前端三分鐘 X 要轉職養豬還是做被取代的工程師？用 Google AI 打造我的 AI 雙刀流自動化工作流系列

真正需要升級的，不是 AI，而是人類與 AI 的協作模式

回頭看這幾年的 AI 發展，我發現一件很有趣的事。表面上，我們看到的是 LLM 模型參數越來越大、Token 上下文越來越長；但真正改變我們生產力的，其實是人類與 AI 合作思維的演進。

我們從一開始學會下簡單指令（Prompt），到學會提供專案脈絡（Context），再到建立本地端資料連結（MCP），最後開始設計能夠自主執行的工作流程（AI Agent）。

亞當．格蘭特（Adam Grant）在《隱性潛能》中告訴我們：「真正的潛能不是等待被發現，而是在一次次學習、修正與合作中慢慢累積。」

AI 時代也是如此。真正需要培養的，不只是寫 Prompt 的技巧，而是思考如何建立脈絡、設計流程，並讓 AI 成為工作中的強大夥伴。

一人如何顧一千隻豬？科技化養殖的四階段演進

你有沒有想過，以前一個豬農頂多顧幾百隻豬就累得半死，為什麼現在的「科技化豬農」一個人就能輕鬆管理上千隻豬？因為養豬這件事，早已完成了四階段的技術升級：

1. 自動給料與水簾高床環境：先把定時給水給料的體力活完全自動化，並透過密閉水簾控管溫濕度，擺脫看天吃飯與人工扛飼料的命運。
2. 現代科技影像辨識：用 AI 鏡頭與感測器監測豬隻活動量、呼吸道狀況，甚至能精準捕捉母豬發情徵兆與最佳受孕期，用科學數據取代人工經驗瞎猜。
3. 資料回傳電腦與分析運用：全廠食量、體重成長曲線即時回傳電腦大腦進行 Big Data 分析，精準動態優化飼料配方。
4. 沼氣發電與循環經濟：把原本處理最棘手的豬糞變廢為寶，拿來沼氣發電賣電，將整座養殖場打造為自給自足的自動化生態系。

豬農在把「鏟屎、餵食、觀察發情與健康」這些重複性工作交給自動化與 AI 的過程中，並不是被養豬場淘汰，而是讓自己能照顧的豬隻規模與專業維度擴大了十倍！

工程師的「產線升級」：與 AI 協作的四段思維進化

工程師在讓重複性工作被 AI 取代的過程中，也必須思考如何為自己加值，讓你個人能掌控的系統範圍與專案吞吐量（Throughput）變大。我們與 AI 協作的思維進化，恰好完美對照了科技化養殖的四個階段：

實戰例子：四階段思維如何幫你「擴大照顧範圍」？

傳統 Prompt 與 Context 思維（第一、二階段）：當個「下指令的發包商」

• 痛點與限制：你叫 AI「寫一個表單元件」，它給你的往往是乾淨卻不能直接執行的假程式碼。你得手動複製、貼上、調 CSS、改 TypeScript 型別，最後發現時間根本沒省到多少。你一次只能照顧一個小 function，就像傳統豬農只能手動拿桶子餵一頭豬、一隻隻找哪隻母豬在發情。

MCP 與 Agent 流程思維（第三、四階段）：當個「產線架構師」

• 加值實踐：你透過 agy CLI 調用 superpowers skill 並掛載 MCP (Model Context Protocol)，不再只下單一 Prompt，而是傳遞完整 Context 與目標：「請分析目前 Repo 的 API 結構，幫我產生一套包含 Zod Validation、Tailwind 美化、以及全覆蓋 Vitest 測試的用戶表單。」
• 爆發效益：AI Agent 透過 MCP 自動存取 Open API Schema、進行 Task Decomposition（任務拆解）、重構 Code 並直接送出包含 Code Review 建議的 PR Comment。

本來你一天只能刻 2 個前端頁面，現在你一天能設計整套跨系統的自動化工作流。AI 不會因為你下載了 ChatGPT 就自動讓你變聰明，但你會因為學會設計 AI Agent 流程，讓隱性潛能被放大了一百倍！

未來我們管理的不只是工具，而是 AI

過去，我們學的是如何親自使用工具：手動打開 IDE 寫 Code、手動打開瀏覽器查文件、手動貼文字去跑 AIO/SEO。

未來，我們更需要學會如何管理 AI，讓 AI 去幫我們使用工具：

• 讓 AI 查詢文件與 RFC 規範。
• 讓 AI 撰寫程式碼並做 Task 拆解。
• 讓 AI 透過 MCP 查詢資料庫與整理會議紀錄。
• 讓 AI 串接不同服務（如 GitHub CLI、GitLab API）完成 CI/CD 工作。

人的角色，從疲於奔命的「低下頭寫 Code 執行者」，徹底轉變為「仰頭看全貌的協作者與產線設計者」。真正的競爭力，不再只是誰會使用 AI，而是誰能建立一套讓 AI 持續創造價值的工作流程。

結語：AI 的潛能，終究映照的是人的潛能

就像科技化養殖讓豬農從「勞力鏟屎官」轉型為「數據管理者與社群自媒體」一樣，工程師自動化自己工作的目的，絕不是為了無所事事，而是為了把釋放出來的時間，拿去掌控更大規模的專案、經營「前端三分鐘」技術品牌，甚至去研究水族生態與總體經濟。

AI 的潛能，終究映照的是人的潛能。

你的下一個決定，是繼續當個拿桶子手動餵料的傳統鏟屎官，還是搭上 AI Agent 自動化產線，解鎖屬於你的隱性潛能？明天我們將揭密如何在一天接生百隻小豬的混亂中保持專注，教你用韁繩工程 (Harness Engineering) 為 AI 戴上前額葉皮質，我們明天見！