AI 正在改變開發者工作，這三項技能值得加強

AI 改變開發者的核心職能：從寫程式轉向技術決策

GitHub 資深內容策略師 Gwen Davis 指出，AI 技術的演進正在大幅改變軟體開發者的工作方式與技能需求。寫程式碼仍是開發工作的基礎。開發者得把重心移到更高階的能力上，包括引導 AI 工具、評估其產出、溝通技術取捨，以及做出正確的技術決策。隨著 AI 代理（Agents）越來越深入日常開發流程，如何精準定義問題、提供適當的上下文資訊，並協調多個 AI 代理一起工作，將是決定最終執行品質的關鍵。

掌握引導 AI 代理的協調能力

傳統工作流程中，會依序經過建立分支、寫程式碼、跑測試到開啟拉取請求（Pull Request）等步驟。不過隨著 AI 工具的能力提升、整合程度加深，開發者的角色正逐漸轉為多個 AI 代理的協調者。在這種新做法下，開發者仍須對最終成果負責，但親自實作每個環節的時間變少了，轉而界定工作範圍、審查輸出內容，以及做出整合各項工作的技術決策。

以新增驗證流程為例，傳統做法是由開發者一步一步完成實作。有了 AI 代理之後，工作流程可能變成：開發者設定工作區任務，再由不同的 AI 代理分別處理特定模組。例如，第一個代理負責完成驗證邏輯並準備審查，第二個代理起草相關文件，第三個代理建立測試套件。這種分工要求開發者能清楚定義問題、提供正確的上下文。

建立雙重驗證與批判性評估機制

AI 雖然能在短時間內生成令人印象深刻的解決方案，但第一份回答不一定是最佳解。開發者應運用自己撰寫清晰、可維護程式碼的經驗，嚴格評估 AI 的輸出。GitHub 建議開發者採用雙重驗證策略：引入第二個 AI 模型來審查第一個模型的成果，再結合開發者自己的判斷，綜合評估兩者的回應。

這種做法能有效彌補單一模型的盲點。不同 AI 模型各有優勢與局限，透過交叉審查，往往能發現第一個模型遺漏的問題。GitHub Copilot 內建的 Rubber Duck 代理就採用這個機制，在開發者進行下一步之前，用第二個模型審查計畫、程式碼和測試。多這一道第二視角，往往能抓出第一個模型遺漏的問題。開發者應抱持「信任 AI 到願意使用它，但不信任到省略審查」的態度。

聚焦解決更廣泛的技術與業務問題

當 AI 接手更多實作層面的工作，開發者就能空出時間，轉向更宏觀的技術與業務挑戰。這包括深入理解客戶需求、評估架構取捨、設計更優秀的系統，以及做出 AI 無法代勞的技術決策。

以處理「新增深色模式」的 Issue 為例，AI 可以協助完成實作、生成測試案例與更新文件。但開發者仍須負責驗證客戶真正的問題、審查架構取捨、檢查無障礙性、定義成功指標，並最終批准解決方案。這些需要運用判斷力、平衡取捨、並解決正確問題的技能，正是區分優秀工程師的關鍵。隨著實作工作逐漸自動化，開發者應讓 AI 處理更多基礎實作，把更多時間投入培養技術判斷力，幫助團隊做出更好的決策，以適應不斷演進的開發工作流程。