軟體開發的去技能化:從前端框架到 Agentic AI

目前圍繞著 AI 與程式設計未來的焦慮並非新現象。對於那些在過去十年投入前端開發的人來說,目前的 Agentic AI 轉型感覺像是經歷過的一個循環的重演。從手工打造的 HTML 和 CSS 到重型 JavaScript 框架的主導地位,反映了目前從手動編碼到 AI 生成軟體的轉型:兩者都承諾了效率與易用性,但也同時引入了技術工藝的系統性「去技能化」。

去技能化的機制

去技能化(Deskilling)是指透過引入由半熟練或非熟練工人操作的技術,從而消除熟練勞動力的過程。在前端領域,當瀏覽器不再是語義化標記(semantic markup)的目標,而開始被視為 React 或 Next.js 等框架的單純編譯目標時,這種情況就發生了。

以往,前端開發是一門專業學科,需要對瀏覽器特性、無障礙設計(a11y)、漸進式增強(progressive enhancement)以及網路效能進行深入了解。組件庫(component libraries)與框架的引入,讓通用的「全端」開發者能夠在不理解底層 DOM 或 CSS 特異性(specificity)細微差別的情況下構建介面。雖然這降低了進入門檻,但也削弱了專業開發者的議價能力,並且在許多情況下,導致了最終用戶體驗品質的下降。

現在,我們看到這種模式正在全球規模上重演。Agentic AI 正在使編寫代碼本身的行為去技能化。手動實作的熟練工作正被「駕馭」AI 的行為所取代。正如一位觀察者所說,這是 Stack Overflow 「複製貼上」時代的延伸——目標從理解手冊,轉向尋找一個「大概能用」的代碼片段。

漏洞百出的抽象層(The Tower of Leaky Abstractions)

這些轉型的支持者認為,他們只是透過更高層次的抽象來提高效率。然而,正如「漏洞百出的抽象法則」(Law of Leaky Abstractions)所暗示的,這些層級最終會失效,底層的複雜度會重新浮現。

前端漏洞

在現代前端開發中,抽象層往往以運行時效能與無障礙設計為代價,來換取開發速度。透過依賴重型的客戶端框架,開發者往往不再思考網站如何在低階行動裝置或慢速網路下運行。當網站對很大一部分人口變得無法使用時,抽象層就會「洩漏」,但開發者已不再具備在瀏覽器層級診斷問題的能力。

AI 漏洞

Agentic coding 或許是所有抽象層中最容易洩漏的,因為它是非決定性的。與編譯器不同,LLM 可以針對相同的提示詞(prompt)產生不同的結果。這創造了一種獨特的危險: 「vibe-coded」應用程式。這些產品表面上看起來很精緻,但缺乏架構完整性。

一位社群成員提供的深刻案例突顯了這種方法的風險:一家初創公司展示了一個由 AI 構建的應用程式,結果卻被投資人告知:「你們顯然是用 AI 構建這個的,因此任何其他想要這個產品的人也可以很快地用 AI 為他們構建。因此,你們試圖銷售的東西其實沒有任何價值。」

反對觀點:偶然的複雜度

並非所有人都將這種轉型視為一種損失。許多人認為,傳統主義者所哀悼的「深厚專業知識」實際上只是對「偶然複雜度」(accidental complexity)的掌握——即處理瀏覽器不相容性與不直觀邊緣案例的挫折感,而這些問題是標準制定不佳造成的,而非工藝本身的本質。

從這個角度來看,框架與 AI 並非在摧毀一門工藝,而是在移除「地雷區」般的舊有負擔。正如一位評論者所指出的,探討產業的目標是將重複性任務自動化。如果 AI 可以處理儀表板或表單的樣板代碼(boilerplate),它就能讓工程師專注於更高層次的系統設計與產品市場契合度(product-market fit)。

來自包浩斯運動(Bauhaus Movement)的啟示

當工業化在一個世紀前威脅傳統工匠時,包浩斯運動提供了一種第三種選擇。包浩斯運動並非拒絕工廠,也不是盲目模仿過去,而是尋求將藝術工藝與工業化量產結合。他們敦促設計師理解他們所使用的材料——鋼、玻璃、混凝土——即使最終產品是由機器製造的。

軟體工程師正面臨類似的十字路口。手動編寫代碼的能力相當於工業設計師對材料的知識。雖然 AI 可以單個文件內產出 3,000 行代碼,但只有理解底層架構的開發者,才能在 AI 生成的抽象層不可避免地洩漏時,修復該系統。

結論:工藝的未來

我們正在進入一個「技能門檻」比以往任何時候都更低的時代。現在交付一個可運行的原型(prototype)比以往任何時候都更容易,但交付一個高品質、可持續的產品比以往任何時候都更難。

產業可能會在短期內繼續獎勵「vibe-coding」和快速原型開發,因為商業成功與軟體品質之間很少有完美的相關性。然而,專業開發者的價值將從「生成」代碼的能力,轉向為「策劃、驗證與架構」代碼的能力。工具正在改變,但對深層理解的必要性,仍然是抵禦「AI slop」世界的唯一保障。

Sources