本篇文章更新時間：2026/03/05
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
Agentic Engineering Patterns 精華筆記：在 AI 時代重新理解「程式開發」
編輯前言：Simon Willison 的這篇文章雖然篇幅精簡，但它勾勒出的其實是一套「如何與 AI 程式代理（coding agents）協作」的工作框架。對於正在使用 Claude Code、OpenAI Codex 或其他 AI 工具寫程式的人來說，這些模式值得反覆思考。
來源文章：Agentic Engineering Patterns - Simon Willison's Weblog
核心觀點 (Key Takeaways)
- 寫程式變便宜了：AI 讓「嘗試」變得低成本，探索性開發因此更重要。
- 把自己擅長的事集中管理：作者強調要「囤積」自己知道怎麼做的事情，因為這些能讓你更有效率地指揮 AI。
- 避免常見反模式：例如過度依賴模型、沒有提供足夠上下文等。
- 測試導向的開發會變得更重要：TDD（red/green）依然有效，甚至因 AI 的存在而更關鍵。
- 理解程式碼需要新的方法：像是線性 walkthrough 或互動式解說。
深入解析
Simon 這篇文章有點像是一本「索引」，把他近期在研究 coding agents 的心得整理成架構。雖然內容大多是章節標題，但光看分類就能感覺到他正在建立一套方法論。
核心精神是：AI 能寫很多程式碼，但人類需要提供方向、建立檢查機制、並掌握知識庫。
以下是我從每個區塊延伸出的理解：
-
寫程式變便宜了：當生成程式碼的成本趨近於零，與其糾結於「寫得漂不漂亮」，更重要的是清楚描述意圖、快速實驗、快速測試。這讓我想到過去大家常說「寫程式是最便宜的事情，設計才是最貴的」。現在 AI 讓這句話更加明確。
-
囤積技能與範例：作者提到「hoard things you know how to do」，我解讀為：把你知道的指令、腳本、常用 pattern 集中起來，當作 prompt 的素材。AI 很強，但如果給的 context 不夠，它就無法達成高品質的結果。
-
測試與 QA：因為 AI 的輸出具有不穩定性，測試反而成為品質保證的核心。文章中列出 Red/Green TDD、先跑測試等模式，代表作者認為未來工程師會更重視「如何驗證程式碼」，而不是「如何撰寫程式碼」。
-
理解代碼的方式也在變：像是線性 walkthrough（逐步走過程式碼）或互動問答，都是現在 AI 非常擅長的能力，能用來理解既有系統或不熟悉的程式碼庫。
筆者心得與啟發
這篇文章雖然只是骨架，但它點出了 AI 時代工程師的三個關鍵能力：
- 能夠描述問題（problem framing）：因為程式碼由 AI 生成，你要把更多時間花在說清楚「你要什麼」。
- 能夠驗證品質（testing & QA）：測試技能比以往更加基礎。
- 能夠管理知識（context management）：越懂得提供上下文，你越能發揮 AI 的力量。
對我而言，最深的啟發是：我們應該開始把 AI 視為「協作工程師」，而不是「工具」。這代表我們要建立流程，讓人與 agent 能相互補強，而不是期待 AI 一次完成所有事情。換句話說，工程思維正在從「寫程式」轉向「編排 agent」。
未來我也會嘗試將自己的常用程式設計 Pattern、Prompt、測試規範整理成可重複利用的資源，讓 AI 能更懂我、也更有效率地幫我寫程式。