你是哪一種？
AI 時代工程師的三條路
工具不同是表象，工作流才是分水嶺
最近跟朋友聊到各自用 AI 寫程式的方式。差異大得離譜——不是工具不同，是工作流完全不同物種。
大致分成三種。
程式碼自己敲。AI 抓 bug、預測問題、偶爾補片段。工程師決定寫什麼怎麼寫，AI 不碰主流程。
開發丟給 AI，工程師專寫測試。定義好「什麼算對」，跑一次就知道 AI 的 code 過不過。工作從寫程式變成寫規格。
開發、測試全交給 AI。描述需求、審查產出、調細節。不碰 code，只出方向。
ChatGPT 3.5 出來，訂了 ChatGPT Plus。自己寫 code，偶爾丟一段問 GPT 有沒有更好的寫法。後來公司買 Team 方案，個人的退掉了。
開始用 Claude Pro，帳單跳到月付 $200。AI 寫更多 code，自己花更多時間測試和 review。
GitHub Copilot，看上它的 workspace 功能和 GitHub 整合優勢。早期在 VS Code plugin 裡算是用得很舒服的工具之一。
Google AI Pro，跟著 NotebookLM、Nano 這波一起進來的。靠美國學校資格免費使用。
玩 OpenClaw 時意外學會多工指揮的技巧。模型夠聰明了，以前覺得工作量太大、完全不敢想的事，有了 AI 部下終於能做。OpenClaw 後來太燒 token 就擱置了——但那段經驗讓我徹底變成指揮派，轉頭做自己的東西。
| 服務 | 期間 | 金額 |
|---|---|---|
| ChatGPT Plus | 2023/2 ~ 2024/2 | $260 |
| Claude Pro / Max | 2025/2 ~ 2026/3 | $1,342.86 |
| GitHub Copilot | 2025/5 | $100 |
| Google AI Pro | ~2025 中 ~ 至今 | $0（edu 免費） |
| 合計 | $1,702.86 | |
指揮派不要求你是工程師。任何人都能開口叫 AI 做事。
但差別很大。
不懂技術的人，AI 給什麼就收什麼。架構好不好，看不出來。坑在哪裡，也不知道。
懂技術的人能先劃邊界——框架怎麼選、模組怎麼拆、哪裡不能動。AI 在框裡施工，歪了馬上拉回來。
差異不在產出速度，在出事的時候。
這像軟體部門的運作。主管懂技術，平常不寫 code。定方向、分任務、review 產出。底下工程師做實作。平時順順的，主管只出一張嘴。出包的時候？主管跳下來接手。因為懂，所以能救。
產出穩定，但速度慢。AI 能力不斷提升，堅持手寫的效率差距只會拉大。
槓桿高，但測試能力要求也高。測試不夠好，AI 交出來的東西驗不住。
最快最輕鬆，風險也最大。你的價值就一件事：出事時接不接得住。
三種模式不互斥。很多人看專案性質切換。
但有件事確定：不管哪條路，「懂不懂技術」的重要性沒降低——反而更高了。
因為 AI 越強大，判斷它對不對的能力就越值錢。
我還在學。指揮歸指揮，LLM 每天都在帶給我沒想過的東西。有時候一句 prompt 回來的結果，比我原本規劃的方案更好。
AI 社群現在極度活躍。新工具、新框架、新玩法每週都在冒出來。吸收新知識的同時得不斷驗證可行性——哪些能用、哪些是噱頭、哪些值得深入。
廣度和深度都在同時擴張。這條路還很長。