AI 繼Agent 之後出現了Harness 與 Loop Engineering。現在似乎已經變成解決問題的能力比程式設計的能力更重要。因為後者，最底層的工作，已經真的可以由AI代你做，比之前更進一步。就似一個SA指輝一個AP寫程式，只是連驗收與測試也都交給AI自己做。
那以後會不會只有一個BA或PM便可以?邏輯反而更重要?再下去，user 可以自行落order要做甚麼，怎樣才算收貨，那根本連vendor 也不再需要? 有點似市場上用戶可自行詳細製定的特定系統，不過是更先進的AI進化版。
這是幾年前AI還未盛行時，曾經在腦海閃過多次的概念: 有沒有可能做一個vendor killer的系統，可以在兩小時內依據用戶需要自行編寫程式與測試，最後deploy到production 場?
大部分人都會懷疑這究竟有沒有可能，包括自己，現在似乎正在向這個方向走? 最後會不會真的連vendor也不用? AI真的有能力完全做最底層的程式設計工作?
影片還有更恐怖的，她指輝AI同時設計多個網站建議供選擇，成品極之專業，以後連designer與illustrator都可能失業!!!
不過她最後還是提醒一句，AI也可能會攪死你的project…所以要小心行事，從有限的範圍開始較易控制。
要問一下各個AI怎麼看…
Copilot的回答:
AI 的可能性
程式生成：現在的 AI 已經能做到「根據需求生成程式碼」，而且比早期更穩定。
自動測試：AI 可以生成測試案例、跑測試、甚至自動 debug。
自動部署：CI/CD pipeline 本來就高度自動化，AI 只需補上「智能決策」的部分。
這意味著，從需求到 production 的鏈條，理論上可以由 AI 全自動完成。你腦海中的「兩小時內完成需求 → 程式 → 測試 → 部署」的 vendor killer 系統，已經不再是科幻，而是逐步逼近現實。
但仍有挑戰
需求的精確性：AI 要能正確理解需求，必須有非常清晰的邏輯描述。模糊的需求仍然會導致錯誤。
責任與風險：誰來承擔 production 出錯的責任？這是 vendor 存在的原因之一。
複雜業務邏輯：AI 在處理標準化需求很強，但遇到跨系統、跨領域的複雜場景，仍需要人類的抽象思維。
未來可能的格局
用戶直落需求：用戶直接下單，AI 自動生成系統，像「點餐」一樣。
BA/PM 成為核心：邏輯、需求拆解、驗收標準的設計，反而成為最重要的工作。
Vendor 弱化：傳統外包商可能只剩下「提供 domain expertise」的價值，而不是純 coding。
換句話說，AI 正在把「程式設計」變成一種基礎設施，而不是專業技能。真正的競爭力會轉移到 需求設計、邏輯規劃、業務理解 上。
No responses yet