AI Agent 讓開發變快了，但沒有讓需求變簡單
最近我利用 ChatGPT 與 Codex 開發了一套台科大慢速壘球隊的比賽記錄系統。如果沒有 AI，我大概不會想自己做這件事，因為實在是太花時間了。從需求整理、資料庫設計、前後端開發、測試、修正到部署，過去要完成一套真正能使用的系統，往往需要投入不少時間。尤其平常還有繁重的工作，很難把大量時間放在這樣的生活專案上。但這次實際做完之後，我最大的感受其實不是 AI 變得多厲害，而是 AI Agent 讓開發變快了，但沒有讓需求變簡單。
過去限制開發速度的，很多時候不是想法
因為自己的工程師魂尚未消散，一直都有自己動手開發系統的習慣。只是過去很多時候，即使知道想做什麼，也未必有足夠的時間把它完成。因為一套系統從想法到上線，中間需要經過很多環節，每一個環節都需要投入時間。這次比較不一樣的是，許多原本需要花費大量時間的工作，都因為 AI Agent 而被大幅壓縮。尤其我平常習慣直接在 Linux CLI 環境工作，搭配 Codex 的開發方式其實非常直接。很多功能從需求到完成驗證，中間來回修改的速度比過去快上許多。
這套系統包含 Google 登入驗證、中央氣象局 API 串接、資料庫設計與部署流程，很多原本需要花費不少時間查資料、測試與修正的事情，現在都能在更短時間內完成。但當開發速度開始變快之後，我反而開始發現另一件事。真正花時間的，從來不是寫程式。
AI 可以寫程式，但不會知道什麼叫做好用
這套系統表面上是一套壘球比賽記錄系統。但如果只是做出一套能記錄比賽的系統，其實並不困難。真正困難的是，如何讓記錄員在比賽進行中快速完成紀錄。
這兩件事情聽起來很像，但其實完全不同。如果只是做系統，功能永遠可以持續增加。但如果目標是在比賽當下快速完成紀錄，很多事情就需要重新思考。哪些資料應該自動帶入、哪些流程需要引導、哪些規則應該透過系統自動判斷、哪些操作需要防呆設計、哪些錯誤輸入應該被直接阻擋。這些問題都不是 AI 自己會知道的事情。
因為 AI 看得到程式碼，但看不到比賽現場。
領域知識反而變得更重要
這次讓我感受最深的一件事，是領域知識的重要性。因為這是一套專業比賽記錄系統。代打怎麼接續打序、代跑如何取代球員、投手局數如何計算、哪些規則需要記錄、哪些規則其實不重要。這些事情 AI 並不知道。很多在系統使用當下會發生的情境，我必須先知道正確答案，才能判斷 AI 產出的結果是不是合理。這也是我認為許多人容易誤解 AI Agent 的地方。AI 降低了開發門檻，但並沒有降低理解問題的門檻。甚至某種程度上，當開發速度變快之後，真正限制成果的反而變成你對問題理解得夠不夠深。
AI Agent 更像一個高效率團隊
在開發過程中，我也開始理解為什麼越來越多人把 AI 稱為 Agent，而不是單純的聊天機器人。如果是過去，要完成這樣的系統，腦中很自然會想到不同角色。PM 負責需求、前端負責介面、後端負責系統邏輯、測試人員負責驗證、系統工程師負責部署與維運。但這次開發過程中，我發現許多原本需要不同角色完成的事情，都被濃縮進同一個工作流程裡。很多時候，我只需要專注在需求本身，而 AI Agent 則協助完成大量執行工作。這也是我認為 AI Agent 和過去工具最大的差異，它不只是提升效率，而是重新改變了工作的分工方式。
AI Agent 改變了開發方式，但沒有改變軟體開發的本質
這個過程，我覺得最有趣的地方其實不是系統本身，而是人的角色正在改變。
過去很多開發工作的核心能力，是如何把需求轉換成程式。身處 AI 時代，這件事情的成本正在快速下降。以前不懂技術的人，很難做出一套系統。現在透過 AI Agent，許多人都有機會完成過去需要一個團隊才能完成的事情。另一方面，我也發現當 PM、前端、後端、測試甚至部分維運工作都能被 AI 協助完成之後，人真正需要負責的事情反而變得更清楚了。其實就是理解問題。
系統是否好用，取決於是否理解使用者。功能是否合理，取決於是否理解流程。產品是否有價值，取決於是否理解真正要解決的問題。AI Agent 讓開發變快了，但沒有讓需求變簡單。這也是我在這次開發過程中最大的收穫。因為當開發不再是最大的門檻之後，真正重要的能力，很可能不再只是寫程式，而是定義問題。
FAQ
AI Agent 真的能取代工程師嗎？
我認為現階段還不能。
AI Agent 已經能協助完成許多開發工作，例如程式撰寫、測試、除錯與部署，但需求分析、產品設計、領域知識與決策判斷仍然高度依賴人類。AI 更像是一個高效率團隊，而不是完全獨立的工程師。
AI Agent 和 AI Coding 有什麼不同？
AI Coding 比較偏向協助寫程式，而 AI Agent 則更接近能夠完成一段工作流程的執行者。除了程式碼產出之外，也能協助測試、修正問題、執行指令與完成部分開發流程。
AI Agent 會降低軟體開發門檻嗎？
會。
過去許多需要專業工程能力才能完成的事情，現在透過 AI Agent 已經能夠大幅降低執行成本。但降低的是開發門檻，不是理解問題的門檻。
為什麼文章提到領域知識反而更重要？
因為 AI 可以協助完成系統，但不一定知道什麼才是正確的系統。
以壘球記錄系統為例，代打、代跑、投手局數計算等規則都需要領域知識才能判斷。很多時候，人必須先知道正確答案，才能判斷 AI 的結果是否合理。
AI Agent 會讓需求分析變得更容易嗎？
不一定。
從我的經驗來看，AI Agent 讓開發速度變快了，但需求本身並沒有因此變簡單。反而因為開發成本下降之後，需求定義的重要性變得更高。