LLM 的發展一日千里，從最初僅能拼湊零碎的程式碼片段，到如今已能從無到有，直接生成一個功能完整的專案。

當程式碼的「生產」任務逐漸轉移給 AI，工程師的核心價值從撰寫轉向 Review 與指導。在這樣的轉變下，我認為一個關鍵的差異化能力是——品味

這不僅僅是產品的品味，更包含技術選型的品味、架構設計的品味，甚至是團隊招募的品味。

品味到底是什麼？

我認為品味必須經過以下幾個階段：

1. 輸入 ： 廣泛涉獵各種領域的知識、設計模式、架構典範與產品案例。不只是看「怎麼做」，更要理解「為什麼這麼做」
2. 累積 ： 將輸入的資訊系統化，在大腦中建立連結與分類，形成自己的心智模型
3. 嘗試： 將理論付諸實踐。親手打造產品、設計架構、解決問題，在過程中驗證或推翻自己的假設
4. 內化： 從成功與失敗中提煉反思，總結出屬於自己的原則與模式

最終，這一切會在你心中形成一套價值判斷的標準與決策直覺。面對問題時，你能快速地感受到「好」與「壞」，並說出背後的理由。當然，在現在這個時代也有很多失效的經驗，知行合一永遠是不變的法則。

很多人說 AI 能夠取代軟體工程師，包含我自己也常常想，或許目前的瓶頸只是在於算力的限制而已。

然而經過幾個月的深入思考，我發現在當前的 LLM 架構下，即使 AI 產出的程式碼已達「可用」的標準，離優秀仍有相當的距離。

透過 AI 建立產品的過程很難一次到位，中間勢必經過多次的迭代與調整。在這個協作過程中，以下幾個環節的品質，完全取決於工程師的品味：

• 如何給出精準的指示，讓 LLM 生成我們想要的結果
• 如何評估 LLM 做出的改動是好是壞
• 在架構設計上是否有明顯的優缺點
• 這個解法有沒有過於複雜化（Over-engineering）

這些問題的答案，都無法從 AI 那裡直接獲得。它需要一位具備經驗的開發者，在無數次的「輸入、累積、嘗試、內化」後才能做出的決策。

另一點則是能力的型態轉變。開發者成功的路徑往往是遵循「一萬小時定律」，專精於單一技能並做到極致。如今，在 LLM 的輔助下，獲取知識的門檻大幅降低，許多人都能在短時間內跨領域學習並上手。基礎固然重要，但必須要搭配更宏觀的視野與跨領域整合的能力。

怎麼感覺 LLM 越強大家反而變得更忙了🤔