用AI提高工程师的生产力，初阶、资深与独立开发者的三种不同做法

用AI提高工程师的生产力，初阶、资深与独立开发者的三种不同做法

如果你是软件工程师，相信应该使用过GitHub Copilot等AI辅助开发工具，或是要求ChatGPT生成过程代码。许多目标明确、不需要复杂思考的的代码，很适合交由AI生成，不仅省时也省下精力。

由于我是iOS与前端工程师，近期很常要AI生成“动画”——动画的代码简单、目标也明确，但是参数很多，每次都要重新查一次。以前时程紧迫时，常常直接省略动画，或改用最简单的淡入淡出；但现在有了AI，可以快速生成基本且合用的动画，我只需要微调参数即可。这让产品体验与完成度提升了一个档次。

当然，工程师的工作并不仅止于“生产代码”，在写代码以外，AI也能协助不同层面的工作。对于“工程师如何运用AI提高生产力”，本文将按照工程师的职涯与类型，分别讨论初阶工程师、资深工程师与独立开发者可以怎么运用AI增强自己的表现。

初阶工程师：与AI共学

有个流传起码十年的老笑话是：工程师每天的工作，就只是去Google现成的解法，然后复制贴上StackOverflow；如今，这个笑话可能会被改成“复制贴上ChatGPT生成的结果”。

Stack Overflow甚至把这个笑话“具现化”成一个真的产品。（图片来原：Stack Overflow）

初阶工程师的工作，大多是完成指定的明确任务，并从中学习技术与协作能力。ChatGPT问世后，许多讨论围绕在“初阶工程师是否会被AI取代”。然而我认为空，AI目前对于初阶工程师来说，更重要的是多了共学的伙伴，而得以加快学习速度。

为了成长，初阶工程师不能只满足于完成任务，更要寻求从任务中，尽可能学到更多。关于如何透过AI加速学习，我有三个想法：

不要停留在“复制贴上”

过往初阶工程师很依赖Google搜寻或是在StackOverflow找答案，如今多了一条“问AI”的管道。AI的优势在于，可以不断生成代码，并且详细解释不同的写法，因而省去了许多搜寻的时间。

但是，正如同从StackOverflow复制贴上代码永远不是学习的好方法，从ChatGPT复制贴上代码，也不会让人自动变成更好的工程师。不论过去与现在，学习路经在本质土并没有不同：遇到问题、寻找解法、尝试错误、彻底理解。学习的最好办法，是多花一些时间，搞清楚为什么代码能动；甚至“故意试试看别种写法”，不论是写错或意外发现另一种思路，都有助于理解背后的原理与逻辑。

与AI讨论：这是最好的写法吗？

学习写代码时，应该不断反问：这是最好的写法吗？不要假设AI写出来的就是完美解，就如同我们不该假设StackOverflow上网友的写法是最佳解。

如果把AI视为共学伙伴，可以直接问它为什么这段代码正确（或错误）。例如，可以直接说明“我正在学习怎么写代码，还有没有其他种写法？”“每种解法的优劣势在哪里？”并从中学理解不同写法间的差异。

AI的表现反映使用者的能力

值得一提的是，AI的产出品质，实际上与使用者的能力相关。当使用者自己懂得越多，就越能引导AI生成正确的代码。

举个例子，由于我相当熟悉iOS与前端开发，有时候当我要求AI生成时，会直接指定我认为最合适的API、function或程序逻辑。而如果没指定，AI通常无法第一次就写出最好的解法，或是因为缺乏脉络而写出错误的代码。

这也是另一个不该直接假定AI写出完美解的好理由——作为初阶工程师，很可能根本不知道该怎样问问题，才能得到真正的答案。更好的做法是自行研究后，将找到的资料放入prompt内，将AI视为讨论对象而非解答机器。

资深工程师：专注力重新分配

对于资深工程师而言，撰写代码已经不是主要的工作。在AI减轻了部分写代码的工作量后，资深工程师可以将更多精力，投入于架构、技术选用、产品与使用者等具有更大综效事顶上。AI对于资深工程师带来的生产力提升，不只是“节省了一些时间”，而是透过专注力的重新分配，释出更多潜在价值。

而这也是Sam Altman在Bill Gates的Podcast上提到的：“如果让工程师的效率变成三倍，这不只是让他们可以做三倍的事，而是让他们可以用更高的抽象层次做事，使用更多的脑力。就像从打孔卡到高阶程序语言，不只是写程序快一点，而是可以做出性质上截然不同的全新事物。”

知名电子报《The Pragmatic Engineer》在2023年有一篇文章《Measuring developer productivity? A response to McKinsey》，作者Gergely Orosz和Kent Beck讨论应该怎样衡量工程师的生产力。他们建构了一个模型，将生产力分为“努力（Effort）”→“产出（Output）”→“成果（Outcome）”→“影响（Impact）”。愈后面的生产力，愈难设立指标追踪，但是和团队或公司的目标愈一致。

这是参考原文重绘的版本。

当AI愈来愈擅于生产代码，单纯的“努力”或“产出”已经不足以用来判别工程师的生产力。资深工程师，得以将更多心力放在产出“成果”与“影响”，在更高层面帮助团队。

独立开发者：成为全能个体

AI或许对于独立开发者、小团队内的工程师，有最大的加成。过往需要跨部门合作的任务，现在有许多都可以由单人完成，如：内部工具的UI设计、图片生成、翻译等。单一个人的覆盖范围扩大，对于新创或独立开发者而言是显著的生产力提升。

随着AI能力不断扩大，未来包含语音、音乐、UI设计，都可能直接交由AI。届时，我们或许将能看到Sam Altman预测的“价值10亿美元的一人公司”——借助AI的能力，只靠著创办人一个人，便做到10亿美元的市值。

AI最适合“有品味，但缺乏技术的人”。对于能分出图片的美丑，但自身没有绘图能力的人，可以利用AI反复生成，再从中间挑选出品质够好的图片，作为人力不足时的替代方案。AI翻译也因为可以考量情境与脉络，得以加速国际市场的推展，在商业层面帮助独立开发者与新创团队的成长。

当然也不只是工程师，才有机会享受AI的加成。PM、UI设计师、营销……不同职务的人，只要能定义出自己想做的产品，并且学会基本阅读与修改代码的技能，并可能与AI一起开发产品。

AI并非取代，而是增强

相较于“AI将取代什么工作”，我更常将AI视为可以大幅提升能力的工具，如同耕耘机之于农业、广播之于音乐产业。即使在可预见的未来，将会出现足以自行完成任务的软件工程师agent，我也不认为工程师会因此被取代。届时的“工程思维”将会与现在相当不同，工程师与PM的界线将进一步模糊，如何与AI协作并产生影响力。

况且，人类很擅长“发明工作”。一旦每个人的生产力提升，我们将开始着手解决那些原先被视作“不可能”的问题。相较于担忧现在的工作被AI解决完，我更期待能够解决那些从来未曾想象过的问题。