部分變成由 AI 自己決定,
: 而這正是我認為最大的問題。
: 自然語言存在大量歧義與未指定的條件,即使事先定義好規格和驗收條件,
: 也不代表已經完整描述系統的所有重要行為。
: 當需求沒有明確指定某些細節時,AI 就必須自行做出假設。這些假設可能完全合理,
: 程式碼也可能通過所有測試,但最後的實作仍然可能與使用者真正的意圖不同。
: 而且很多時候,正是透過閱讀程式碼、理解具體實作,
: 我們才發現原本的 Spec 有哪些不足,或 AI 引入了哪些未經確認的設計決策。
: 因此,我不認為「只要規格和驗收標準定好,就不需要理解底層實作」這個結論能夠成
: 立。
: 有人會拿現代工程師不需要閱讀 Assembly 或 Machine Code 來類比,
: 但這忽略了一個根本差異。
: Compiler 的主要任務,是在語言規範允許的範圍內保持程式語意;AI Coding Agent
面
: 對的卻通常是不完整的自然語言需求,它不只是轉換語意,還必須自行決定那些尚未被
?
: 義的語意。
: 而且即使是同一份 Spec,使用 C++、Go 或 Rust 實作,也可能因為 Memory Model、
: Runtime、Concurrency Model、GC、Ownership 等差異,產生不同的效能、可靠性和維
?
: 成本。
: 如果工程師完全不理解程式語言,又要如何判斷 AI 選擇的實作方式是否合理?

所有的部分都是判斷出來的
人類的判斷也是
Input -> 人腦 -> output
你想達到相同的目標
只需要提供足夠的Input給AI
一樣能夠給你更準確的Output
如果不能提供足夠的Input
人腦的判斷不也是單純憑感覺而已了

: 我反而認為 AI Agent 很重要的價值,是讓具備 Computer Science 和 Software
: Engineering 基礎的工程師,能夠使用不熟悉的語言或 Framework,
: 更有效率地完成需求。
: 這與完全不理解程式語言或計算機科學,只靠自然語言反覆要求 AI 修改,
: 直到程式看起來能動的 Vibe Coding,是兩回事。

這是當下這時間點AI的能力瓶頸
未來會被解決
兩三年前版上最常說的就是
AI不會通靈
現在通靈個7788了

: 當然,我不否認未來 AI 可能進步到足以自動完成大部分設計、實作和驗證工作。但如
?
: 真的發展到那個程度,被取代的恐怕也不只是 Coding,連 Spec、Architecture 和
: Engineering Judgment 都可能高度自動化。
: 所以現在就宣稱工程師不需要深入理解程式語言,只需要學會操作 Agent Harness,
: 我認為還缺乏足夠的證據。
: Software Engineering 的核心從來不是 Code Generation,
: 而是把問題轉換成正確的計算模型,再確保實作符合這個模型。
: AI Agent 大幅加速了其中的實作過程,但不代表其他部分已經被解決。
: 把產碼速度當成工程生產力,再據此推論工程師不需要理解程式語言和底層實作,
: 我認為是混淆了工具能力和工程能力。

一樣,你講的是當下
我講的是未來
這幾年AI的進步大家有目共睹
我原文說不要去drill語言技術
你打算付出多少年去drill語言技術
等你趕上來AI可能又不知道超前甩幾條街去了

實作之所以模糊是因為
人類太過於模糊化需求的定義送給AI
如果跟過去一樣waterfall定義清楚
送交AI給AI那必然是比人類來的又快又便宜
這就是為什麼把產品換語言寫對AI來說這麼輕鬆
就是因為原本的程式語言就是定義完整的spec

總而言之之所以會對AI不信任的根本原因是
給不同的Input水準
然後妄想相同的Output水準

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 60.49.47.250 (馬來西亞)
※ 作者: ripple0129 2026-11-15 11:42:41
※ 文章代碼(AID): #1g-Iep2Q (Soft_Job)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1794714163.A.09A.html
推 pacino: 現在的問題卡在security,沒有人敢放手讓AI自己玩。人怎麼知道AI在偷偷想什麼?1F 11/15 12:59
→ ripple0129: 真正危險的都還在前沿實驗室沙盒內,這不是我們該擔心的3F 11/15 13:10
推 prag222: ai都能跑出測試環境沙盒了,呵呵,資訊有落差喔5F 11/15 14:02
→ superpandal: 無法量化的 不論什麼原因導致 haha 我敢講未來依然存在 原因不多解釋6F 11/15 16:57
→ ripple0129: 不能量化那用手寫人眼review的收益比較好也是憑感覺來的嗎8F 11/15 18:02

--
作者 ripple0129 的最新發文:
點此顯示更多發文記錄