在人工智慧 (AI) 時代，工程師的角色正經歷深刻的轉變。不再僅僅是編碼員，工程師開始將更多精力投入到定義問題和審查 AI 產生的輸出上。這種轉變反映了 AI 技術在軟體開發流程中日益重要的地位。Anthropic 的 Claude Code 負責人 Boris Cherny 的經驗便是個絕佳的例子。他透過採用「Multi-quading」模式，讓多個 AI Agent 並行運作，每天能夠提交大量的拉取請求（Pull Request），這表明 AI 能夠高效地生成程式碼，而工程師則轉向更策略性的任務。
隨著 AI 能夠處理越來越多的編碼工作，準確定義問題將成為工程師最關鍵的技能。Anthropic 的策略強調了這一點，他們專注於開發六個月後的模型，而不是修補當前模型的缺陷，以確保系統的通用性。這種方法突顯了工程師需要具備前瞻性思維，能夠預見未來需求並將其轉化為清晰、可操作的問題。工程師需要深入了解業務目標、使用者需求以及技術限制，才能有效地指導 AI 產生有價值的解決方案。此外，還需要能夠識別潛在的風險和挑戰，並在問題定義階段就加以解決。
除了定義問題，工程師還需要負責審查 AI 產生的輸出，確保其品質和準確性。這不僅僅是檢查程式碼是否能夠執行，更重要的是評估其是否符合預期的功能和效能。工程師需要具備批判性思維，能夠識別 AI 可能存在的偏差或錯誤，並提出改進建議。這需要對軟體開發的各個方面都有深入的了解，包括程式設計、測試、部署和維護。隨著 AI 在軟體開發中扮演更重要的角色，工程師的審查能力將成為確保產品品質的關鍵。
This is a simplified version of the page. Some interactive features are only available in the full version.
本頁為精簡版，部分互動功能僅限完整版使用。
👉 View Full Version | 前往完整版內容