Re: [閒聊] AI時代如何保持對軟體的熱情

[gigayaya (gigayaya)]

※ 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->
『告訴AI你腦袋中的code然後生產出來』

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 mmmmO:靠 害我嚇到想說啥時有po文
→ mmmmmO:嫩 我比你長一點
→ Ommmmm:靠北喔
→ mmmmmO:69
--
※ 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 zys: 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
→ zys: 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
→ zys: 來 應該是把腦中的想法實作出來
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

→ weiman0702: 我看完簽名檔就忘了你說啥
推 dani1992: 這個最佳標準是什麼？
→ dani1992: 最低複雜度，那應該用公式解
→ dani1992: 好理解，我覺得遞迴比迴圈好，有tail optimizaiton下
→ dani1992: 複雜度也一樣
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 dani1992: 要更快更精準還有矩陣快速冪跟fast doubling
推 dani1992: 恩 我覺得在這個例子上不需要CS知識，知道產品需求比較
→ dani1992: 重要，知道需求那空間時間複雜度都交給AI即可
→ dani1992: 你有假設AI沒有訓練這點，但大部分情況都是相反吧
→ dani1992: 工程師知道的比AI少，所以同樣自作主張縮減題目不一定
→ dani1992: 比較好
推 wulouise: 工程師最需要的是問對的問題，也沒錯
噓 MoonCode:
推 ku72: 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
→ ku72: 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
→ ku72: 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
→ ku72: 力 全局觀察能力 整理歸納能力 ... 在後AI時代才是被需要的
→ ku72: 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
→ ku72: 併的 那些該開放 那些該封閉 等等
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 viper9709: 舊時代的知識@@...
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
※ 編輯: gigayaya (1.163.108.32 臺灣), 04/26/2026 03:01:57