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
這幾個月，我觀察到一個令人不安的現象：純寫程式接案的報價與往日不可同日而語，會寫程式好像突然沒那麼值錢了。
這並非需求減少，而是市場正在對「會寫程式」這項技能重新定價。過去，我們跟程式能力的距離是「一牆書的距離」，你得熬夜啃完那排厚厚的技術書籍；現在，這個距離變成了「一念之間的距離」。
根據我近期參與 AI Camp 教學與實際導入 AI Agent 工作流的觀察，我們正處於 AI 傑文斯悖論 (Jevons Paradox) 的中心：當代碼生成成本趨近於零，系統複雜度會呈指數增長，市場對「駕馭複雜度的人才」需求將遠超以往！
David JP Phillips 在《你的人生，他們六個說了算！》中指出，我們的心情、動力與注意力，其實都是由體內的六種化學物質調配而成的「雞尾酒」。
在 AI Agent 領域，Harness (韁繩工程) 指的是包裹在 LLM (如 Google Gemini) 外側、驅動模型運行並使其能自主執行任務的軟體基礎設施。Stanford University 研究指出，AI Agent 的表現有 70% 的決策差異來自於 Harness 的設計。
最有趣的是：科技養豬場的現代化管理、人類大腦的生理激素，以及 Google AI 的韁繩工程，本質上是在解決完全相同的「系統控制與防禦問題」！
| 生理激素 (人類大腦) | Harness 構件 (Google AI) | 科技養豬場實踐 (自動化管理) | AI Agent 系統運作說明 |
|---|---|---|---|
| 多巴胺 (Dopamine)追尋未來的動力 | Orchestration Loop(編排心跳迴圈) | 自動給料與發情預警驅動母豬健康生長與運作循環 | 系統的心跳，驅動 Agent 往目標推進；若缺乏邊界，會像滑短影音般陷入無效死循環。 |
| 皮質醇 (Cortisol)專注與壓力防線 | Architecture Guardrails(架構安全護欄) | IoT 自動化環控與排風嚴格監控溫濕度，防止環境惡化 | 設立壓力護欄與安全邊界，防止 Agent 輸入發散或產生災難性破壞指令。 |
| 睪固酮 (Testosterone)自信與決斷力 | Planning Subagents(任務拆解子代理) | 分欄管理與個體體重推算精準將 3,000 頭豬分區分階段治理 | 負責巨型任務 (Task Decomposition) 的主動拆解與決斷，不讓龐大複雜度癱瘓主系統。 |
| 腦內啡 (Endorphins)執行與成就感 | Tools & Code Execution(工具庫與 MCP 執行) | AI 聲紋與影像即時辨識取代肉眼巡房，快速精準捕捉異常 | Agent 的雙手，透過 MCP 呼叫工具、執行 Code 並獲得結果，帶來系統執行的反饋。 |
| 催產素 (Oxytocin)信任與安全邊界 | Sandbox & Isolation(沙盒與隔離環境) | 密閉水簾與生物安全防線隔離外界病毒，提供可控的生長環境 | 提供受控的安全容器 (Container)，確保 AI 即使試錯也不會影響外部生產環境。 |
| 血清素 (Serotonin)滿足與系統穩定 | Eval & Memory (RAG)(評估驗證與知識庫) | RAG 經驗知識庫將資深職人經驗數據化，安定牧場營運 | 透過 RAG 與 Validation Loops 檢索正確上下文，維持 Agent 生成品質的長久穩定。 |
David JP Phillips 提到一個冷知識：「早上起床千萬別立刻滑手機。」因為這會讓大腦灌入大量「速效多巴胺」，導致一整天的專注力崩潰。
對應到 Google AI 韁繩工程中的 Context Management：如果你在一開始就塞入混亂的垃圾資訊，或是讓 Agent 在缺乏 Guardrails 的情況下裸奔，就像是讓 AI 一起床就滑手機——它會陷入無效的 Orchestration Loop，產生「 Lost in the Middle 」與 Context Rot，最終在複雜任務面前徹底失靈。
資深工程師的價值，在於懂得何時該調高 Error Handling (皮質醇防禦) 來應對風險，何時該優化 Verification Loops (血清素穩定) 來獲取結果的安寧。你不是在寫代碼，你是在擔任這套 AI 產線的「架構師」。
過去養豬憑感覺，現在講求數據與體驗；寫程式也是一樣，我們不能再靠「寫 Code 速度」來證明價值。
| 維度 | 現代科技養豬（由什麼說了算） | AI 原生雙刀流工程師（由什麼說了算） |
|---|---|---|
| 生產數據 | 育成率與飼料換肉率 (FCR)：用最少飼料與最短時間養出健康豬。 | Delivery & Leverage Ratio：用最少 Token 與人力成本，高質量交付完整業務系統。 |
| 開發福利 | 無壓力環境與動物福利：友善分娩，肉質保水鮮甜無腥味。 | Context Rot Defense：建立 Guardrails，讓開發者免於通知打擾與 Context 腐敗。 |
| 交付品質 | 無毒安全與全程冷鏈：無藥物殘留、可追溯，低溫配送確保品質。 | 架構穩定與責任承擔：完整的 Eval 驗證機制，並能拍板承擔系統風險（經驗溢價）。 |
當 90% 的底層代碼可以由 AI 生成時，你不再是搬磚的工人，而是指揮搬磚機器人的工頭。
| 特性 | 任務 (Task) | 工作 (Job) |
|---|---|---|
| 價值來源 | 完成的速度與準確度。 | 判斷、選擇、責任與人際關係。 |
| 範例 | 將 Spec 轉成單一 Function 程式碼。 | 設計 Harness 韁繩工程與確保系統價值交付。 |
| AI 衝擊 | 快速貶值，趨近零成本。 | 持續增值，因為「承擔責任」變得極度稀缺。 |
在零成本代碼的時代，「責任」成了最昂貴的貨幣。AI 可以幫你寫出 99% 的代碼，但它永遠沒辦法幫你「背黑鍋」。資深工程師的價值，在於你能嗅出潛藏的風險 (Code Smell)，並在爆炸前拍板決定。這種判斷與承擔，就是 AI 永遠學不會的「經驗溢價」。
| 狀態場景 | 激素警報 | 韁繩處方箋 | 具體行動 |
|---|---|---|---|
| 遇到難解 Bug | 皮質醇飆升 | Architecture Guardrails | 深呼吸，放下鍵盤觀想骨幹邏輯，重新定義問題邊界。 |
| 需求模糊不清 | 多巴胺迷失 | Planning Subagents | 透過 agy CLI 調用 Planning Skill 拆解 3 個小任務。 |
| 被代碼海淹沒 | 血清素下降 | Context Rot Defense | 關掉所有通知！進行 25 分鐘深度工作，守護你的 Context。 |
| 對未來感到焦慮 | 睪固酮匮乏 | Evaluation Harness | 練習挺胸站姿 2 分鐘。記住：你能「承擔責任」，這是 AI 學不會的技能。 |
你的下一個決定，是繼續焦慮程式碼被取代，還是幫你的 AI Agent 戴上 Harness 韁繩工程？明天 Day 09，我們將正式進入第二階段實戰：《AI 驅動的前端架構革命：Web Component 與 ESM 動態模組化實踐》！看我們如何像科技養豬場模組化拆解設備一樣，用 Shadow DOM 與動態加載優雅解構 10 年 Legacy Code，我們明天見！
iThome鐵人賽
看影片追技術