# ai-coding

AI 能處理前端的 80-90%，但剩下的邊角——深度、對前沿特性的敏感度、知道穩健預設什麼時候不是最優——才是技術人的護城河。基礎不是被淘汰，而是變成會複利的資產。

當 CTO 們瘋狂推 AI coding，軟體工程師分裂成兩個階級：擺爛的和職人。擺爛的把 code 往上丟、不讀、不測、不 care；職人扛著 review 重擔，看著品質崩壞，最後也變成擺爛的一員。

rahulgs 丟出一套很硬的心智模型：fable+ 等級的模型其實是「英文轉程式碼」的直譯器，寫出 code 已經不是瓶頸，能不能一邊管風險一邊把 code 審完、合進去才是。低風險的程式碼乾脆當神經網路一樣黑盒驗證，逐行 review 留給真正要命的地方。Claude Code 創造者 Boris Cherny 在底下回了一句「完全同意」，並補上他心中的下一個紀元長什麼樣。

Zed 創辦人 Nathan Sobo 認為，真正生出程式碼的是人跟 Agent 之間那段持續的對話，而不是一個個切好的 commit。Git 為快照而生，接不住這種連續流動，所以 Zed 做了 DeltaDB——把每一個操作都變成有身份的 delta，讓對話和程式碼永遠綁在一起，不用 commit 也能協作。

Garry Tan 認為，AI 寫程式真正的突破不是寫得更快，而是讓 90% 測試覆蓋率、文件與評測變成可持續的品質棘輪。每次修改都把學到的教訓鎖進系統，讓軟體複雜度只能往更可靠的方向累積。

一個工程師花八年想做 SQLite devtools，用 AI coding agent 三個月就做出來了。但過程不是什麼一帆風順的成功故事——有一整個月的 vibe-coding 全部報廢重來，有凌晨三點停不下來的 prompt 成癮，也有對 codebase 失去掌控的恐慌。這是目前看過最誠實的 AI 輔助開發實戰報告。

Claude Code 洩漏本身已經被講很多次，真正值得看的，是 SemiAnalysis 提出的更大命題：當 AI 開始大量生成、閱讀、維護程式碼，TypeScript 不再只是給人讀的語言，而是 AI 與 compiler 之間的中介層。

OpenAI Triton 合併了一個號稱修復消費級 Blackwell GPU 問題的 AI 生成 PR，結果根本沒修好。NVIDIA PyTorch 技術主管親自下場留言表示這是徹頭徹尾的 slop。SemiAnalysis 警告：AI slop 與有價值的 diff 越來越難分辨。