剩下唯有品味 – AI 生成程式碼如何改變工程師的手藝

TL;DR

AI 已讓生成看似合理的程式碼變得廉價，因此工程師唯一剩餘的稀缺技能是品味 —— 那種關於什麼才真正夠好且值得交付的、個人化且難以定義的判斷力。

牆壁已被出租

作者觀察到，傳統在構思與運作程式之間的障礙——數小時的打字、除錯與學習 API——已經崩塌。現代 LLM 可以透過自然語言描述在幾秒鐘內產生看似合理的實作。這種轉變並不抹除在攀爬那面牆時所獲得的經驗價值；它只是將其重新定位。

"You can describe a thing now and receive a plausible version of it much faster than you could have typed the first function by hand." – Taste Is All That’s Left

為什麼「夠好」是一個問題

這篇文章將「夠好」稱為一種溶劑，會溶解提升品質的動力。當生產成本高昂時，努力本身就是一種隱形的過濾器，確保只有通過了創作成本考驗的構思能傳遞給使用者。隨著摩擦力消失，過濾器也隨之消失，市場不再獎勵辨別品質的額外努力。

"Effort was a filter, and like all filters it was invisible until it was removed." – Taste Is All That’s Left

定義「品味"

作者將品味與單純的偏好區分開來。引用 Robert Pirsig 的 Quality 概念，品味被描述為一種在我們能夠闡述理由之前就已產生的、無言且壓縮的裁決：

"Taste is the compressed, wordless verdict you reach faster than you can justify. It is the ‘no, again’ you say to yourself with total conviction and no available argument." – Taste Is All That’s Left

因此，品味是 唯一無法被自動化處理的軟體工藝手藝。

摩擦力如何建立品味

根據本文，建立軟體開發的困難度曾扮演著課程的角色：

"The friction was not an obstacle to developing taste. The friction was the curriculum. Every wall I cursed while climbing it was, without my noticing, teaching me which walls were worth climbing." – Taste Is All That’s Left

反覆的失敗迫使工程師將優劣設計的模式內化化，從而建立起漸進式的判斷力。

經濟後果

當品味存在時，工程師交付的速度與那些沒有品味的人一樣快，因為拒絕看似合理但非最佳解的額外時間在市場指標中是不可見的。這造成了隱藏成本：

"Taste does not show up in the diff. It is unmeasurable, uncreditable, and invisible on a dashboard." – Taste Is All That’s Left

因此，維持高標準的工程師會承擔個人額外成本，而市場則獎勵原始的產出速度。

社群反應

@boron1006 指出 LLM 生成的程式碼往往缺乏訊號，迫使開發者必須閱讀數百字來理解一個模組。
@mdwelsh 表示認同，稱其自身辛苦建立的品味讓他對 AI 建立的 demo 感到懷疑。
@jdzikowski 將品味視為在匱乏中學習的課程，現在轉向了採用階段。
@madrox 認為 AI 縮短了品味的半衰期，將其從競爭優勢轉法變為一種商品化。
@agentultra 強調品味源於經驗與痛苦，而非單一的「no-again」決策。
@burnto 指出雖然任何人都能做任何事，但只有具備品味的人才能判斷什麼值得保留。
@sbloz 提出了實務上的策展任務：面對無限湧入的看似合理的輸出，使用者如何發現稀缺的訊號？

這些評論強化了核心主張：AI 移除了生產摩擦力，但並未取代人類的判斷力需求。

新的手藝：選擇而非建立

當製造業變得廉價廉價時，像 Ruskin 這樣的思想家曾詢問是否 everything 應該被製造出來。現代的平行對比是，選擇哪些 AI 生成的產物物應被保留，現在已成為主要的工程活動。

"The scarce act is no longer making. It is choosing. Deciding what, out of the endless generated plausible, seemingly to exist and be kept." – Taste Is All That’s Left

工程師的實務建議

投資於個人判斷力 – 將品味視為一種需要培養的技能，而非懷舊的遺物。
使用 AI 作為工具，而非取代品 – 提示 LLM，然後在交付前應用你自己的「no, again」過濾器。
記錄決策 – 由於品味在儀表板上是不可見的，因此應寫下明確的設計決策理由，以保留組織知識。
專注於策展 – 建立流程（如程式碼審查、風格指南、內部函式庫）來在 AI 生成程式碼的洪流中篩選出高品味的作法。
接受隱藏成本 – 意識到維持品質可能讓你變慢，但它仍然是一個無法被外包的差異化優勢。

結論

AI 已使程式碼生成民主化，將建立的行為變成了微不足道的步驟。真正的稀缺性現在在於人類辨別哪些產物值得存在的的能力——即作者所稱的品味。這種判斷力無法被自動化、衡量或外包，使其成為生成式 AI 時代下軟體工程師唯一持久的手藝。