Tony Yeh

我在跟同事 1-on-1 時，會問他們一個問題：

「在使用 Claude Code 之後，有什麼事情是你會，但它做不到的？」

我必須強迫他們思考，自己應該用什麼角色使用 Claude Code，又該怎麼跟它協作。

如同前面的文章所說，太多人已經放棄思考了。

他們把自己當成一根大水管，直接把我口頭交代的需求塞進 prompt，接著等待 Claude Code 產出結果，再原封不動拿出來交差。

Input 和 Output 都不經過大腦。

如果你的工作只是把需求轉貼給 AI，再把 AI 的答案轉貼回來，那你只是一個會行走的聽打工具人，純純地浪費電和 token。

軟體工程師還剩下什麼價值？

我認為答案包括：

• 把模糊的需求拆解成具體的 task，也就是 Ask What
• 定義邊界條件、input、output 和驗證方式
• 保持好奇心，也就是 Ask Why
• 持續追問：為什麼要這樣做？有沒有更好的方法？這個指令本身是對的嗎？真正想達成的目的是什麼？
• 善用 AI 工具的進化，不斷優化自己的工作方式
• 拆解流程，把大目標切成幾個可以驗證的小流程，分段交給 AI 執行，再逐步驗證
• 運用自己對專案的經驗和記憶，找到 AI 不知道的脈絡
• 判斷這個問題是否應該用目前的方式解決，而不只是檢查程式碼表面是否正確

例如，某個 issue 可能是這個禮拜才出現的。AI 不一定知道完整背景，但你知道這個禮拜進了哪些可疑的 commit，也知道哪些模組最近被改過。

你可以根據經驗縮小範圍，找出最可能的原因。

Claude Code 可以幫忙讀 code、找語法問題、追蹤 call flow，甚至提出修改方式。但它未必知道：

• 這個問題到底該不該這樣解
• 這個修改是否符合整體架構
• 這個設計是不是只修掉表面症狀
• 這個解法會不會讓未來維護成本更高
• 這件事情在目前專案裡，是否真的值得做

AI 可以幫你 review code，但只有真正理解專案的人，才能 review「這件事情是否應該這樣做」。

Claude Code 沒有縮小差距，反而放大了差距

原本我以為，引入 Claude Code 之後，同事之間的能力差距會被抹平。

但事實完全相反。

差距反而被放大了。

有些思維邏輯好的 junior，會保持足夠的好奇心。遇到問題時，他會嘗試不同方法繞開障礙，不斷調整 prompt、驗證結果、重新設計實作方式。

以前限制他的，可能只是寫 code 的速度。

現在這個限制被拿掉之後，他可以直接變成原本的十倍強。

當「寫 code 的速度」不再能封印一個有想法的人，他的成長速度會非常驚人。

但一個腦袋僵化的 senior，可能只進步 1.5 倍，甚至完全沒有進步。

原本會撞上的牆，他現在還是照樣撞上去。只是撞牆之前，多產生了幾千行 AI 寫的 code。

我仍然無法放心地把 task 交給他。

所以真正重要的，從來不是你會不會使用 Claude Code。

重要的是，你怎麼想這個問題，以及你能不能問出一個好問題。

不要把自己的思考外包給 AI

另外一件很讓我詬病的事情，是有些人開始用 AI 寫報告。

對我來說，週會上每個人的報告，是最適合表達自己的時刻。

我想看到的是你本人的思維路徑：

• 你怎麼理解問題
• 你做了哪些選擇
• 你遇到什麼困難
• 你怎麼解決
• 你如何表達自己的成果

報告應該要有你本人的味道。

結果有些人平白放棄了這個機會，讓 AI 幫自己寫出一篇機械式、毫無感情的文字。

更糟的是，他自己還不求甚解。

問到最後，答不出來，就把責任推給 AI，說：「這是 AI 寫的。」

這種行為，對我來說，就是一種懶惰。

你可以讓 AI 幫你整理文字，但不能把自己的思考、判斷和責任一起外包出去。

如果一份報告不是你的觀點，你也無法解釋裡面的內容，那這份報告寫得再漂亮都沒有意義。

AI 讓我更難容忍沒有進步的人

說來也滿妙的。

在導入 Claude Code 之前，我原本對於做事比較慢條斯理的同事，忍受力其實很高。

「慢條斯理」已經是比較好聽的說法。

但導入 Claude Code 之後，他們的工作方式還是沒有明顯進步，甚至反而讓我更清楚看到他們的惰性。

以前還可以說，寫 code 需要時間、查資料需要時間、熟悉 framework 需要時間。

現在很多執行層面的限制都已經被大幅降低了。

如果一個人還是沒有辦法更快地理解問題、更有效地驗證結果、更主動地推進工作，那問題可能早就不是工具或能力，而是態度。

這件事會讓我感到厭惡。

因為工具已經把很多藉口拿掉了，但有些人只是換了一種方式繼續停在原地。

AI 不只放大一個人的能力，也會放大一個人的惰性。

五年、十年後，工程師還剩下什麼？

AI coding agent 才發展一年多，就已經強成這樣。

我甚至已經開始考慮，未來是不是可以不用再聘那麼多人，甚至可以讓一些人離開，把 token 和資源留給真正需要、也真正能發揮價值的人。

這句話很殘酷，但這就是我目前真實的想法。

我很難想像，五年、十年後，AI 能不能做到更高層次的思考。

現在我們還可以說，AI 不懂完整的專案脈絡、不會真正承擔責任、不知道組織內部的限制，也無法完全判斷一個架構決策是否合理。

但這些能力，未來是不是也會逐漸被補上？

我不知道。

我只知道，到那個時候，工程師必須再把自己往上提升一個層次，才能保有自己的價值。

當 AI 開始接手執行，人就必須往問題定義、判斷、驗證與責任的方向移動。

你不能只證明自己會寫 code，而是要證明：有你在，事情才會被正確地做成。