我今年滿 10 年資歷的軟體工程師,但我不知道該怎麼辦了
我是一名軟體工程師,今年正好是踏入職場的第 10 年。剛開始我是網頁前端工程師(因為當年對我來說,debug 前端程式碼比較容易上手,所以我選了這條路),但沒過多久就轉到(網頁)後端,然後就再也沒回頭過。
在一連串的機緣巧合下,自從我踏入後端開發,就一路在金融、簿記、支付處理這些領域擔任軟體開發職務,工作上擁有相當大的自主權,也跟產品經理和利害關係人保持密切而坦誠的關係。
我在這些領域學到很多東西,也學會了怎麼為這些領域寫出有效的程式:PCI 合規、複式簿記、第三方代管(escrow)、對帳、支付生命週期、銀行轉帳的冪等性(idempotency),族繁不及備載。
很自然地,我的職涯規劃就是成為這個領域的專家,在這個「越來越需要領域專才」的行業裡建立自己的專業地位與差異化。
第一根被侵蝕的支柱:領域專業知識
去年,我被一間金融領域的公司錄用。在那之前,我待過的公司雖然業務或多或少都涉及支付和金融,但都不是以金融為唯一核心的公司。
那間公司也全心擁抱 AI,所以我從第一天起就拿到 ChatGPT 和 Claude Enterprise 帳號,公司還鼓勵我把 AI 拿來做研究、探索、甚至寫程式,雖然他們也提醒我:每一行上線的程式碼我還是得自己 review、自己負責。
我的第一個專案是重整一個一團亂的舊線上支付系統。他們錄用我的原因之一(也不是唯一的原因)就是我有這方面的過往經驗,也信任我能搞定這件事。
跟之前待過的公司不同,這間公司要求我寫的「設計文件」必須讓工程師和產品經理都看得懂——也就是說不能寫成技術深掘文件,而是要寫成「架構視角」的文件。我第一份幾乎沒靠 AI 寫——當時我甚至還說過 LLM 不過就是「隨機鸚鵡」(stochastic parrots),這個說法我後來不再認同了——然後交了稿。
我當時很看重自己的專業知識,覺得沒有任何 LLM 能取代我。
後來我的主管跑來找我:「雖然你交程式碼的速度不錯,但你交設計文件的速度太慢了。你有用 AI 嗎?你應該多用 AI。」
我心裡想的是「這怎麼可能會有效」,但還是答應了。當時的模型沒有現在這麼強,但確實讓我的寫作速度、連決策速度都快了不少。
然後我開始意識到:我這些年累積的所有知識——各種實作之間的取捨、收單流程怎麼運作、怎麼設計冪等性來防止重複扣款——全都變得無用。雖然模型還是需要一些引導,但它們已經能自己把這些系統的設計串起來,而那正是最難、只有靠多年實戰經驗才會內化的部分。那是我的第一次震撼。
不過我轉念一想:它們會這些,是因為網路上有大量文章在談這些東西怎麼運作,加上所有技術文件,再加上技術部落格解釋怎麼把技術工具套用到這個領域。對人類來說,可能要花很久才能學會這一切,但對模型來說這就是訓練資料,自然學得起來。
我心想:模型永遠不會擅長的、人類才會發光的地方,就是除錯(debug)!我累積了豐富的經驗,專門 debug 生產環境中的 race condition 跟分散式系統。那是我長期飯票的保證。
第二根被侵蝕的支柱:除錯與分散式系統
所以,等 LLM 開始會寫文件、會規劃實作之後,它們也開始會寫程式了。這個過程是從 2025 年下半年的 Claude Code 熱潮開始的,後來 Codex 也跟上了。在那之前,我雖然每天用 LLM 寫單元測試,但還沒放心讓它們寫完整的實作。
下一步自然就是把更多 AI 引入寫程式的流程。老實說,我還滿喜歡這樣的。我喜歡把東西推上線、看到使用者開心,跟我喜歡寫程式一樣,所以我等於是用一個我喜歡的東西去換另一個我喜歡的東西,挺公平的。
LLM 越來越會寫程式,但當時還不會 debug 那些亂七八糟的歷史遺留或人類留下的爛攤子,所以我還是有比「只是駕駛機器人」更實質的角色——一張長期飯票。
一切看起來都還不錯。
然後 MCP、agentic workflow、Claude 4.5 接連出現,天開始塌了下來。
老實說,Claude 4.5 並沒有那麼神。給它一段 stack trace 和一些 context(在大多數情況下,只要給它 Senty 連結並啟用 Sentry MCP),它大概能解掉 60% 的 bug。有時候它會給一個聽起來合理但完全錯誤的解法。
但這次,我不再懷疑機器了。我看到一些過去要花一整個工作天才能 debug 的 bug,現在 Claude Code 一次就能解決。當然不是全部,但趨勢非常明顯。
接著 4.6、4.7、GPT 5.5、Opus 4.8 跟 DataDog MCP 來了……現在我手上有 CLI 工具能幫我一次解決分散式系統裡的 bug。那些我過去解不掉的 bug、那些要花兩天全職 debug 的 bug、那些缺乏分散式可觀測性(observability)的分散式系統 bug——現在 90% 都能一次搞定,包括詭異的 race condition、沒預料到的 corner case、第三方整合問題、沒寫在文件裡的 API 邊緣情境,全都包含在內。我幾乎不需要親自動手。
當然,我還是受僱用的,因為總要有人 review 程式碼、引導機器人。但我現在只是另一個可以隨時被取代的工程師。我沒有任何「領域專業」是另一位正在操作 LLM 的資深工程師做不到的。我所有的金融和支付領域專業、那些用血淚換來的除錯直覺和分散式系統知識,現在全都 promptable 了。
我們一直被教導:通才和專才都會有各自的舞台。但現在市場正在把每個人都塑造成通才。這件事本身不是壞事——直到你去看供需經濟學:如果人人都是通才,而需求又沒有對等成長,那通才的價格就會下跌。而我們都知道需求正在枯竭。
第三根支柱,也是目前還沒倒的那根:程式碼品質與架構
我還有一根支柱還沒倒:程式碼品質與軟體架構——也就是現在被簡化成「品味」(taste)兩個字的那個東西。
在我整個職涯中,我一直很喜歡重構、一直很重視好程式碼,也都會在衝刺(sprint)裡爭取時間來做這些事。DDD、六角架構、Clean Architecture,這些 buzzword 你都懂。我喜歡這個主題、喜歡討論怎麼塑形程式碼的各種取捨和不同想法。我真的很喜歡。
這是最後一根還站著的支柱。但已經沒人在乎了。
Agent 在維持程式碼庫整潔這件事上做得很差。如果你不引導它,circular dependency 馬上就會冒出來。會複製貼上程式碼。加不必要的註解。把純函式和 side-effect 混在一起。無視 SOLID 原則。
這本該是人類繼續就業的護城河,但這項技能現在被簡化為「品味」兩個字。但這不只是換個名字,整個產業正在走向一個「程式碼組織」不再那麼重要的世界。
當然,人類應該要引導 agent,避免出現那種改一處就壞三處、根本動不了的 F 級程式碼庫。但 C 等或 D 等呢?現在沒關係了。再也沒有人需要 A 等或 B 等的程式碼庫,因為它們現在是寫給 LLM 看的,不是寫給人類讀的。
我不想爭論這本質上是好是壞。如果現在的程式碼是寫給機器讀、不是寫給人讀的,那或許其實把它們最佳化給機器讀反而是對的。
但這又是我專業知識的另一根支柱正在被侵蝕。我花時間累積的這塊專業,現在價值已經大不如前。那些我花在上面的時間——讀書、實際做練習、跟其他工程師討論、寫 ADR——正在變得毫無意義。
那現在呢?
我目前還有工作,在可預見的未來(至少在這間公司)我也看得到自己還會有工作。但長期來看我不知道該怎麼想。
我花了 10 年(如果算進去非職業經驗還更久)把自己訓練成一個在某些事情上很厲害的人,而這些事情現在越來越沒價值。我最後一根專業支柱現在被簡化成「品味」,而且大概也撐不久。
而且我知道這不只發生在我身上。大約 8 個月前,我現在這間公司有一次裁員(他們說跟 AI 無關)。一些很優秀的前同事被裁了,到現在還在找工作。他們大多數都面臨我這裡描述的同樣問題:他們的領域專業已經不足以讓他們脫穎而出。
公司現在又開始招募幾個職缺,但「領域熟悉度」已經不再是強力的差異化條件了。以前我們的職缺叫「軟體工程師 - 領域」,現在全部統一叫「軟體工程師」,組別分配要等錄取之後才決定。
當然,這對那些一直沒機會深入某個領域、但現在有比較高機率拿到 offer 的優秀工程師來說是件好事;但想到那些花了一輩子在累積領域知識的優秀工程師,現在要在同一個跑道上一起競爭,也讓人感傷。
要在長期保住我的飯票,看起來唯一的出路就是把我的領域專業,轉向 LLM 不會那麼快就變強的方向。但還剩下什麼呢?
我想過重回學校進修,去念數學、統計、進階機器學習,然後去前沿實驗室(frontier lab)應徵研究職。但問題是我所在的國家沒有前沿實驗室、僅存的幾家收到的履歷多到爆,而且我有家庭因素讓我難以搬到其他國家。等我負擔得起那個跳躍的時候,RSI(Recursive Self-Improvement,遞迴自我改進)說不定已經讓研究員這個職業變得多餘了。
也許我該考慮把木工這個嗜好變成我的正職……
參考資料:見文末的這、這、還有這三篇。但我並不是要背書這些文章裡的任何內容。
標籤:#ai #llm #軟體工程
網友熱門留言 (5)