背景

這篇文章回顧了軟體產業自 1960 年代以來，不斷試圖透過新技術（如 COBOL、專家系統、第四代語言）來消除程式設計師需求的歷史。作者指出，儘管每一代人都認為當前的技術——如現在的大型語言模型（LLM）——是史無前例的突破，但實際上這只是過去六十年來不斷重複的循環：試圖簡化軟體開發、降低成本，並最終實現開發的民主化。

社群觀點

Hacker News 的討論圍繞著「民主化」的定義與 AI 是否真能打破歷史循環展開。部分評論者質疑，目前的 AI 浪潮與其說是民主化，不如說是權力的進一步集中，因為模型掌握在少數大型企業手中，個人開發者難以負擔訓練成本。然而，也有觀點認為，從非專業人士的角度來看，AI 確實降低了建立工具的門檻，讓缺乏時間與資金學習程式碼的弱勢群體能以更低廉的成本實現創意。這種爭論延伸到了對「民主」一詞的誤用，有網友指出，真正的民主關乎治理權而非僅僅是存取權，目前的 AI 工具更像是「租借」而非擁有。

針對 AI 是否能取代工程師，社群內存在明顯的分歧。支持者認為，過去的失敗是因為舊技術只是形式語言之間的轉換，而 AI 具備處理自然語言模糊性的能力，能像人類工程師一樣填補規格中的空白。他們分享了自動化處理 Jira 工單與提交 PR 的成功經驗，預言 AI 員工很快就會加入每日站立會議並領導團隊。然而，資深開發者則對此抱持高度懷疑，認為軟體工程的核心挑戰在於「精確性」而非「形式」。他們指出，AI 在處理非關鍵任務時表現優異，但在進入生產環境的「最後一哩路」時，往往會陷入無效的修復循環，且容易產生缺乏執行緒處理、身分驗證或安全防護的程式碼。

此外，社群也討論了「專業守門員」消失後的風險。許多人擔心，當新手依賴 AI 產生看似完美但結構脆弱的系統時，會造成維護上的災難。軟體開發不僅是達成需求，更是在硬體限制與業務邏輯之間進行調和。如果缺乏對底層原理的理解，使用者就像是「要求盲人拿著磚頭畫出蒙娜麗莎」。更有評論者冷峻地指出，這場 AI 革命與過去的「外包浪潮」極為相似，起初看似節省成本，但最終往往會在正確性與可維護性上付出慘痛代價。

延伸閱讀

留言中提到了 dataannotation.tech 等服務，指出 AI 公司正透過雇用大量專業工程師來對模型輸出進行評估與校準，試圖透過人工干預來建立專家的「防護欄」。此外，也有人提到「軟體再利用」（Software Reuse）的概念，認為 LLM 輔助開發本質上是軟體再利用的一種進化形式。