AI 時代的工程師困境：從 Vibe Coding 到產業斷層

Powered by ChatGPT

近半年來不論在工作或學習上，發現自己越來越大量利用AI提升效率，例如最近在Vue/Nuxt專案中，透過AI生成程式碼、組件甚至整個流程，讓開發及學習速度大幅提升。這種方式或稱為Vibe Coding：先讓程式跑起來，再依直覺或經驗進行調整。

然而我也意識到一件事，即便AI可以生成程式碼，中短期內工程師仍然不可或缺。像Middleware、Route、Auth Flow這類源自框架與網路技術的概念，只有理解系統邊界與設計邏輯的人，才能判斷生成的程式碼是否合理，如何整合進系統，如何除錯，以及什麼時候需要重構或抽象。換句話說，AI可以當工具，但不能取代「判斷力」，沒有經驗的人在現今的開發模式下，該問什麼問題可能都是個問題。

這帶來一個更深層的問題：如果未來極端推到極致，程式碼成為黑箱，使用者只用自然語言生成功能，那麼工程師真的會消失嗎？我的觀察是：

1. 現階段：AI主要替代低階勞動力，工程師仍是系統導演，負責校正、除錯與驗證。
2. 半黑箱未來：使用者可能不用看程式碼就生成系統，但效能、資安、商業邏輯仍需工程師拆箱處理。
3. 全黑箱理想狀態：系統自動最優化、永不出錯、覆蓋所有例外情況——這才可能不需要工程師，但這在現實中極不可能。

問題更複雜的是，工程師的培養需要循序漸進：從語法學習 -> 實作經驗 -> 系統設計判斷。現在社會與市場趨勢出現不想養資淺工程師的氛圍：AI便宜替代低階工作，資深工程師成本高，公司短期效率導向導致培養新人被忽略。但這產生了結構性矛盾：人會退休、會離開，如果沒有資淺工程師累積經驗，未來就沒有資深工程師做判斷。

換句話說，工程師不會消失，但只會留下「會判斷的人」，不會留下「只會寫語法的人」。AI可以加速開發，但判斷力永遠是工程師最核心的價值。

寫完這篇剛好晚上就看到PTT上有人貼了這個職缺「華碩電腦股份有限公司-RD21958 AI前端工程師」，我感到很矛盾的是，如果我是沒什麼經驗的新鮮人，領個3萬多的薪水，在語法和設計都不熟悉的情況下，是要怎麼「檢視並修正Vibe coding產生出來的AI code」呢？例如我最近學前端Vue光是狀態管理和父子組件傳值就花了一些時間才理解，更別提非同步、安全性問題或驗證機制等這些非關程式語法的知識。