背景

本文探討了軟體開發中「工匠精神」的流失。作者引用社會學家 Richard Sennett 的觀點，認為工匠透過與材料的直接對話（即動手實作）產生「物質意識」，而當 AI 接管編碼工作時，開發者將失去對系統底層邏輯的感知，導致產品變成無法解釋的黑箱，最終陷入「電腦說不」卻無人能解釋原因的困境。

社群觀點

針對 AI 是否會削弱開發者對系統的理解，Hacker News 社群展開了多層次的辯論。部分討論者深有共鳴，認為這種「物質意識」的喪失並非 AI 時代特有，過去開發者晉升為團隊領導者時，往往也會因為脫離第一線代碼而失去對系統細節的掌握。這種現象在科學研究中同樣存在，當研究者僅負責整合他人的成果而非親自推導時，對研究過程中的困難與細微差異會變得感知遲鈍。支持者強調，編碼過程中的「阻力」與「修正」正是建立深刻理解的關鍵，若將這一切外包給 AI，開發者將無法判斷架構的優劣，更難以在系統出錯時進行深層次的除錯。

然而，另一派觀點則認為這種擔憂過於守舊。有開發者指出，AI 其實能釋放人力，讓工程師將精力從繁瑣的語法細節轉移到更高層次的「業務上下文」與利益相關者的溝通上。他們認為代碼從來不是限制因素，業務邏輯才是，AI 甚至能扮演導師的角色，協助解釋複雜代碼或追蹤調用鏈，反而讓開發者比以前更了解系統全局。這種觀點主張將 AI 視為「鍵盤的延伸」而非「眼罩」，只要保持精確的架構引導與迭代，開發者依然能維持對產品的掌控。

此外，社群也對「自然語言作為編程介面」提出了質疑。有評論指出，英語本身是不精確且非模組化的，用自然語言描述複雜演算法或精確介面往往比直接寫代碼更累贅。LLM 被視為一種極具「洩漏性」的抽象層，它產出的代碼可能充滿邊界案例錯誤或難以維護的義大利麵條式結構。與 C 語言等高階抽象不同，編譯器的錯誤通常是可預測且穩定的，但 AI 的輸出具有隨機性，這使得它難以像傳統工具那樣建立起長久的信任。

最後，討論也延伸到了商業現實。有觀點冷峻地指出，企業高層之所以熱衷於 AI，是因為對他們而言，軟體產品早就是一個黑箱，他們並不在意開發者的工匠情懷，只在意產出速度。這種「黑箱化」的趨勢或許不可逆轉，直到系統大規模崩潰或無法維護時，人們才會重新意識到人類理解力的價值。

延伸閱讀

• Little Britain Skit: 標題「Computer Says No」的出處，源自英國喜劇《小不列顛》中諷刺官僚主義與過度依賴電腦系統的經典橋段。