PTT職涯區 / Soft_Job (軟體人)

Re: [閒聊] AI時代如何保持對軟體的熱情

看板Soft_Job (軟體人)作者 (gigayaya)時間3周前 (2026/04/25 23:53), 3周前編輯推噓23(24推 1噓 51→)
留言76則, 25人參與, 3周前最新討論串1/2 (看更多)
※ 引述《gigayaya (gigayaya)》之銘言： : 3.多去學習知識，不論是經典的CS知識或是最新和AI有關的知識 這幾天想到一個例子表達我的觀點，想分享給大家或許能更好理解我想表達的XD 主要是想表達軟體工程師仍然存在且需要有知識，以及AI時代工作型態的轉變 (ps.這只是一個展示概念的思想實驗例子，希望大家不要對內容太認真) --- 想像一個場景：今天你去一家公司應徵軟體工程師，你坐在會議室中 對面面試官給你一台筆電請你現場做live coding面試，你看到畫面中的文字題目如下： Q： 目標為生產一個function解決以下問題-> 有一串數字，規則是「後面的數 = 前面兩個相加」： 第1個: 0 第2個: 1 第3個: 0+1 = 1 第4個: 1+1 = 2 第5個: 1+2 = 3 第6個: 2+3 = 5 第7個: 3+5 = 8 其中第1個數字固定為0，第2個數字固定為1 給予你一個input數字，請你回傳那個位置的數字是多少 約束/規則： 1. 給你的數字範圍為2~1000正整數 2. 你只能寫prompt給AI，AI的輸出即為你的答案，你不能手動修改AI回答的內容 3. 使用的prompt文字越少分數越高 4. 跟AI溝通的次數越少分數越高 5. 程式語言為python (其實這不重要,舉例而已) 6. 只能使用我們提供的AI 7. 我們保證我們的AI沒有任何的隨機性 (意思就是保證存在方法拿到滿分) 8. 我們已經測試過我們的AI可以產生出最好的答案 (跟上一則同意思) 9. AI只會回傳程式碼不會聊天 --- 然後面試官手上的正確答案是這樣： ``` def fib(n: int): a, b = 0, 1 for _ in range(n-1): a, b = b, a + b return a ``` 我們先假設這就是這世界上最好的答案,忽略一下變數名稱,錯誤處理之類的小問題 面試官會將你的答案跟他手上的黃金答案對比，跟答案長的越相同分數越高 --- 那在這個情況中你要如何獲得高分，意思就是你要如何達成只用最少的prompt就能 產生出面試官手上的正確答案呢？ 要能達成這件事情，我覺得你至少需要掌握以下幾點： 1.你知道這是一個費式數列問題，所以你跟AI溝通的時候不需要把完整的題目複製貼上， 可以只用四個文字表達你的需求 2.你知道用for loop實作費式數列問題比遞迴好，因為時間複雜度比較低 3.你知道用兩個變數而不是一個list儲存內容比較好，因為佔用的空間更少 4.你知道如何用最少的字告訴AI你的需求以及設定邊界等等的技巧高品質地完成任務 我們先假設2,3點AI還沒有被訓練這些資料，那如果AI能寫出這樣的code的話一定是 你prompt要求的 所以如果你的答案被判定為高分的話: 1. 你的CS知識 2. prompt engineering知識(AI使用技巧) 肯定都不差 (舉例結束） --- 所以我想表達的意思是： 有了AI之後工程師的任務從『自己用手將腦袋中的code敲到檔案裡面』變為-> 『指揮AI將你腦袋中的code生產出來』 並且通常來說，在同樣完成任務的前提下，後者花的物理時間會比前者少很多 (或至少你可以同時平行開許多AI agent去做許多事) 所以工程師的知識以及經驗還是有用的，因為你至少要知道你要產生什麼，你頭腦中還是 有一個roadmap 並且隨著問題的複雜度越高，你就需要越多的AI engineering技巧 於是你從實作function開始外包給AI去寫並且你去review，之後是一個class，然後是 一個component，一個module，一個library，一個framework，最後是一個產品 但你都知道你在幹嘛，想像你每一輪都在做那個面試，只是你被要求的目標越來越高 至於這樣子要幹麻？為什麼要這樣做？這樣做對工程師有什麼好處？ 我會在之後的另外一篇文章中比較詳細的闡述我的想法（如果沒拖稿的話XD --- 最後AI會不會可能想得比我還好?這的確是有可能，所以在正式工作中你可以在決定 內容之前先跟AI多討論，確定好你覺得沒問題後再實作 但你說會不會連一開始第一個問題，第一個方向，人類給出來就是錯的比AI差? 哈哈哈我覺得這好像就上升到哲學問題了，我暫時也沒有完全肯定答案 但我目前的信念是： 如果要設計給人用的產品，那最後只有人類懂得人類的需求能夠滿足人類 --
噓
07/26 01:40,
靠 害我嚇到想說啥時有po文
07/26 01:40
→
07/26 01:42,
嫩 我比你長一點
07/26 01:42
→
07/26 01:43,
靠北喔
07/26 01:43
→
07/26 01:51,
69
07/26 01:51
-- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.163.108.32 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1777132390.A.B7F.html
推
04/26 00:02, 3周前 , 1F
我覺的這樣用ai並不能最大化 應該要把它當成一個一起協作的
04/26 00:02, 1F
→
04/26 00:02, 3周前 , 2F
人 而不要對他加太多限制 因為你說要讓ai把腦中的code實作出
04/26 00:02, 2F
→
04/26 00:02, 3周前 , 3F
來 應該是把腦中的想法實作出來
04/26 00:02, 3F
有道理 但我覺得每個人對 想法/code 的邊界可能都不太一樣 我覺得單純只有很high level的想法(例如：幫我實作一個Facebook)就跟我想表達的不太 一樣，這樣好像變單純的許願 我覺得作為軟體工程師你還是必須對你的prompt有一個具體的形狀，然後這個形狀是因 為你是人或是軟體工程師，你了解你們產品的需求，你了解有什麼trade off，所以你的 想法是這樣子 這也是我覺得目前junior跟senior在使用AI的方式上會有不同的地方 但這不是我文章想要著重的地方 先寫code是希望能夠先避免這種情況，先把條件寫嚴格一點
→
04/26 00:04, 3周前 , 4F
我看完簽名檔就忘了你說啥
04/26 00:04, 4F
推
04/26 00:30, 3周前 , 5F
這個最佳標準是什麼？
04/26 00:30, 5F
→
04/26 00:31, 3周前 , 6F
最低複雜度，那應該用公式解
04/26 00:31, 6F
→
04/26 00:32, 3周前 , 7F
好理解，我覺得遞迴比迴圈好，有tail optimizaiton下
04/26 00:32, 7F
→
04/26 00:33, 3周前 , 8F
複雜度也一樣
04/26 00:33, 8F
所以說先不要糾結在那個答案上啦XD 我的意思是： 你知道code怎麼寫(或是大概)，你要用AI去寫出來而不是你手動敲 這樣可以省時間，省下來的時間可以去用在更多需要思考的地方 至於你要怎麼達成這件事情，除了本來就要有的CS知識以外還需要使用AI的知識
推
04/26 00:40, 3周前 , 9F
要更快更精準還有矩陣快速冪跟fast doubling
04/26 00:40, 9F
推
04/26 00:52, 3周前 , 10F
恩 我覺得在這個例子上不需要CS知識，知道產品需求比較
04/26 00:52, 10F
→
04/26 00:54, 3周前 , 11F
重要，知道需求那空間時間複雜度都交給AI即可
04/26 00:54, 11F
→
04/26 00:58, 3周前 , 12F
你有假設AI沒有訓練這點，但大部分情況都是相反吧
04/26 00:58, 12F
→
04/26 00:59, 3周前 , 13F
工程師知道的比AI少，所以同樣自作主張縮減題目不一定
04/26 00:59, 13F
→
04/26 00:59, 3周前 , 14F
比較好
04/26 00:59, 14F
推
04/26 00:59, 3周前 , 15F
工程師最需要的是問對的問題，也沒錯
04/26 00:59, 15F
噓
04/26 01:18, 3周前 , 16F
04/26 01:18, 16F
推
04/26 01:25, 3周前 , 17F
坦白說 我自己應該不會這樣招募工程師 目前看到的是 AI在這
04/26 01:25, 17F
→
04/26 01:25, 3周前 , 18F
種單一低複雜度的問題上 都能夠很快的給出答案 現在需要的是
04/26 01:25, 18F
→
04/26 01:26, 3周前 , 19F
工程師能有足夠大的邏輯窗口 來幫AI寫出的東西做減法 邏輯能
04/26 01:26, 19F
→
04/26 01:26, 3周前 , 20F
力 全局觀察能力 整理歸納能力 ... 在後AI時代才是被需要的
04/26 01:26, 20F
→
04/26 01:26, 3周前 , 21F
能在AI產出的一大堆代碼內 找出那些是不必要的 那些是可以合
04/26 01:26, 21F
→
04/26 01:26, 3周前 , 22F
併的 那些該開放 那些該封閉 等等
04/26 01:26, 22F
這個簡單問題只是舉例啦... 你今天可以把這個問題的複雜度上升到例如寫一個IG 如果今天一個工程師可以只用prompt就寫出一個IG，那他除了扎實的CS知識之外肯定也 了解許多AI工程技巧 包含到你說的如何不寫出多餘的code,如何偵錯,如何讓AI長時間運行...等等 這部分就是 prompt -> context -> harness engineering 目前這幾年大家研究的方向
推
04/26 01:54, 3周前 , 23F
舊時代的知識@@...
04/26 01:54, 23F
我覺得的確從2025開始software development就進入新時代了 不過為了避免有人反感，已修改文字
→
04/26 08:41, 3周前 , 24F
這問題最快解法就是整題貼給AI，一次prompt解決
04/26 08:41, 24F
這問題的前提是AI不知道最佳解答而你知道，但你不能用手寫
→
04/26 09:28, 3周前 , 25F
不過只是要考知識幹麻還用AI
04/26 09:28, 25F
因為這個題目(思想實驗)需要的解題能力同時需要CS知識以及AI使用能力
推
04/26 10:13, 3周前 , 26F
老實說真的要考，還不如訂一個實作題，考使用者如何
04/26 10:13, 26F
→
04/26 10:13, 3周前 , 27F
在標準的時間限制內配合ai實作出來。並同時觀察使用
04/26 10:13, 27F
→
04/26 10:13, 3周前 , 28F
者的token 用量與審code方式以及如何將架構設計傳達
04/26 10:13, 28F
→
04/26 10:13, 3周前 , 29F
給ai。相同時間內，有人需要訂閱premium 的方案才能
04/26 10:13, 29F
→
04/26 10:13, 3周前 , 30F
實作出相同品質，有人用20鎂就可以生出來
04/26 10:13, 30F
感覺未來軟體工程師的面試趨勢就是類似這樣
→
04/26 10:17, 3周前 , 31F
我腦袋中有code了就直接寫就好
04/26 10:17, 31F
假設你要寫一個module, 有10個class, 每個class 100行, 所以目標是寫1000行code 這些code你都已經想好了只差寫出來，但是你人的物理極限是1分鐘寫10行 所以-> 方案A: 你人手寫1000行完成module, 花費100分鐘 方案B: 你指揮AI,AI寫出來的code跟你想的完全一樣,AI每分鐘可以寫100行, 花費10分鐘 我個人覺得未來的趨勢是往方案B靠攏
推
04/26 12:36, 3周前 , 32F
我懂你的意思 但你舉的例不好 導致一直歪樓XD
04/26 12:36, 32F
我...我檢討... 我以為寫一大堆但書跟前提大家就會懂我的意思XD...
→
04/26 12:36, 3周前 , 33F
所以舉例的能力也是很重要的 連人類都很容易誤解了
04/26 12:36, 33F
→
04/26 12:38, 3周前 , 34F
我會在容易誤解的地方補上context 讓AI理解為何這麼做 能
04/26 12:38, 34F
→
04/26 12:38, 3周前 , 35F
更精準達成需求
04/26 12:38, 35F
推
04/26 12:56, 3周前 , 36F
以後人類插手越多AI就會錯的越離譜 以後都讓AI自己去講
04/26 12:56, 36F
推
04/26 14:21, 3周前 , 37F
我比較悲觀 你想想 只有人類能理解人類的需求 <- 這一點
04/26 14:21, 37F
→
04/26 14:21, 3周前 , 38F
真的合理嗎？憑什麼AI沒辦法將需求端也學起來 XD
04/26 14:21, 38F
我的理論(信念)是這樣子： 目前的LLM本質是transformer, 是文字模仿, 是文字接龍, 是機率 他能接出下一個正確的文字是因為這些都是『已經存在』的東西, transformer無法創造 他的training data中不存在的東西, 換句話說他無法『憑空』『創造』知識 而創造，則是我認為人之所以為人，智慧的本質 當然你也可以說根據scaling law, AI已經"湧現"出了能夠『創造』知識的能力 只是在我看來，只要LLM還是transformer，還是語言接龍，還是鸚鵡學說話模仿 那AI就還不能說是有『智慧』，而人類就還不會被淘汰 就像Steve Jobs曾經提過: "Good artists copy; great artists steal" AI目前還停留在Good的階段，所以目前AI沒辦法創造出下一個相對論，下一個愛因斯坦 但這只是我的信仰，意思就是我沒辦法提出很強烈的證據支持我的論點 希望能讓你不要那麼悲觀 回到你下面舉例的情況，我覺得更可能的情況是： ->你可以用AI完美複製IG的code，但你無法只用AI創造一個app取代IG在社會中的地位
→
04/26 14:21, 3周前 , 39F
老實說 目前人類還能插手的就架構跟需求 但這是目前
04/26 14:21, 39F
→
04/26 14:23, 3周前 , 40F
AI目前在中小型模組上已經穩贏人類的 缺的是大局觀
04/26 14:23, 40F
→
04/26 14:23, 3周前 , 41F
但這個說老實話也不難解決 光是用harness engineering做一
04/26 14:23, 41F
→
04/26 14:24, 3周前 , 42F
個團隊agents 由一個架構師AI指揮底下的sub agents 也可以
04/26 14:24, 42F
→
04/26 14:24, 3周前 , 43F
做到現在人類能做的事......
04/26 14:24, 43F
→
04/26 14:25, 3周前 , 44F
當然目前需求還是由人類開 但哪天AI連需求也都學起來了...
04/26 14:25, 44F
→
04/26 14:26, 3周前 , 45F
到最後肯定就是 人類只要出一個命題 AI自行分析需求 自行
04/26 14:26, 45F
所以最終需求不還是人類提的嗎XD 這邊需求是request的意思不是requirement
→
04/26 14:26, 3周前 , 46F
規劃架構 自行指派sub agents實作 自行review 自行迭代...
04/26 14:26, 46F
→
04/26 14:27, 3周前 , 47F
這是遲早的事 半年內或許就看得到了 唉唉唉唉
04/26 14:27, 47F
推
04/26 14:34, 3周前 , 48F
連PM跟架構師都失業嗎 太慘了..
04/26 14:34, 48F
推
04/26 14:43, 3周前 , 49F
同意
04/26 14:43, 49F
推
04/26 14:45, 3周前 , 50F
跟客戶溝通的經驗讓我覺得AI應該還是很難學溝通需求
04/26 14:45, 50F
推
04/26 15:04, 3周前 , 51F
同意
04/26 15:04, 51F
推
04/26 15:22, 3周前 , 52F
覺得AI還是很難跟客戶溝通+1
04/26 15:22, 52F
※ 編輯: gigayaya (1.163.108.32 臺灣), 04/26/2026 15:30:07
推
04/26 16:24, 3周前 , 53F
認同
04/26 16:24, 53F
→
04/26 16:25, 3周前 , 54F
以受薪階級角度來說，仍然有工作需求，但扛鍋範圍會變廣
04/26 16:25, 54F
推
04/26 16:25, 3周前 , 55F
ai現在通靈context大概還在eng 等級，不能到客戶因為產
04/26 16:25, 55F
→
04/26 16:25, 3周前 , 56F
品知識不一定夠
04/26 16:25, 56F
→
04/26 19:00, 3周前 , 57F
客戶最厲害的是 他自己想要什麼也說不清
04/26 19:00, 57F
→
04/26 19:00, 3周前 , 58F
你還要慢慢引導他 他想要的是什麼
04/26 19:00, 58F
推
04/27 00:28, 3周前 , 59F
解析得不錯，算是現在難得理性客觀討論的文章，推！
04/27 00:28, 59F
→
04/27 01:12, 3周前 , 60F
的確是人類提的 但那個人 不一定是你啊 XDDDDD
04/27 01:12, 60F
推
04/27 13:11, 3周前 , 61F
我是覺得兩年前的湧現其實是多層transformer架構下把更高
04/27 13:11, 61F
→
04/27 13:11, 3周前 , 62F
層次的理解變成單位元素，並實現跨越段落理解，讓AI更像
04/27 13:11, 62F
→
04/27 13:11, 3周前 , 63F
有智商，如果哪一天他們可以再下一步（繼續加大模型大小
04/27 13:11, 63F
→
04/27 13:11, 3周前 , 64F
）讓一整門學問都成爲單位元素的時候人類所謂的創意也沒
04/27 13:11, 64F
→
04/27 13:11, 3周前 , 65F
有用了。個人感受是創意其實只是不同面向去思考一件事情
04/27 13:11, 65F
→
04/27 13:11, 3周前 , 66F
，所以當人誇獎你有創意的時候只是說你「想事情的角度跟
04/27 13:11, 66F
→
04/27 13:11, 3周前 , 67F
他們不一樣」。當AI可以自己從各種角度切入的時候，各種
04/27 13:11, 67F
→
04/27 13:11, 3周前 , 68F
學問被攻略只是時間問題了
04/27 13:11, 68F
推
04/27 15:23, 3周前 , 69F
我覺得不確定性還是太大了,也可能是我太廢了...
04/27 15:23, 69F
→
04/27 15:24, 3周前 , 70F
想像中你限縮得夠好他給的答案會趨近唯一,但問題是
04/27 15:24, 70F
→
04/27 15:24, 3周前 , 71F
這不是一定
04/27 15:24, 71F
推
04/27 15:25, 3周前 , 72F
推樓上
04/27 15:25, 72F
推
04/27 19:11, 3周前 , 73F
我覺得ai夠聰明後你這些prompt 根本沒差
04/27 19:11, 73F
推
04/29 10:02, 3周前 , 74F
那麼霹靂車什麼時候才會實現呢
04/29 10:02, 74F
→
04/29 21:50, 3周前 , 75F
思路衍生的創造本來就很有power 不覺得ai能有創意
04/29 21:50, 75F
→
04/29 21:52, 3周前 , 76F
想事情角度不同恰恰是事情最終結果差異的起因
04/29 21:52, 76F
‣ 更多 gigayaya 的文章
文章代碼(AID): #1fxEDcj_ (Soft_Job)
Soft_Job 近期熱門文章
更多 近期熱門文章 >>
PTT職涯區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 gigayaya 的文章
文章代碼(AID): #1fxEDcj_ (Soft_Job)