Hacker News
This article argues that the principles of software engineering, often overlooked in favor of rapid prototyping, are making a comeback as the industry grapples with technical debt and the need for robust, maintainable systems.
AI 生成摘要
這篇文章認為，軟體工程的原則，過去常為了快速原型開發而被忽略，如今隨著業界應對技術債和對穩健、可維護系統的需求，正在捲土重來。
這篇由 Alain Di Chiappari 撰寫的部落格文章引發了 Hacker News 社群對於軟體工程本質的熱烈討論。作者主張隨著 AI 代理（Agents）的崛起，開發者應從繁瑣的程式碼撰寫中解脫，重新專注於高層次的系統設計與架構，並提倡捨棄過度複雜的框架，回歸簡單、純粹的技術棧。
社群對於「軟體工程回歸」的說法呈現兩極化的反應。支持者認為 AI 確實大幅降低了實作門檻，讓開發者能從「打字員」轉型為「協調者」。有資深工程師分享，在處理跨語言、跨框架的微服務架構時，記憶語法細節已成為沉重負擔，AI 能有效處理這些「膠水程式碼」與樣板文件，讓人類專注於解決業務邏輯。甚至有開發者提到，透過並行運行的 AI 工作流，一人能同時處理數十個任務，瓶頸已不再是產出速度，而是公司需求跟不上開發進度。
然而，反對聲音則質疑這種「黑盒化」開發的長期風險。批評者指出，軟體工程的核心在於對系統的關係理解、模型建立與溝通，而非單純產出程式碼。若過度依賴 AI，開發者將失去對系統細節的掌握，導致難以維護的混亂局面。有留言者分享自身經驗，雖然 AI 能快速生成網頁，但產出的 HTML 與 CSS 往往是難以維護的廢料，最終仍須回歸如 Svelte 等現代框架來確保代碼的預測性與可讀性。
關於「設計」的爭論尤為激烈。部分留言認為現代開發者過於依賴規格書與工單，失去了自主設計的能力；但也有人反駁，程式碼本身就是一種最精確的溝通語言，若無法精確描述系統行為，AI 只會根據模糊的提示做出錯誤假設。此外，編譯器的確定性（Deterministic）與 LLM 的隨機性也是爭議焦點。反對派認為，編譯器產出的結果是可預測的，而 AI 產出的程式碼每次可能都不同，這為系統的驗證與測試帶來了前所未有的挑戰。
有趣的是，討論中出現了關於「技能落差」的辯論。有人認為覺得 AI 不好用是因為缺乏協作技巧，就像從單打獨鬥的工程師轉型為管理多個執行緒的領導者，需要完全不同的心智模型。而另一派則堅持，真正的創新來自於對底層技術的深刻理解，若跳過「痛苦的撰寫過程」，開發者將無法在關鍵時刻進行有效的除錯或效能優化。
在討論串中，參與者提到了一些值得關注的工具與概念，包括標榜極簡、符合 Web 標準的開發框架 Nuejs，以及透過建立 AGENT.md 或 agents.md 檔案來為 AI 提供專案上下文的實踐方法。此外，也有人分享利用 Python 腳本封裝 GDB，讓 AI 能在批次模式下進行底層組合語言的除錯嘗試。