這一年最常聽到的焦慮，是「我會不會被 AI 取代」。

但我在一線看到的變化更像另一種方向：AI 正在把軟體工程拆成一個可以被調度的生產線，而人的價值開始往「調度、驗收、風險控制」那一端移動。

Threads 這篇把演進分成三種模式：工匠、工頭、Manager AI。它的結論很尖銳：2026 年最值錢的工程師，可能不是寫最多程式的人，而是能指揮一群會寫程式的 AI。

我同意方向，但想補上幾個更務實的視角：你會變強，靠的不是更會寫 prompt，而是更會做「系統設計」與「工作拆解」。

三種模式，其實是三種工作邊界

1) 工匠模式：AI 當副駕

你在編輯器裡工作，AI 幫你補全、幫你寫 function、幫你查用法。它像一個速度很快的打字員與搜尋器。

這階段的提升很明顯，但天花板也很清楚：你仍然要自己維持整個問題的上下文，AI 多半只是在局部加速。

2) 工頭模式：把任務交給 agent

你開始把「完成一件事」包成 ticket：

• 寫功能
• 跑測試
• 做基本 QA
• 開 PR
• 甚至先做一次 PR review

Codex 類的工具已經在做這件事。貼文也引用了一些內部與企業端的數字（例如合併 PR 的成長、review 時間下降）。數字真實性我不在此背書，但趨勢本身合理：當 agent 能跑完整個回圈，你的工作從「寫」移到「驗」。

驗收的重點變成：

• 需求有沒有被誤解
• 邊界條件有沒有漏
• 測試覆蓋是否足夠
• 風險是否可接受

3) Manager AI 模式：讓 AI 管 AI

更進一步，你會看到一個「總控」AI 去拆任務、派工、並行跑、再整合結果。

這裡最關鍵的不是把 agent 數量堆到 10 個、50 個、100 個，而是你能不能建立一套穩定的管線：

• 任務拆解規則
• 資料與權限邊界
• 產出格式與品質門檻
• 失敗時的回退策略
• 可觀測性（你要能知道它到底做了什麼）

沒有這些，agent 越多越像噪音放大器。

「100x 工程師」到底意味著什麼

貼文提到「一個人指揮 100 個 AI agent，理論上產出等於 50 個人」。我覺得比較貼近現實的說法是：

• 你可以同時推進更多條線
• 你可以更快跑完探索與原型
• 你可以把大量重複性工作外包給 agent

但你也會更快遇到兩個瓶頸：

1. 需求品質：需求不清楚，agent 只會更快把錯誤放大
2. 驗收帶寬：你只有一雙眼睛，審查與決策仍然會卡住吞吐量

所以「高槓桿工程師」真正稀缺的能力，是讓工作變得可被委派，並且在委派後仍然可控。

2026 的競爭：協調一個 AI 團隊

文末引用一句話：「競爭點在於如何協調一整個 AI 團隊。」我把它翻成更可操作的版本：

• 你是否能把問題拆到足夠小、足夠獨立，讓 agent 可以並行
• 你是否能定義驗收標準，讓 agent 的產出可比較、可淘汰
• 你是否能設計權限與資料流，避免 agent 在不該碰的地方「太聰明」

這些都更接近架構師與技術主管在做的事。

結語：寫程式會變便宜，負責任會變昂貴

AI 讓程式碼產出更快，成本更低；但「對結果負責」這件事會變得更值錢。

因為在一個 AI 也能寫程式的世界裡，真正區分專業的，常常是你能不能把不確定性關起來，把風險壓下去，把品質做穩。

原文連結：Threads 貼文

AIAgent #軟體工程 #產品開發 #工作方法 #ClaudeCode