背景

這篇文章探討了軟體開發的本質困難，挑戰了當前「AI 讓開發變得輕而易舉」的流行論調。作者認為，雖然現代工具能快速產出原型，但構建穩定、可擴展且具備商業價值的軟體依然需要深厚的專業知識與面對困難的韌性，並將學習過程比喻為肌肉訓練，必須經過阻力才能成長。

社群觀點

Hacker News 的討論呈現出極為兩極的看法。支持原文觀點的開發者認為，軟體工程的核心價值不在於撰寫程式碼，而在於處理安全性、基礎設施維護、權衡需求以及控制系統複雜度。許多資深工程師指出，AI 工具雖然能加速簡單任務，但在處理新穎或高度複雜的問題時往往顯得力不從心。他們擔心過度依賴 AI 會導致開發者喪失逐步拆解問題的能力，甚至將這種現象比喻為一種「注意力賭場」，讓人沉迷於快速產出的假象，卻忽略了對系統底層邏輯的深刻理解。

然而，另一派觀點則認為開發門檻確實正在大幅降低。有留言者分享自己完全不具備特定語言技能，卻能透過 AI 成功在 App Store 上架營運中的產品並獲得收入。他們主張「構建軟體」與「交付穩定軟體」是兩回事，AI 已經讓前者變得極其簡單。對於這些支持者來說，硬體效能的飛躍與現代框架的成熟，讓開發者可以容忍某種程度的「懶惰」或不完美的程式碼，這在過去資源受限的時代是無法想像的。

關於開發難度的演變，社群中也有一場關於「過去與現在」的精彩辯論。有人懷念 90 年代雖然技術手冊有限，但系統層級較少、邏輯清晰的開發環境；對比今日，雖然工具鏈極其強大，但抽象層過多且技術更迭過快，導致新手面臨嚴重的認知負荷。此外，市場競爭的維度也發生了變化，過去只要做出產品就能吸引用戶，現在則需要龐大的行銷預算與極高的美術水準才能在飽和的市場中生存。

最後，討論也觸及了產業結構的變遷。有觀點指出，目前初級職位的減少未必全因 AI 取代，也可能是後疫情時代的經濟收縮。但不可否認的是，企業對於「培訓新人」的意願正在下降，這造成了人才斷層。未來軟體工程師的角色可能會轉向「管理多個 AI 助理的專家」，但這也引發了一個悖論：如果沒有經過底層磨練的「阻力訓練」，未來的專家該如何從新手成長起來？

延伸閱讀

• Ikigai 模型：討論中提到尋找職業熱情與專長交集的四圓模型。
• Claude Code 與 Cursor：留言者針對不同 AI 程式碼編輯器的 RAG 實作與 token 經濟學進行了比較。
• Zen Mind, Beginner's Mind：引用禪宗觀點討論專家與初學者在面對新工具時的心態差異。