如果一年前有人跟你說：
「未來工程師可能不用自己寫多少程式碼。」
你的第一個反應可能是：
「AI 又在吹了吧？」
但如果講這句話的人，是寫了二十多年程式、創造 Ruby on Rails 的 David Heinemeier Hansson（DHH），事情就值得認真看一下了。
DHH 最近再次登上 Lex Fridman Podcast #501。
有趣的是，距離他上一次接受 Lex 訪問其實才十幾個月。
但 DHH 自己形容，這十幾個月的變化大到簡直像：
「我們活在完全不同的時代。」
原因只有兩個字：
AI。
更精確一點，是 AI Agent。
🤖 DHH 的態度大轉彎：AI 寫程式真的不一樣了
DHH 過去是非常典型的「程式設計工匠」。
對他而言，寫程式不只是把功能做出來。
程式碼本身也應該：
- 漂亮
- 簡潔
- 容易閱讀
- 容易維護
- 有自己的設計哲學
這也是 Ruby on Rails 為什麼長期強調「Programmer Happiness」。
工程師寫 Code，不只是工作。
有時候甚至有點像藝術。
結果 AI Agent 出現之後……
劇本突然被改寫了。
DHH 在訪談中談到，他現在對 AI 程式開發抱持非常強烈的興奮與樂觀態度。
以前是：
人類 → IDE → 寫程式 → Debug → 測試 → 上線
現在逐漸變成：
人類
↓
描述需求 / 架構 / 限制
↓
AI Agent
↓
寫 Code
↓
測試
↓
修正
↓
再次執行
工程師開始從：
Code Writer
變成：
AI Director。
簡單講：
以前你是演員。
現在你可能開始當導演。
AI Coding 最大的改變，不只是「寫得比較快」
很多人談 AI Coding 時，第一個想到的是：
「以前寫兩小時，現在二十分鐘完成。」
這當然很棒。
但是 DHH 所看到的改變其實更大。
真正重要的不是：
AI 幫工程師寫 Code。
而是：
AI 開始可以自己完成一整段工程流程。
例如你告訴 AI：
我要增加使用者權限管理。
需求：
- Admin
- Manager
- Employee
- RBAC
- API 權限驗證
- Laravel Middleware
- PHPUnit 測試
以前 AI 可能只是回答：
Route::middleware(['auth', 'role:admin'])->group(function () {
// ...
});
然後剩下的……
恭喜你。
還是自己寫。😂
但 Agentic Programming 的概念不同。
AI 可以進一步：
閱讀專案
↓
理解架構
↓
修改 Migration
↓
修改 Model
↓
建立 Service
↓
建立 Middleware
↓
修改 API
↓
建立測試
↓
執行測試
↓
發現錯誤
↓
修改
↓
重新測試
這已經不是「Autocomplete」。
而比較像：
你旁邊多了一名不會睡覺、打字超快，而且可以同時處理大量資訊的工程師。
當然，它偶爾還是會一本正經地搞錯東西。
所以……
人類暫時還不能下班。😂
👨💻 那工程師是不是要失業了？
看到這裡，工程師最自然的問題大概就是：
「所以我是不是準備失業？」
事情沒有那麼簡單。
因為當「寫 Code」本身越來越便宜，真正昂貴的能力反而會變成：
1. 知道要做什麼
AI 可以非常快速地實作功能。
問題是：
你到底要它做什麼？
如果需求本身就是錯的：
錯誤需求
+
超強 AI
=
超高速做出錯誤產品
Congratulations 🎉
你只是更有效率地走錯路。
2. 系統設計能力
未來工程師的重要能力可能會從：
「這段 Code 怎麼寫？」
逐漸變成：
「整個系統應該怎麼設計？」
例如：
- 資料庫怎麼拆？
- API 如何設計？
- 權限如何規劃？
- 哪些服務需要解耦？
- 哪些地方其實不應該拆 Microservice？
- Cache 放哪裡？
- Queue 怎麼處理？
- Security boundary 在哪裡？
AI 可以給答案。
但最後：
誰決定哪個答案比較好？
還是人。
🧠 未來最值錢的能力可能叫「Taste」
這其實是整場訪談非常值得注意的一個方向。
當 AI 可以產生大量 Code 時，稀缺資源開始改變。
以前稀缺的是：
Coding 能力
未來可能變成：
Judgment
Taste
Architecture
Product Sense
Experience
也就是：
判斷力。
AI 可以一次給你五個方案。
真正厲害的工程師會知道：
「第三個最好，但 Authentication 那段要改。」
普通使用者可能會說：
「看起來都可以耶。」
這個差距反而可能變得更大。
🚀 一個工程師，可能開始管理一群 AI
另一個非常有趣的變化是：
以前：
Developer
↓
Task
↓
Code
現在可能變成：
Developer
├── Agent A → Backend
├── Agent B → Tests
├── Agent C → Refactor
├── Agent D → Documentation
└── Agent E → Security Review
這時工程師真正做的事情變成：
Orchestration。
也就是「協調」。
你不是一直盯著 VS Code 打：
public function...
而是同時思考：
Agent A 做 API
Agent B 寫測試
Agent C Review Database
Agent D 找 Security 問題
然後你負責：
最後決策。
這非常像一個小型 Tech Lead。
只不過你的 Team Member……
全部都是 AI。🤖🤖🤖🤖
⚡ AI 甚至可能讓「小團隊」重新變得可怕
DHH 長期都非常推崇 Small Team。
而 AI Agent 出現後，這個理念可能更加極端。
以前做一套 SaaS 可能需要：
Frontend × 2
Backend × 3
DevOps × 1
QA × 2
PM × 1
Designer × 1
現在未來有可能變成：
2～3 個很強的人
+
很多 AI Agents
就能做到以前十幾人的產出。
這對 Startup 特別重要。
因為 Startup 最缺的通常不是 Idea。
而是：
人、時間、錢。
AI 剛好同時壓縮這三個成本。
🐧 還有一個有趣插曲：Linux
這集訪談其實不只聊 AI。
DHH 還談了自己打造的 Linux 發行版 Omarchy，以及為什麼他認為 Linux 在 AI 時代可能迎來新的機會。
原因之一是 AI Agent 非常喜歡：
Terminal
因為 Terminal：
- 可腳本化
- 可自動化
- 容易組合工具
- 容易讓 Agent 操作
- 不需要一直 Click Click Click
對人類來說：
GUI 很方便。
對 AI Agent 來說：
CLI > GUI
反而可能更加自然。
於是非常有趣的事情發生了。
我們花了幾十年把電腦從：
Terminal → GUI
現在 AI 又可能把開發工作帶回：
GUI → Terminal
科技的盡頭……
居然又是黑色視窗。😂
💡 所以現在還值得學程式嗎？
答案仍然是：
值得。
但學習方式可能需要改變。
以前可能是：
HTML
CSS
JavaScript
PHP
Laravel
MySQL
Redis
Docker
Linux
然後一路慢慢往上堆。
現在除了這些基礎之外，可能還要增加：
AI Prompting
Agent Workflow
Architecture
System Design
Code Review
Security
Testing
Context Management
尤其不要變成：
AI 說什麼
↓
Copy
↓
Paste
↓
Deploy
↓
🙏🙏🙏
這個流程技術上也算 DevOps。
只是比較刺激。😂
🎯 AI 時代真正危險的，也許不是「不會 Coding」
DHH 的轉變給工程師一個非常值得思考的訊號。
AI Coding 的競爭可能已經慢慢從：
「誰寫 Code 比較快？」
轉向：
「誰可以讓 AI 做出更好的東西？」
未來真正有價值的工程師，很可能不是一天可以手寫 3,000 行 Code 的人。
而是能夠說：
這個需求不合理。
這個架構未來會出問題。
這個 API 不應該這樣設計。
這裡有 Security Risk。
這個功能使用者根本不需要。
然後再告訴 AI：
「好，現在照正確的方法做。」
結語：AI 沒有讓工程師消失，而是在重新定義「工程師」
過去二十年：
工程師最大的武器是 Coding。
接下來十年：
最大的武器可能逐漸變成：
思考 + 判斷 + AI。
程式碼依然重要。
只是「親手把每一行程式碼打出來」，可能不再是工程師價值最高的地方。
如果 AI 可以在五分鐘內完成原本半天的工作，那麼真正值得問的問題就不是：
「AI 能不能寫程式？」
而是：
「當 AI 已經會寫程式之後，人類工程師應該把時間花在哪裡？」
答案可能就是：
決定什麼值得被創造。
畢竟 AI 可以幫你用超高速打造產品。
但至少目前……
它還是需要有人先告訴它：
到底要蓋什麼。 🤖💻