AI 能快速生成程式，但工程能力不會憑空出現

有人說，現在有了 Vibe Coding，人人都能寫程式。

但我其實更擔心的是：在這個時代，連我的孩子未來是否還有耐心從 Hello World 開始學，我都沒有十足把握。當你還在一步一步學語法、搞懂迴圈和資料結構時，別人可能早就把網站架好了、介面做出來了，甚至連作品集都上線了。

所以我一直在想，到了這個時代，程式到底該怎麼教？

我並不否認 Vibe Coding 的價值。它確實讓很多人第一次感受到，原來「做出一個東西」的門檻可以降得這麼低。只要描述需求，AI 很快就能幫你生成一個網頁、一個小工具，甚至一個看起來頗完整的系統原型。這種速度，確實很吸引人。

但問題也在這裡。多數時候，Vibe Coding 做出來的東西，仍然比較像玩具、作業，或展示用的 prototype。它可以跑，不代表它穩定；它看起來完整，不代表它真的可維護、可擴充；它甚至可能在 demo 的時候很順，真正上線後卻漏洞百出。

真正要把系統做得穩、做得久，而且每一步都盡可能接近正確，靠的就不只是「叫 AI 幫我生出來」，而是更完整的工程能力。

如果從淺到深來看，我會覺得這幾年其實慢慢出現了幾個不同層次。最表層的是 Vibe Coding，也就是我描述需求，AI 幫我快速生成結果。再往上一層，是 prompt engineering，意思是你不只是隨便丟一句需求，而是能更精準地下指令，讓輸出更接近你真正要的東西。

但再往下走，事情就沒那麼簡單了。所謂 context engineering，重點已經不是「怎麼說」，而是「模型在這一步到底看到了什麼」。很多錯誤不是因為模型不會，而是因為它沒有看到應該看到的資訊，或者看到了太多雜訊。你要有能力幫它整理上下文，控制資訊流，減少誤判與遺漏。

而最近大家開始談的 harness engineering，就更接近真正的工程現場了。這時候你已經不只是在下 prompt，而是在設計整個 agent system 的工具鏈、流程、驗證、追蹤，甚至是失敗後怎麼修復。換句話說，你不是在「叫 AI 做事」，你是在把 AI 放進一個可約束、可驗證、可追蹤的系統裡，讓它能比較可靠地運作。

這幾個詞看起來很新，但它們其實都在說同一件事：真正困難的，從來都不是把東西生出來，而是讓它在真實世界裡可靠運作。

問題是，新人最缺的往往不是工具，而是場域經驗。他不知道什麼叫做好，無法判斷結果是否可靠，也不理解真實世界裡有哪些規則、限制與風險。於是，他不只 prompt 下不好，更不可能有效指揮 AI 去完成流程設計、結果驗證與例外處理。以通訊工程來說，這個現象非常明顯。例如，AI 幫學生生出一段無線通訊模擬程式，BER 曲線也畫出來了。但學生可能沒意識到：SNR 定義是否一致？通道假設是否合理？這需要的是經驗、判斷，以及對系統本質的理解。

我們不一定要把學生都訓練成最會手刻每一行程式的人，
但我們應該把他們訓練成：

• 看得懂系統限制的人
• 知道如何驗證結果的人
• 懂得拆解問題的人
• 知道什麼時候不能相信模型的人
• 有能力把 AI 納入可靠工作流程的人

這樣的人，未來不只是會用工具。他才真的有能力，去做出能進入現實世界的系統。