展望未來：AI的真正潛力？
儘管面臨這些挑戰，我仍然對AI在軟體開發中的角色保持樂觀。關鍵在於理解它真正擅長的領域：
- 加速已知項目AI擅長協助我們實作已經理解的模式。這就像擁有一位無限耐心且打字飛快的配對程式設計師。
- 探索可能性AI非常適合快速建立原型和探索不同的方法。這就像擁有一個可以讓我們迅速測試概念的沙盒環境。
- 自動化例行工作AI大幅減少在樣板程式碼和例行編碼任務上所花費的時間，讓我們能專注於有趣的問題。
這對你來說意味著什麼？
如果你剛開始使用AI輔助開發，以下是我的建議：
- 從小處著手
- 在獨立且明確定義的任務中使用AI
- 審查每一行生成的程式碼
- 逐步建立更大的功能
- 保持模組化
- 將所有內容拆分為小型且專注的檔案
- 維護組件之間清晰的介面
- 記錄你的模組邊界
- 相信你的經驗
- 使用AI來加速而非取代你的判斷
- 對感覺不對勁的生成程式碼提出質疑
- 維持你的工程標準
主動式軟體工程的崛起
AI輔助開發的格局正在朝著2025年劇烈轉變。儘管當前的工具已經改變了我們的原型設計和迭代方式，我相信我們正處於一個更重大轉變的邊緣：主動式軟體工程的崛起。
我所謂的「主動式」是什麼意思？這些系統不只是回應提示，還能以越來越自主的方式規劃、執行並反覆改進解決方案。
如果你有興趣深入了解代理人工智慧，包括我對Cursor/Cline/v0/Bolt的看法，歡迎觀看我上方的JSNation演講。
我們已經看到這種演進的早期跡象：
從回應者到協作者
目前的工具大多只是等待我們的指令。但看看較新的功能，像是Anthropic的Claude電腦使用功能，或是Cline自動啟動瀏覽器和執行測試的能力。這些不只是華麗的自動完成功能而已 – 它們確實能理解任務並主動解決問題。
想想除錯過程：這些代理不只是提供修復建議，它們還能：
- 主動識別潛在問題
- 啟動並執行測試套件
- 檢查UI元素並擷取螢幕截圖
- 提出並實施修復方案
- 驗證解決方案是否有效（這可能是個重大突破）
多模態的未來
下一代工具可能不只是處理程式碼而已 – 它們可以無縫整合：
- 視覺理解（UI截圖、模型圖、圖表）
- 口語對話
- 環境互動（瀏覽器、終端機、API）
這種多模態能力意味著它們可以像人類一樣理解和處理軟體 – 從整體著手，而不僅僅停留在程式碼層面。
自主但受指引
我從使用這些工具中獲得的關鍵洞見是：未來並非關於AI取代開發人員 – 而是關於AI如何成為一個越來越有能力的協作夥伴，既能主動採取行動，同時也尊重人類的指導和專業知識。
2025年最有效率的團隊可能是那些學會以下事項的團隊：
- 為AI代理設定明確的界限和準則
- 建立代理可以在其中運作的強大架構模式
- 在人類和AI能力之間建立有效的回饋循環
- 在運用AI自主性的同時維持人類監督
以英語為首的開發環境
正如 Andrej Karpathy 所說：
「英語正在成為最炙手可熱的新程式語言。」
這是我們與開發工具互動方式的根本轉變。清晰思考和精確使用自然語言的能力，正變得與傳統編程技能同等重要。
這種朝向主動式開發的轉變將要求我們提升以下技能：
- 更強大的系統設計和架構思維
- 更優質的需求規格制定和溝通能力
- 更注重品質保證和驗證
- 增強人類和AI能力之間的協作
軟體開發重返工藝時代？
儘管AI讓軟體開發變得比以往更加容易和快速，我們卻正面臨失去一個關鍵要素的風險 – 創造真正精緻、消費者級品質體驗的藝術。
示範品質陷阱
這已經成為一種模式：團隊使用AI快速建立令人印象深刻的展示版本。在理想路徑上運作完美無瑕。投資者和社群網路都被驚豔到了。但當真實用戶開始四處點擊時？一切就開始崩潰了。
我親身經歷過這些：
- 一般用戶看不懂的錯誤訊息
- 導致應用程式當機的邊緣案例
- 從未被整理過的混亂UI狀態
- 完全被忽視的無障礙設計
- 在較慢裝置上的效能問題
這些不只是P2級別的錯誤 – 這些是讓軟體從被人們勉強接受到被人們喜愛的關鍵差異。
精雕細琢的失落藝術
打造真正自助式的軟體 – 讓使用者永遠不需要聯繫支援人員的那種 – 需要一種不同的思維模式：
- 專注於錯誤訊息的優化
- 在低速連線環境下進行測試
- 優雅地處理每個邊緣案例
- 讓功能易於被發現
- 與真實的、通常是非技術型使用者進行測試
這種對細節的關注（或許）無法由AI生成。它來自於同理心、經驗，以及對工藝的深切關懷。
個人化軟體的復興
我相信我們即將迎來個人化軟體開發的復興。隨著市場被AI生成的最小可行產品所淹沒，那些由以下特質的開發者所打造的產品將會脫穎而出：
- 以自己的工藝為榮
- 在意細微的細節
- 專注於完整的用戶體驗
- 為邊緣案例做準備
- 創造真正的自助式體驗
諷刺的是什麼？AI工具實際上可能促成這場復興。透過處理例行性的編碼任務，它們讓開發者能夠專注於最重要的事 – 創造真正服務並讓用戶感到喜悅的軟體。
結論重點
AI並沒有讓我們的軟體產生顯著的改善，因為軟體品質（或許）從來就不是主要受限於編碼速度。軟體開發中的困難部分 – 理解需求、設計可維護的系統、處理邊緣案例、確保安全性和效能 – 仍然需要人類的判斷。
AI確實讓我們能夠更快地進行迭代和實驗，透過更快速的探索潛在地帶來更好的解決方案。但這必須建立在我們維持工程紀律，並將AI視為工具而非取代良好軟體實踐的前提下。請記住：目標不是更快地寫更多程式碼，而是建立更好的軟體。明智地使用AI可以幫助我們達成這個目標。但究竟什麼是「更好」以及如何達成，仍然取決於我們自己。
您在AI輔助開發方面有什麼經驗？我很想在評論區聽聽您的故事和見解。
