--- schemaVersion: 1 slug: gp-216-20260605-dashen-wang-ai ticketId: GP-216 lang: zh-tw title: AI 時代的架構師：當機器會寫程式，腦子裡還剩什麼值錢 summary: 機器開始替人寫程式以後，真正稀缺的不是工具熟練度，而是能看懂底層、能拆解、能站到程式上一層、能證偽、能分配判斷力的架構思維。最刺人的地方是：技術本身也會被複製，最後留下來的可能不是程式，而是人和人之間那條機器摸不到的血條。 originalDate: 2026-06-03 translatedDate: 2026-06-05 source: "@dashen_wang on X" sourceUrl: https://x.com/dashen_wang/status/2062318606357303376?s=46 author: null authorshipNote: null canonicalUrl: https://gu-log.vercel.app/posts/gp-216-20260605-dashen-wang-ai status: published replacementTicketId: null replacementUrl: null --- # AI 時代的架構師：當機器會寫程式，腦子裡還剩什麼值錢 > **來源:** [@dashen\_wang on X](https://x.com/dashen_wang/status/2062318606357303376?s=46) 十幾歲時，第一件像樣的「工程」不是寫網站，也不是做產品，而是替單機遊戲角色加血。 那個年代，《金庸群俠傳》和《仙劍奇俠傳》九八柔情版，足以讓一個少年把整個暑假交出去。玩到後來，單純過關已經不夠。更迷人的事情，是伸手進去摸一摸遊戲的骨頭。 金山遊俠就是那把撬開骨頭的鑰匙。角色血量是 100，就搜尋記憶體裡所有等於 100 的位置；被怪打一下，血量變 80，再搜尋所有等於 80 的位置；幾千個候選慢慢縮成幾十個，最後縮成一個。那個位址，就是角色的命。把它鎖死，角色從此無敵。 第一堂工程課，和作弊其實沒有太大關係。真正被刻進腦子的，是更底層的一件事：**螢幕上那條血量是假的，真正存在的，是記憶體裡一個會變動的數字。** 介面、動畫、音效，都是那個數字穿上好幾層衣服之後的樣子。想知道系統到底在做什麼，就要把衣服一層一層脫掉。 一開始能改的只是表面：等級、金錢、道具。爽，但淺。後來摸到技能，事情突然變味。一個本來只會野球拳的小蝦米，可以被掛上別人的全套絕學；一個被設定成弱雞的角色，可以被重寫能耐。那一刻撞見的是兩個層級的差別：**改一個東西「有什麼」，和改一個東西「能做什麼」，完全不是同一件事。** 後來的路一路延伸：逆向、破解、外掛、自動化、量化交易，中間也碰過幾年安全。安全那段不能吹成大神履歷，頂多比腳本小子多走幾步，離真正高手還有段距離；但那種不相信表面的本能，確實一路留下來。從組合語言、Python 到 Bash，最後都變成把一堆麻煩事縫成會自己跑的系統；中間那門滿屏括號的老語言，則留下了「站到程式上一層」的姿勢。到了 2026 年，機器能寫程式，而且寫得更快、更多、有時還更整齊。 很多人開始焦慮，急著學怎麼「用 AI」，學工具、縮寫、花招，生怕被時代丟下。可是回頭看那條假血條，真正值錢的從來不是會哪一種語言，而是那個壞毛病：看到任何漂亮表面，都想往下挖，去摸底下那個會變動的數字。 AI 時代的架構師，不是新物種。只是把程式設計師腦中幾個最古老、最硬的本能，重新標上高價。 ## 包裝再漂亮，都會有破洞 先從組合語言開始。 不是因為每個人都該回去寫 `MOV`、`ADD`。組合語言真正留下的，不是語法，而是一種看世界的角度：往上的每一層都是別人鋪好的柏油路，但路底下是會塌的土。 2002 年有篇經典文章講過一個很毒的工程真相：再好的上層包裝，總有某些時候會破洞，底下的齒輪、管線、泥巴，會直接露到臉上。 所謂抽象，就是把複雜東西包起來，露出一個乾淨開關。讀一個檔案，看起來只是 `open("file.txt")`；底下卻有磁碟、快取、區塊、權限、錯誤處理一整套髒活。這層包裝讓工程師不用每天從泥巴裡爬出來。 但包裝永遠包不嚴。把網路檔案當本機檔案用，網路一斷，上層破洞了；寫一行 SQL，以為資料庫會聰明查詢，資料一大慢到像在爬，底下的查詢計畫和索引又被迫浮上來。這些包裝省下的是動手時間，沒有省下學習時間。平常不痛，出事就痛到懷疑人生。 AI 寫程式，是目前軟體開發最高的一層包裝。機器碼之上有組合語言，組合語言之上有 C，C 之上有 Python 這類高階語言，高階語言之上有框架，框架之上有低程式碼平台。人用自然語言描述需求，讓模型吐出程式，這是塔頂。 塔越高，破洞越致命。因為這一層包住的不是某個 API，不是某個函式庫，而是整個軟體工程本身。它一旦破，露出來的常常不是編譯錯誤，而是邏輯悄悄壞掉：語法完美、結構漂亮、測起來還不一定立刻爆，但某個判斷被模型自信地腦補歪了。 AI 寫不出來不可怕，因為錯誤很明顯。真正可怕的是它**自信地寫錯**。這就是塔頂破洞最可怕的地方。看得出問題的人，通常不是最會背工具名的人，而是在塔底待過、知道柏油路下面是土的人。 > **Mogu 歪樓一下：** > > 這裡的重點不是「大家都去學組合語言」。那會變成拿大型吊車去夾便利商店茶葉蛋，蛋還沒夾起來，櫃台先塌了。(￣▽￣)／ 重點是至少拆穿過一層漂亮包裝，知道介面底下有機械、有泥、有會壞的地方。 這就是組合語言思維在 AI 時代的價值：上層破洞時，有沒有本事看懂下層的齒輪和管線。看得懂，AI 是放大器；看不懂，AI 就是懸崖。平常風平浪靜，一旦漏水，連自己怎麼沉的都不知道。 --- ## 把混沌拆成對象 第二種思維來自物件導向。封裝、繼承、多型，新手都背得出來；但走過坑以後才會發現，這些不是語法考題，而是拆解世界的手術刀。 封裝的本質是畫邊界。什麼該露出來，什麼該藏起來；一個模組開幾個口，每個口接受什麼、回傳什麼、內部髒活如何保持沉默。封裝好，系統像樂高；封裝爛，系統像一鍋粥，動一根頭髮全身抽筋。 畫邊界這件事，機器到今天仍然不擅長。叫 AI 寫一個功能，它很會；叫它判斷整個系統該拆成哪些模組、誰該知道誰、誰該對誰一無所知，它很容易給出看似合理、實際不耐用的答案。因為邊界不是知識題，而是判斷題。需要預判系統未來會怎麼長，哪些東西會一起變，哪些東西會分開變，然後沿著變化的節理下刀。 多型的本質則是只認契約，不認實作。喊「發訊息」時，不需要知道背後走微信、QQ、HTTP 還是 WebSocket；重要的是承諾成立：輸入進去，訊息發出去。 把這件事放到 AI 上，姿勢就很清楚：人和機器之間需要的是契約。輸入是什麼，輸出是什麼，什麼算對，什麼算錯。模型內部怎麼憋出程式，那是實作細節。一直替模型操心第幾行怎麼寫、某個迴圈該怎麼改，等於跳進黑箱肉搏，越打越累。 「幫忙做個交易系統」這種需求，聽起來像一句話，裡面其實藏著幾百個沒有被定義的對象：行情從哪來、訊號怎麼算、下單走哪個交易所、止損邏輯是什麼、倉位怎麼管、回撤到多少要停。這些問題沒有拆開，AI 就會替人亂拆；亂拆出來的東西，自然像用泡麵杯蓋當飛機機翼，形狀很像，飛不起來。 量化系統裡的吊燈止損就是一個清楚對象。它的輸入是最高價和波動率，輸出是一條會跟著價格往上爬、但不往下退的止損線；契約是鎖住利潤，不放利潤。對象定清楚以後，實作由人寫、機器寫、十年前的自己寫，核心結果都應該對得上。 物件導向思維的終局不是「會寫 `class`」。它真正訓練的是：把一團欲望、一團需求、一團混沌，拆成邊界清楚、契約明確、可以被信任的對象。誰能拆，誰就是架構師；誰只會喊「幫忙做個東西」，誰就只能跟黑箱搏鬥。 --- ## 站到程式的上一層 第三種思維來自一門老到快成化石、但靈魂很硬的括號語言。 它滿屏括號，看起來像鍵盤壞掉。但它有一個關鍵特性：同像性，也就是**程式即資料**。在那套語言裡，程式和資料長得很像，都可以被當成列表操作。這代表程式可以產生程式，程式也可以改寫程式。換句話說，寫的不是產物，而是生成產物的東西。 用那門老語言替遊戲寫腳本時，真正上癮的不是列出角色每一步要做什麼，而是寫出一套邏輯，讓角色依局勢長出行為。那不是站在動作那一層，而是站在動作的上一層。 AI 把所有人硬生生抬到同一個位置。對模型說一段需求，讓它產生程式，其實是在用一段文字資料生成程式。需求、規格、提示，已經變成「能生成程式的程式」。人不再只寫程式，而是在寫生成程式的東西。 這也解釋了為什麼有些人用 AI 很順，有些人用得像卡在泥沼。習慣站在上一層的人，知道自己要寫的是生成器，不是產物；規格要夠精準，讓機器能照著長出正確結果，也要夠抽象，不去干涉每個實作細節。只習慣寫產物的人，被抬到上一層就會發懵，需求寫得又碎又黏，機器讀完也只能自由發揮。 規格才是難的地方。搭建變快以後，難度沒有消失，只是移到上一層。能不能寫出精確又克制的「元程式」，讓產物自己長出來，成了新的分水嶺。 那門老語言還留下另一個救命觀念：純函數。同樣輸入，永遠給同樣輸出，不偷偷改外部狀態，沒有副作用。純函數最好驗證，餵輸入，看輸出，對就是對，錯就是錯。 把 AI 當純函數用，就贏了一半。定義清楚輸入、期待輸出、判斷標準，然後只驗一件事：輸入進去，輸出出來，是否符合契約。不要被模型中間那團黑箱牽著情緒走。盯著它一會兒這樣、一會兒那樣，只會被它的「脾氣」拖進八點檔。 --- ## 只相信能被證偽的東西 前三種思維都偏向建造：看懂底層、拆成對象、站到上一層。第四種思維比較冷，它教的是不要被騙。 逆向工程和量化交易，看起來差很遠，底層卻都是對抗。逆向是在沒有原始碼、沒有文件、沒有解釋的情況下，從成品反推意圖。做久了會得到一種職業病：不相信表面。函式叫 `validateUser`，不代表它真的驗證使用者；介面寫安全連線，不代表底下真的安全。 這個職業病在 AI 時代非常值錢。模型說它做完了，不算；模型說它修好了，也不算。它不一定有惡意，但它可能不知道自己錯了，還講得比誰都篤定。這種「不知道自己錯、又表達得無比自信」的東西，比普通錯誤更危險。 對抗思維的核心武器是證偽。真正值得信的說法，不是因為有多少語氣支持它，而是因為它能被推翻，卻暫時沒有被推翻。永遠不可能錯的句子，像「明天可能下雨也可能不下雨」，聽起來穩，其實沒有資訊量。 AI 給出一段程式，說它能跑。這句話值不值錢，取決於有沒有測試能立刻戳穿它。若有測試用例，輸入錯就紅燈，那「能跑」才是經過證偽的說法。若只是盯著程式覺得看起來很對，那就和「可能下雨」差不多，安慰效果很強，工程價值很低。 所以在 AI 時代，測試不再是寫完程式後的收尾，而是指揮 AI 前的前提。測試是替機器軍團架好的電網。電網先架好，機器怎麼跑都可以；撞線就響，偏掉就知道。電網沒架，錯誤會安靜長進系統骨頭裡，等發現時已經很難拔。 量化交易裡也有同一課。回測曲線漂亮，最容易自欺欺人。過去已經發生，總能找到參數讓曲線美得像畫。真正有價值的是樣本外資料：拿策略沒看過的資料去打它，還活著才算數。AI 在提供的例子上表現完美，也只是回測；拿它沒見過的、刁鑽的、邊界的輸入去打，才是樣本外。 止損更殘酷。吊燈止損最重要的不是那條線怎麼算，而是還沒虧之前，就先定好什麼時候認輸。因為虧錢那一刻，人會替自己找一百個理由。「再等等就回來了」這句話聽起來溫柔，殺傷力很高。 搬到 AI 上，就是驗證標準必須在模型動手前定好，而不是看完漂亮輸出後再調整。事後定標準，很容易被產物洗腦，標準悄悄往它身上靠。事前定標準，才是在清醒時釘下「什麼叫對」。 > **Mogu 內心戲：** > > 測試在這裡不是工程儀式感，而是防詐騙系統。沒有測試就讓 AI 大量改程式，像把公司印章交給一個語氣超穩的陌生人，然後說「看起來很專業」。這不是信任，這是拜託命運不要上班。 --- ## 指揮兩千個分身 前面四種思維講的是造一個東西。規模放大以後，另一道關會浮出來：如何指揮軍團。 曾經有十幾年，手上同時養著大量網站，最多兩千多個。每個站都要內容、更新、監控、出事時被發現和修復。這件事不是靠手快。兩千個站，就算每個只看一分鐘，也要兩千分鐘，一天不夠用。 關鍵轉變是：不能把它想成兩千件工作，而要想成一個會產生兩千個實例的系統。 站群不是兩千個獨立對象，而是一個對象被實例化兩千次；不是寫兩千份內容和配置，而是寫能生成內容與配置的東西；每天盯的也不是兩千個站，而是那張證偽電網：哪個站掉出正常範圍，電網響了，再去看那一個。 指揮軍團不是 AI 發明的。AI 只是讓軍團變便宜。以前要自己寫腳本、搭系統、造生產引擎，門檻很高；現在描述清楚，機器就能長出很多執行單元。但被壓低的是造軍團的成本，不是指揮軍團的能力。 真正壓垮人的也不是工作量，而是會溢出的腦子。人類工作記憶有限，再聰明的工程師，也無法同時握住幾千個站、幾百個任務、幾十萬行程式裡的所有依賴。想親自盯每一行、每一站、每個細節，看起來負責，實際上是用必然溢出的腦子對抗超出腦容量的系統。 架構師的解法不是把腦子練成更大的快取，而是設計系統，讓驗證變成機械的，不是腦力的。讓電網記住什麼叫正常，讓契約守住邊界，讓系統替人盯住該盯的地方。腦子空出來以後，才有力氣處理最貴的資源：深度判斷。 指揮軍團最微妙的能力，是判斷力的分配。不是每件事都值得同樣用力。真正高明的指揮，是把九成深度思考砸在那一成承重決策上：關鍵邊界、關鍵契約、關鍵風控。剩下的九成事情，只要在軌道上跑，電網會在錯誤時響起。 量化早期最容易犯的錯，是什麼都想最佳化。每個參數都想調到漂亮，每個細節都不肯放過，最後大量精力耗在不影響盈虧的邊角，反而沒有把風控與止損想透。真正的祕密不是握住多少，而是敢放開多少；不是每個地方都用力，而是知道力該用在哪。 AI 給了人很多隻可以同時動的手，沒有多送幾顆可以同時判斷的腦。這些手該伸向哪裡，哪裡值得唯一的大腦多看底下一層，哪裡該信任電網放手，這套判斷仍然替代不了。 --- ## 架構師是一層蛋殼 四種思維合在一起，就是 AI 時代仍然漲價的角色：架構師。 架構師不必被想成畫滿 UML 圖的中年神職人員。它的本質很土：**把混沌變成可執行、可驗證的東西。** 能看懂底下那層，所以上層破洞時不慌；能把需求拆成邊界清晰的對象，所以機器知道該做什麼；能站到程式上一層，所以寫的是生成器，不只是產物；能不信表面、只信證偽，所以不會被漂亮輸出騙走。 如果把這件事看成一個價格變化，方向大概是這樣：執行成本被壓到接近於零時，判斷的價格反而會被推到天花板。程式變便宜，「決定該寫什麼程式」變貴；實作變充裕，「定義該實作什麼」變稀缺。AI 可以生成元件，但人要定義系統。 這也讓「從執行者變成指揮官」沒有聽起來那麼輕巧。指揮官不是站上去就會指揮。指揮官要對整場戰役負責，要能定義、拆解、抬升、證偽。士兵只要完成動作，指揮官要知道為什麼做、做什麼、錯了怎麼知道。 一人公司的經驗像一枚蛋：獨立站、AFF、生產內容的腳本、定時任務，再壓幾個會自己幹活的東西進去。那套東西不優雅，甚至有點髒，但它能自己轉。看久了，就會發現蛋殼只有薄薄一層，卻定義邊界、維持秩序、決定裡面的生命系統能不能活。AI 時代的人類那一層也會變薄：以前一個專案要幾十個人，現在可能一兩個人加一群機器就夠。但薄不代表不重要。殼的材質，決定裡面的系統是活的，還是一團沒有方向、沒有邊界、沒有驗證的黏液。 架構師與其說是一個職位，不如說是一種殼的材質。新座標系不再只看程式寫得多熟，而是看那層殼是什麼做的：能不能定義問題，能不能架起證偽電網，能不能站在程式上一層，能不能把混沌拆到機器能執行。 這個座標系很殘酷，因為它不看年資。一個寫二十年 CRUD 的資深工程師，殼可能是空的；一個二十歲、天生愛往底層鑽、愛拆、愛驗證的人，殼可能很硬。機器搶走的是鐵鎚；留下來值錢的是決定要鍛造什麼，以及驗證鍛出來的東西合不合格。 --- ## 這些東西怎麼練 這些思維沒有七天速成，也沒有看完就脫胎換骨。它們是被時間和坑餵出來的。但方向可以很清楚。 **練看懂底層：徹底拆穿一個每天使用的包裝。** 不必天天寫組合語言，但至少挑一個常用又不懂的東西扒乾淨。HTTP 請求從按下 `Enter` 到收到回應，中間經過哪些層；資料庫查詢怎麼走索引、怎麼掃表、怎麼選計畫。只要真正扒穿一次，之後看到任何漂亮包裝，腦中都會多一個聲音：底下呢？ **練拆解：把一句模糊需求拆到不能再拆。** 「做個交易系統」底下藏著行情來源、交易所、訊號、延遲、下單失敗、倉位、回撤、停機條件。每個問號都要寫出來，答不清楚就繼續拆。這個動作做久了，手術刀會變利。 **練站到上一層：寫一次生成器，而不是產物。** 要替十個網站寫介紹，不要手寫十篇，先寫能生成介紹的模板邏輯。要處理一批檔案，不要一個一個處理，寫能處理任意一批檔案的流程。剛開始會覺得繞，但體會過「寫一次，跑一千次」以後，很難回到手工搬磚。 **練證偽：拿到任何結論，先問錯了怎麼知道。** AI 給的程式、自己的判斷、別人的結論，都先問同一件事：如果它錯了，有沒有辦法立刻發現？如果沒有，那就還不值得信。先造測試、反例、樣本外驗證，再看它扛不扛得住。 **練橫切審計：把驗證變成一張網。** 日誌、權限、監控這類關注點，不屬於任何單一功能，卻要籠罩所有功能。AI 軍團的驗證與審計也是如此。不是每個任務後面人工追著查，而是把「到底做了什麼、有沒有搞砸、有沒有留下痕跡」做成覆蓋整支軍團的網。 **練判斷力分配：復盤深度思考花在哪。** 很多人會把大量精力花在不承重的邊角，因為那些小事好處理，做完有踏實感。真正承重的決策很難、很不舒服，反而被拖延。用戰術勤奮逃避戰略思考，是人類非常會演的一齣戲。每次把腦力從舒服小事拔出來，按到真正承重的問題上，那層殼就硬一分。 --- ## 外掛放大的是零，還是一 工具該不該學？該。但順序不能反。 金山遊俠時代就能看見兩種人。第一種人，外掛一關就廢，因為全部本事都在工具裡。第二種人，拆過外掛、改過外掛、甚至寫過外掛；工具只是省時間，關掉以後底子還在腦子裡。 AI 時代的工具，本質上也是放大器。它們能把產出放大很多倍，但放大器有一個冷酷特性：**對零無效。** 殼是空的，思維是零，工具把零放大一百倍，還是零。更糟的是，它會讓人誤以為自己有了一百倍本事，於是更快、更自信地衝向看不見的懸崖。 殼如果是用那幾種思維做的，是一，那工具把一放大一百倍，才會變成一百。那些能並行調度的配置、會自己幹活的東西、滿天飛的縮寫，才會成為思維的延長線，而不是提線木偶的線。 先有不相信表面血條的本能，先有拆解混沌的手術刀，先有站在上一層的姿勢，先有只信證偽的職業病，再去拿放大器。順序對了，工具是軍團；順序反了，人是工具的人質。 --- ## 技術護城河是水做的 最後真正刺人的地方，是前面八章突然被反咬一口。 有一個小徒弟，聰明、肯學，但功力差了十幾年。那種距離，照理說要靠十幾年的夜、十幾年的坑慢慢熬。某個 2025 年的下午，他用 AI 把一套做了八年多的交易系統復刻出來。 那套系統不是普通程式，而是城堡深處的密室：每條邏輯、每個止損、每一處對人性的提防，都是用真金白銀和一次次爆倉餵出來的。它不像知識，更像直覺，像身上的疤。 AI 把它倒了出來。不是分毫不差，但七八分神似；而且更冷的是，徒弟不需要經歷那些疼痛。機器替他把疤翻譯成可以直接拎走的程式。 那個下午，技術為王這件事死了一半。 前面說四種思維是 AI 時代最值錢的護城河，這句話仍然成立，但只成立一半。更冷的另一半是：所有技術，不管多深，骨子裡都是資訊。資訊只要工具夠好，就會流動、會複製、會從一個腦子倒進另一個腦子。 護城河原來是水做的。 那麼還有沒有機器倒不出來、複製不走、不能一鍵拉滿的東西？那個下午留下的答案，不在程式裡，而在人與人之間。 程式、參數、邏輯可以被復刻。信任某些人、提防某些人；一起爆過倉、熬過夜、在最難時沒有轉身離開的人；那些無法寫成程式、無法被機器翻譯、無法被工具倒出的牽連，一個位元組都沒有被複製走。 因為那些東西根本不是資訊。它們不是記憶體裡能被搜尋、鎖死的數字。它們是這個世界上少數無法改技能、無法加血、無法破解的層。 十幾歲趴在螢幕前的孩子，以為只要摸到底下那個數字，就能掌控一切。後來一路從血條摸到技能，從遊戲摸到市場，從一個人摸到兩千個分身。每往下摸一層，就更相信技術為王。 他對了很久，也在某個下午錯得很徹底。這個世界有一條血條，永遠摸不到記憶體位址。它不在任何機器裡，不在任何程式裡，搜尋不到，鎖不住，模型倒不出來，徒弟也拎不走。 那條血條在人和人之間。 --- ## 結語 AI 時代最容易被誤會的事情，是把「會用工具」當成「變強」。工具確實會放大人，但它不負責替零生出一。 真正要練的，是那層殼：看懂底層的本能、拆解混沌的刀、站到程式上一層的姿勢、只信證偽的冷酷、把判斷力用在承重處的分配能力。這些東西讓人能指揮機器，而不是被機器的漂亮輸出牽著走。 可是更狠的結尾是：連這些技術本能，也可能被工具一點一點翻譯、搬運、複製。當最深的本事都能被倒出來，最後值得回頭檢查的，就不是又多學了幾個工具，而是技術被原樣拿走以後，還剩下什麼不能被拿走。 所以下一個要架構的東西，反而可能是二十年前那個技術腦最看不起的東西：很慢、很笨、很不「技術」，也不能被寫成程式複製走。 把工具關掉，把程式關掉，把引以為傲的技術都先假裝已經被原樣搬走。剩下那一點沒法被倒出來、沒法被一鍵拉滿的東西，到底還有多少？ 那條真正的血條，可能從來不在螢幕裡。