作者del680202 (HANA)
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Mon Nov 16 21:10:07 2026
※ 引述《ripple0129 (perry)》之銘言:
: ※ 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
: 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
剛跟日本的客戶吃完飯,覺得可以分享下這個日本AI-native公司的成功案例
對方公司40個人,工程師5個,其他都是sales
成立兩年,今年營收到目前50億日幣
工程師薪水是2000萬-5000萬日幣
對方所有的系統代碼全都是AI寫的,沒有任何人力介入,code review,需求也都是AI在整
他們新人進來沒有onboarding, 要求自己問AI目前有哪些業務要解決要提案,第二天就要?
對方說了一個我深有感觸的一件事
當代碼,技術不是衡量你價值的依據的時侯,你工程師怎麼說你值得
-----
Sent from JPTT on my iPhone
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.188.1.134 (日本)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1794834608.A.A79.html
※ 編輯: del680202 (111.188.1.134 日本), 11/16/2026 21:13:05
1F:噓 dream1124: 人指揮工具做事就是人做的,那不叫作「沒有人力介入」 11/16 21:44
2F:→ dream1124: 更何況資本不是傻瓜,在日本均薪近五百萬情況下, 11/16 21:45
3F:→ dream1124: 如果這AI像你講得這麼神,人這麼弱,沒有傻瓜開這麼多 11/16 21:46
4F:→ dream1124: 再者這產業若真創業兩年就能十億NTD營收,沒人會相信 11/16 21:49
5F:→ dream1124: 背後不是什麼大財團轉投資等等,但那種公司給薪本就高 11/16 21:50
6F:→ dream1124: 而且業務跟IT或軟體關係未必高,因此只要你進了就是領 11/16 21:51
7F:→ dream1124: 這麼多,跟你是不是在裡面大搞AI未必有多大關係。 11/16 21:52
8F:→ dream1124: 例如,台積電IT薪水也有機會這麼高,但這些LLM堆疊 11/16 21:57
9F:→ dream1124: 就不是它賺大錢的基礎,工作會用AI但也不是都在搞AI。 11/16 21:58
10F:→ dream1124: 你現在有點像是把GG的名字遮起來,然後開始拿營收和 11/16 21:59
11F:→ dream1124: 薪資配上使用AI作工具的事實大作文章說沒精通LLM堆疊 11/16 22:01
12F:→ dream1124: 就要完蛋,殊不知那在自己組織裡只是一種工具而非目標 11/16 22:02
13F:→ dream1124: 你的言論不只充份展現「把手段當目的,當信仰」的盲目 11/16 22:04
14F:→ dream1124: 而且恰恰印證我先前的評論:有些人給待遇好,分工細的 11/16 22:05
15F:→ dream1124: 大公司保護得好,導致現在AI浪潮一來,組織架構未大改 11/16 22:05
16F:→ dream1124: 還減招或裁員,結果就慌了手腳急著標新立異刷存在感。 11/16 22:06
17F:推 neo5277: 樓上好氣喔,tony大大說明年人力會急凍少40%就業耶 11/17 00:45
18F:→ viper9709: 技術沒有價值時,工程師當然沒有價值~但前提是技術要 11/17 02:55
19F:→ viper9709: 真的沒有價值... 11/17 02:55
20F:推 doranako: 除非某個技術碾壓全世界,不然一般公司賺錢是靠產品跟id 11/17 07:27
21F:→ doranako: ea,以前得靠工程師讓產品實現,現在只需要ai就能讓產品 11/17 07:27
22F:→ doranako: 實現 11/17 07:27
23F:推 devilkool: 最後一句話 我近期準備面試就有這樣的迷惘 11/17 08:03
24F:→ devilkool: 雖然現職可以感受到跟其他用AI用得很爛的同事比我算用 11/17 08:06
25F:→ devilkool: 得好的,但這種價值….? 11/17 08:06
26F:推 crazycy: 像結案公司那種的死個40%都算少了吧 11/17 08:24
27F:→ crazycy: 但又不是每個都像那樣 專案規模小又不太重視長期維護 11/17 08:24
28F:→ crazycy: 近期的研究還是都指出LLM針對跨Repo大專案的效果很差 11/17 08:24
29F:→ crazycy: 能動是勉強可以 要繼續維護就很難 11/17 08:24
30F:→ crazycy: 當然很多情況 就真的只要會動就好 11/17 08:24
31F:推 j9d9: 試試就知道了 酸 11/17 12:05
32F:→ j9d9: ? 11/17 12:05
33F:噓 hegemon: 現在很多豬屎屋都不續約SaaS 服務了,全部自己用llm刻, 11/17 14:43
34F:→ hegemon: 外包跟派遣也用少了 11/17 14:43
35F:推 Obama19: 豬屎屋用自家的正常啊 怕機密外流 11/17 15:18
36F:→ bndan: 以台灣的情況來看 少40%很正常 很多需求都是在基礎且免洗被 11/17 22:04
37F:→ bndan: AI掃掉正常 只要TOKEN夠便宜 再往上掃不是不可能 = = 11/17 22:04
38F:→ labbat: 之前不是有自組saas的感覺維護辛苦,想要將其外包出去 11/17 22:08
39F:→ labbat: 還有些自學saas的想要向使用者收費的 11/17 22:08
40F:推 Romulus: 死的是乙方 那乙方人數是不少了 11/17 22:57
41F:→ Romulus: 但是甲方開始用LLM自己刻就會發現人不夠開始請人 11/17 22:58