作者ripple0129 (perry)
看板Soft_Job
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)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1794714163.A.09A.html
1F:推 pacino: 現在的問題卡在security,沒有人敢放手讓AI自己玩。人怎麼 11/15 12:59
2F:→ pacino: 知道AI在偷偷想什麼? 11/15 12:59
3F:→ 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 11/15 13:10
4F:→ ripple0129: 的 11/15 13:10
5F:推 prag222: ai都能跑出測試環境沙盒了,呵呵,資訊有落差喔 11/15 14:02
6F:→ superpandal: 無法量化的 不論什麼原因導致 haha 我敢講未來依然存 11/15 16:57
7F:→ superpandal: 在 原因不多解釋 11/15 16:57
8F:→ ripple0129: 不能量化那用手寫人眼review的收益比較好也是憑感覺來 11/15 18:02
9F:→ ripple0129: 的嗎 11/15 18:02
10F:推 viper9709: 上一篇的意思就是釐清需求是很難的一件事吧... 11/16 00:49
11F:→ ripple0129: 釐清需求這件事情AI也不會輸給人類,現階段就是方方面 11/16 11:29
12F:→ ripple0129: 面已經完爆了,你給足input AI都能更清楚思考方方面面 11/16 11:29
13F:→ ripple0129: 。不能釐清也只是人類自己沒把變量想清楚。然後還認為 11/16 11:29
14F:→ ripple0129: 自己更能釐清需求。 11/16 11:29
15F:推 jamesho8743: 我不知道講的人有沒有認真去比較過AI跟自己寫的code 11/16 11:34
16F:→ jamesho8743: 還一直覺得自己懂的那些可以有效地去指導/更正AI寫的 11/16 11:34
17F:→ jamesho8743: 錯誤 就現實層面來說 真的不需要去花時間drill 多學 11/16 11:34
18F:→ jamesho8743: 學harness沒錯 不用在AI優勢的層面上去著力 而AI已經 11/16 11:34
19F:→ jamesho8743: 在死板的智能層面上全面優勢了 AI現在少的只是現實世 11/16 11:34
20F:→ jamesho8743: 界的資訊/常識反饋 智能核心已不比人差 11/16 11:34
21F:→ superpandal: 手寫的收益並不在於review haha 11/16 18:28
22F:推 HuangHedaz: 把程式寫到會動其實很簡單,用不用AI都一樣。難的在 11/18 11:35
23F:→ HuangHedaz: 於能不能寫的比別人的更好。 11/18 11:35
24F:→ HuangHedaz: AI最大的問題就是使人放棄思考。 11/18 11:35
25F:→ HuangHedaz: AI如果用一個繁瑣複雜的方式做一個功能,能看出來並 11/18 11:39
26F:→ HuangHedaz: 糾正嗎?還說只要會動就好 11/18 11:39
27F:→ HuangHedaz: 有假設一情景,用AI寫好一套系統,內部測試也沒問題 11/18 11:54
28F:→ HuangHedaz: 。賣到AB公司,A用的很順,B公司用起來就很卡。偏偏 11/18 11:54
29F:→ HuangHedaz: 程式都AI寫的,也許工程師也沒怎去看。那這怎解決? 11/18 11:54
30F:推 jamesho8743: 你這邊又陷入細節了 程式本來就是能動照你想的動就好 11/18 14:23
31F:→ jamesho8743: 你預設在複雜的情況需要你這種懂的人去改 這已經是 11/18 14:23
32F:→ jamesho8743: 舊的思維了 A用的很順 B用的很卡 那就叫AI卡改啊 11/18 14:23
33F:→ jamesho8743: A能用得很順表示AI能力是夠的 B為什麼會用得很卡? 11/18 14:23
34F:→ jamesho8743: 那看是需求要改還是某些狀況下效能不好 這邊就是AI整 11/18 14:23
35F:→ jamesho8743: 個卡死一直解決不了在繞圈圈的狀況才需要人去看 現在 11/18 14:23
36F:→ jamesho8743: 情況工程師已經不用去看code實際上AI coding能力已經 11/18 14:23
37F:→ jamesho8743: 是人類Top 5% 比大多數人都要強 AI使人放棄思考是另 11/18 14:23
38F:→ jamesho8743: 外一個話題你扯了另外一個話題夾進來 11/18 14:23
39F:推 jamesho8743: 大部分的人就還是慣性思考 沒有意識到或沒去考察AI c 11/18 14:43
40F:→ jamesho8743: oding能力已經比你好 還在覺得需要你去懂細節看細節 11/18 14:43
41F:→ jamesho8743: AI不懂軟工 不懂架構 只會coding... 只能說人類切換 11/18 14:43
42F:→ jamesho8743: 得很慢 11/18 14:43
43F:→ HuangHedaz: AI本身是分析自然語言再根據結果去找推論或是找答案 11/18 15:15
44F:→ HuangHedaz: ,答案庫沒有的,就用相近的給你。 11/18 15:15
45F:→ HuangHedaz: 假如不看code?,上線出問題,要把責任推給AI嗎? 11/18 15:15
46F:→ HuangHedaz: 以我寫driver來說,AI寫出來的跟我寫出來的沒差多少 11/18 15:39
47F:→ HuangHedaz: ,c語言怎麼寫怎麼變化就那樣而已。但我一定會看會了 11/18 15:39
48F:→ HuangHedaz: 解會去想 11/18 15:39
49F:推 jamesho8743: 就說測試跟驗收了還在那邊不看code上線出問題 你看過 11/19 18:49
50F:→ jamesho8743: code就不會有問題? 你看code就不用測試? 11/19 18:49
51F:→ jamesho8743: 答案庫就不懂的人亂扯的觀念 還真以為現在AI都是背答 11/19 18:51
52F:→ jamesho8743: 案的? 你先仔細去看看AI推理的過程吧 11/19 18:51