AI Agent協作帶來的技術都更
在新聞報導裡的都市更新，無論那棟建築多麼堅固或富有情感，最終總是因為一些因素，而被夷為平地，改建起更符合那個時間點更滿足大家需求的大樓。
而這種被都更的感覺，在兩個地方更為有感，一個是你過去幾年花了心力建構起的系統，另一個則是本身自己的技術能力，後面我都會討論到。
技術都更的自我價值感
過去的十來年，我的體感自己大概有這幾種核心的「肌肉記憶」：
複雜邏輯的實作能力： 能否獨立、高效地寫出複雜的演算法、併發處理 (Concurrency) 或困難的業務邏輯。
框架的深度掌握： 對所用語言和框架的深入理解，知道如何「繞過」框架的坑，寫出好的效能或是符合需求的程式碼。
快速除錯的經驗： 憑藉直覺和經驗，迅速定位隱藏在數千數萬行程式碼中的 Bug。
而這些核心肌力，目前有一種正在迅速貶值的感覺 XD。
系統的Orchestrator
這也是過去一陣子許多文章有提到的，資深工程師的價值，正被迫從「程式碼實作層」向上轉移到「系統設計與策略層」。
現在每天我個人花費 50% 以上的時間，不再是撰寫程式碼，而是：
精確定義問題邊界 (Scoping)： 這是目前最重要的技能，將各式各樣的需求，轉化為一個 Agent 可以理解、有明確輸入/輸出的任務，不然Agent 產出會花掉你大部分Copilot的token。
設計 Prompt 策略 (Prompt Strategy)： 「規範工程 (Specification Engineering)」，設計一個包含上下文 (Context)、工具 (Tools)、範例 (Examples) 和嚴格輸出格式 (Format Constraints) 的複雜指令，每天會花更多的時間去看網路上大家寫給Agent看的MD檔。
設計 Agent 協作流 (Multi-Agent Design)： 當一個任務過於複雜，您需要將其拆解，設計一個「Agent 團隊」， 一個 Agent 負責生成程式碼、一個 Agent 負責撰寫測試、一個 Agent 負責審查安全漏洞。
人機共學的驚喜
過去帶新人偶爾會一起嘗試一些新的工作或是開發新的功能，偶爾會獲得一些反向的知識流動，這也是過去帶人時給我的最大的正面感受，但是現在，我卻每天都跟著AI Agenty一起人機共學 (Human-Agent Co-Learning)。
這個雙向的知識流動，也慢慢的從技術上的流動開始拓展
Agent ： 擁有近乎無限的「知識廣度」，一個博碩士等級的技術宅，它會知道一些我從未聽過的、或是在一個月前才發布的 npm 套件，而這個套件剛好能完美解決我的問題。
我： 擁有一些難以取代的「領域深度」。我可能知道內部系統的「怪癖」，知道哪些因為客戶過去提出的需求而客製化的邏輯或是判斷，或是知道團隊的分工與開發風格。
這是一種矛盾的感覺，給我「自己好像不再是團隊裡最懂技術的人」的焦慮，但也同時提供了一個加速自身知識更新的強大途徑 （我獨自升級？ＸＤ）。
不過仔細思考跟體驗後，也會體驗到，過去十幾年積累的經驗，並沒有被淘汰，只是被「抽象化」了，未來，大多數的我們的工作是設計一張精確的藍圖（Prompt、架構設計、Agent 協作流），然後利用 AI Agent 這個強大的施工團隊，以前所未有的速度完成它。
後面的文章再來討論團隊合作與管理上近期的一些感想。
Top comments (0)