AI 時代的工程師成長：從學工具到練能力
2024 年我參加了曼陀號，得到很多職涯建議。當時覺得那些建議閃閃發光，連續發了長文紀錄。我最喜歡的那篇是「技術海中浮沉，尋找未來地圖」— 就是因為那篇，我才開始有意識地寫技術文、設目標、做紀錄。
一年多後，我想回來看看那套框架有沒有用。但得先說一件事：我技術文斷更了。
原因很直接。AI 太強了。強到讓我開始懷疑，自己花力氣學技術、寫技術文，到底還有沒有意義。這個懷疑越滾越大，後來我就停了下來。
這篇其實想回答的，是一個最近一直讓我有點站不穩的問題：AI 加速之後，原本支撐我成長、也支撐我寫下去的那種自我確認，還剩下多少意義？
AI 讓我開始懷疑寫技術文章的意義
那時候根據教學訂了一個目標：成為公司裡的 CDN master。為了驗證成長，我寫了 4 篇相關技術文，內部解了至少 3 個痛點。做完後確實變熟，甚至公司遇到相關問題都會先問我。
但有一次，在寫技術文的過程中，我把一篇寫到一半的文章丟進 AI 的輸入框。
那已經不是什麼隨手記下的草稿了。裡面有我這幾天查過的資料、自己試過後踩到的坑，還有我好不容易才整理出來的文章骨架。我原本只是想看看，它能不能幫我順一下結構。然後我按下送出。
三秒。
幾乎沒有停頓，一整篇已經有模有樣的版本，就直接唰地攤在螢幕上。
第一個反應：也太快了吧。
第二個反應：靠北。
原來這些我花了很多時間慢慢累積、慢慢整理出來的東西，可以在幾秒內被抹平成一篇看起來已經夠完整的答案。
如果它已經可以這樣把事情講清楚，那我前面花那麼多時間整理的那些過程，到底還剩下什麼價值？讀者還會想看我寫嗎？
後來我才比較說得清楚，當下真正刺到我的，不只是 AI 很快，而是它把我原本很喜歡的那段理解過程整段碾掉了。
以前我很喜歡那種一開始完全看不懂，查了很多資料還是卡住，結果過了一天、睡一覺起來，或甚至隔了一週，突然有一種「啊，我懂了」的時刻。那種快樂不只是因為我學會了一個知識點，而是我真的感覺到，理解是慢慢從自己裡面長出來的。
但 AI 常常會先替我走掉那段路。我當然可以更快得到一個像樣的答案，可是參與感也一起變少了。當我不用真的走過那段摸索，就已經先得到結果時，那個成果對我來說，反而會變得有點廉價。
也是寫這篇文章時，我才慢慢看清楚，我原本以為自己是在用技術文累積能力，但真的支撐我一直寫下去的，好像不是目標本身，也不只是成長本身。
更像是一種很深的確認：我可以整理、可以解題、可以把東西講清楚，所以別人能從我這裡學到東西。
我很習慣透過這件事確認自己是有用的。也因為這樣，我才會那麼想把文章分享出去。
所以那天真正讓我站不穩的，不只是 AI 三秒就生出一篇像樣的文章。
是我第一次很具體地感覺到：如果連整理、解題、把東西講清楚這件事，都可以被更快地完成，那我原本最依賴的那塊，好像也一起鬆掉了。
從那之後，我才發現，本來那些我替自己設下的目標還在，但真正推著我持續投入的那個東西，好像突然不見了。
我一時之間真的爬不起來繼續寫，最後技術文就這樣斷更。
而真正卡住我的，不只是「還要不要寫技術文」，而是連我原本相信的那套成長方式，好像也一起鬆掉了。
所以我才回頭重看：以前那套目標，到底是過時了，還是我一直用錯了？
重新理解舊框架：從工具目標到能力辨認
躺平了一段時間之後，我回頭看當時設定的那套目標框架。原本還想把它拿出來鞭一鞭，想證明「你看吧，這套東西現在不行了！」。但寫著寫著，我意識到問題好像不在框架本身。
它不是過時，也不是錯。只是它本來就很理想。
我理性上認同，也知道這些方向很好，但那套目標本身不夠推我真的投入下去。我還是需要別的、更底層的驅動力，才有辦法長期撐住。
所以那時候，我其實只抓住了最容易懂、也最容易操作的那一層：工具。學 CDN、寫技術文、補某個知識點。至於能力要怎麼長、怎麼觀察，我以前根本沒有這個概念。
現在回顧，曼陀號那套方法本來就不只可以拿來設工具目標，也可以拿來看能力怎麼長、判斷怎麼累積、自己到底在哪些地方慢慢變穩。只是以前的我不會這樣用，所以一直把它看成學工具的清單，也把它用窄了。
也是到這次，我才第一次比較完整地意識到：它不只是在幫我追工具，也是在幫我辨認自己到底長出了什麼。
更妙的是，雖然我當時沒有真的用這套方法去設能力目標，但這段時間裡，有些能力其實早就慢慢長出來了。只是我以前沒有認出來。
而自己那時候其實已經在練一些別的東西了，只是以前不會把它們算成能力。像是任務開始時先對齊使用者故事背後真正的問題，而不是只解任務票表面的需求；寫 spec 時附上假設條件和取捨原因，避免大家在不同前提下往前推；有時候提交前，我也會丟給 AI 看一下，如果用資深工程師的視角，還會注意什麼，例如可靠性、可維運性、測試覆蓋和回滾風險。
直到這次，我才把這條線接起來：原來那些平常做任務時的小動作，本來就在慢慢把我往一個更有判斷、能對齊、也能把事情落地的方向推。
後來做 ETL 這件事，剛好讓我第一次比較完整地看到，另一種成長長什麼樣子。
ETL 讓我第一次看見另一種成長
這半年我開始用 Python 做一個監控 ETL（我原本主要是寫 Ruby on Rails），用來提升數據可靠性。原本的問題是，有些資料 pipeline 出錯時其實很難被及時發現。
一開始我花了兩天半，把商業邏輯和整個專案在做什麼先弄清楚。之後開始實作時，其實很多程式細節都交給 AI 處理。
但真正花時間的，反而不是寫程式碼，而是先定義清楚：這個監控到底要監控什麼、怎樣才算資料正確、出了問題時要怎麼從資料源頭回頭確認。這些判斷如果沒先想清楚，就算 ETL 很快寫完，也不代表真的解決了原本的痛點。
最後，這個 ETL 也的確讓原本比較難即時察覺的資料異常更早被看見。
做完之後我發現，整個過程我幾乎沒有在擔心「我會不會寫 Python」。一直在想的是：這樣設計對不對？痛點有沒有真的被解到？
在這整段過程裡，我更明白，自己真正累積的其實不是 Python 本身，而是判斷、取捨和交付能力。
而如果這些能力本來就是在任務裡長出來的，那學習大概也很難再和真實問題分開看。
不再追逐工具：讓學習長在真實的痛點上
走到這裡，我比較相信的學習方式，已經不是先訂一個很漂亮的工具目標，再額外花很多時間去追。那種方式我不是做不到，只是很難長期撐下去。尤其當原本支撐我額外投入的那個內在理由被 AI 鬆動之後，我更不想再靠下班燃燒自己，去追一個沒有真實情境支撐的方向。
我後來比較相信的是另一種走法：不是先決定要學什麼工具，而是先面對眼前真正卡住的問題。當問題是真的，學習反而會自己往前長。工具還是會學，只是它不再是我要追的目標，而是解題過程裡自然會經過的路。
也是因為這樣，我重新有了自己對那個老問題的答案：「技術到底要先學廣還是先學深？」
以前我是引用導師的答案，現在我好像也慢慢有了自己的答案：先廣，再跟著痛點往下走。
不過，寫到這裡，我才慢慢辨認出來，前面那些還不是最底的問題。
AI 之後，我還能靠什麼確認自己？
AI 逼我面對的，也許不是「我還要不要寫」，而是：如果整理知識、提供解法這件事，已經不像以前那麼能支撐我了，我還能靠什麼確認自己的價值？
如果知識真的已經不像以前那麼稀缺了，那我還能留下來的，可能就不只是答案本身，而是我怎麼從一堆資訊裡抓出真正卡住的地方，怎麼判斷要解什麼、不解什麼，還有我是怎麼一路修正自己原本的理解。
也許以後我想讓人看到的，不只是我整理得多完整，而是我到底在意什麼，又是怎麼一路走到這裡的。
我現在才比較看清楚，AI 改變的不只是我的成長方式，也包括我原本感受成就感的方式。以前我很喜歡那種從看不懂、卡住，到慢慢看懂的過程。那種快樂不只是因為學到一個知識點，而是我會很清楚地感受到自己真的有參與，也真的有在變強。
在很多事情變快的現今，成就感沒有完全消失，只是慢慢移到了別的地方。它比較常出現在我怎麼判斷、怎麼取捨、怎麼把問題抓得更準，還有怎麼把事情真正做穩的過程裡。
但成就感移到別的地方之後，我得到的也不完全是同一種東西。以前那種從零到有、慢慢長出理解的快樂，比較完整，也比較持久，甚至會讓我想立刻跟別人分享。現在在判斷、取捨裡得到的滿足，當然也不是沒有，但它比較像專業上的成熟，也比較像一連串接踵而來的工作負荷，終究不太像以前那種會讓我記住、也會讓我想立刻分享的創造快樂。
延伸閱讀：
至於文中提到的「能力目標」，我後來也慢慢有一些比較具體的做法。像是拿職級技能表去對照自己正在做的任務，逼自己把那些抽象的能力拆成日常可以練的東西。這部分我之前另外寫過一篇，如果想看更實作一點的版本，可以接著讀那篇。
Yin
如果你對這篇裡那種「不是被取代，而是原本支撐自己的東西突然鬆掉了」的感受有共鳴，也可以看看 Aditya Agarwal 的這篇文。他寫的是同一個時代震動，但比較偏外部世界：人才價值怎麼被重排、什麼樣的能力會變得更重要。
Aditya Agarwal