本篇文章更新時間：2026/03/26
如有資訊過時或語誤之處，歡迎使用 Contact 功能通知或向一介資男的 LINE 社群反應。
如果本站內容對你有幫助，歡迎贊助支持 。
內容目錄
放慢速度，重新掌握我們的工程直覺
從《Thoughts on slowing the fuck down》談 AI 程式代理人的狂熱與後遺症
編輯前言：這篇文章值得一讀，因為它不只是批評 AI 代理人的技術限制，而是提醒我們：工程品質的瓦解，其實是「人類放棄節制」的連鎖效應。
核心觀點 (Key Takeaways)
- AI 代理人會讓整個軟體系統迅速累積不可控的複雜度，因為它們沒有「學習痛感」，也不會從過錯中成長。
- 大量自動生成的程式碼讓人類失去架構掌握力，最後導致所有人只能靠手動測試確認系統是否還能動。
- 真正有效的使用方式，是讓代理人做可控的小任務，而人類保留對架構與核心邏輯的主導權。
深入解析
作者回顧過去一年 AI coding agents 的爆炸性成長——從 Cursor、Aider 到一堆 autonomous agent frameworks——我們的產業似乎正被「寫更多程式碼」的快感帶著走。當 AI 能在幾小時內生出兩萬行程式碼，許多人就開始幻想：是不是只要丟幾個 agent，就能造出一個產品？
現實卻是：
“Companies claiming 100% of their product's code is now written by AI consistently put out the worst garbage you can imagine.”
作者點出的問題非常具體：
- 代理人會犯錯，而錯誤不會被自動糾正。人類也會犯錯，但人類會學、不會重複犯相同的低級錯。代理人則會在每個任務重新「發明」同樣的錯。
- 代理人不會控制自己產生的 complexity。它們從訓練資料中學到的，是人類工程界的「集體壞習慣」。
- 沒有 bottleneck 就表示錯誤會爆炸式累積。兩位工程師搭配十個代理人，能在幾週內累積相當於一家大型企業多年才會出現的程式複雜度。
- agentic search recall 過低——代理人找不到所有需要更新的程式碼，進而導致更多重複、更多錯誤、更多 inconsistency。
總結起來就是：
AI 程式代理人正把我們推向一個更容易失控的軟體世界，而不是更簡單的世界。
子標題 1：Clankers 不會痛，所以不會學
作者提出一個很有趣的觀點：人類會改善系統，是因為痛。痛來自於不得不面對某個問題。代理人無法感受 pain，也不負責整體架構，因此完全沒有改善的動力。
- 它們可以重複產生同樣的錯誤。
- 它們不會累積經驗。
- 它們也不知道哪些部分是「應該避免碰」的。
人類工程師建立直覺的方式，是透過理解整體架構並承受後果。代理人沒有這層學習過程。
子標題 2：真正的問題不是錯誤，而是複雜度
雖然人人都知道代理人會出錯，但作者提醒我們：「錯誤不是關鍵，複雜度才是」。
因為：
- 代理人在架構決策上做的是「局部最佳化」。
- 代理人之間彼此不共享 context，因此各自製造自己的 abstractions。
- 這些局部、小錯、小 duplication 最後累積成不可能維護的巨獸。
在大型企業，複雜度需要數年才成形；在 AI + 小團隊環境下，幾週就能出現同等級的地獄級 codebase。
筆者心得與啟發
讀完這篇文章，我最大的感受是：AI 並不是問題，放棄節制才是問題。
這篇文章並非在反對使用代理人，而是在提醒我們：
- 人類的工程直覺和思考速度，是軟體品質中不可替代的一部分。
- 快速產生大量程式碼不是價值，能理解並維護它才是。
- 「我不知道這段程式是怎麼來的」本身就是一個 architecture smell。
作者提到一句很值得反覆咀嚼的建議：
Slow the fuck down.
放慢速度，不是要變成手工藝人，而是保持那種「理解自己在做什麼」的能動性。這對我來說，有幾個實際啟示：
- 使用代理人處理可控的小任務，不碰架構核心。
- 限制每天讓代理人產出的程式碼量，確保人類能完整 review。
- 任何關乎系統「形狀」的事——架構、邏輯、資料模型——永遠由人手寫。
- 讓代理人成為「好用的加速器」，而不是「失控的自動化機器」。
這篇文章提醒我們：工程不是生產線，是思考和決策的藝術。寫程式不是越快越好，而是越清楚越好。放慢速度，不是落後競爭，而是確保未來能持續前進。
我們需要的是能用一輩子的 codebase，而不是兩週就崩壞的 agent soup。
這點，我想作者說得非常對。