當 AI 不只是寫 code，而是成為你的基礎設施副駕駛
最近我收到一份自動分析報告，統計了我過去兩週使用 Claude Code 的紀錄：115 個 session、1,497 則訊息、3,709 次 Bash 指令。
看完之後，我有一個很強烈的感覺——我其實不是在用 AI 寫程式，而是在和 AI 一起操作系統。
不是 AI Coding，是 AI Operations
很多人談 AI coding，腦中浮現的畫面是這樣：
工程師 → AI → 產生 code
但我最近真正的工作方式，比較像：
人類 → AI → 基礎設施 → 服務
我讓 AI 做的事，有很多以前需要工程師手動完成：SSH 到不同機器部署 container、修 webhook、調整 nginx、整理文件、分析資料、寫 handoff note。
而我在旁邊做的事，很像在帶一個反應極快、執行力很強，但偶爾會走歪的 junior engineer。
我會跟它說：
- 「這個方向不對，換一條路。」
- 「先檢查最簡單的設定。」
- 「那台機器不是這樣用的。」
聰明，但也會犯經典錯誤
有時候 AI 真的很聰明——會自己串起線索，快速定位問題，甚至比我還快補齊操作細節。
但有時候，它也會犯非常經典的工程師錯誤。
例如有一次 LINE Bot 壞掉了。AI 花了不少時間研究 nginx、SSL、網路設定，甚至還在錯的機器上裝了 nginx。
結果真正的問題只是：Webhook URL 打錯了。
那一刻真的很像在帶新人 debug。不是它不努力，而是它太努力了——先把問題想得比實際上複雜很多。
價值不在寫 code，在串起整個流程
正因為這些經驗，我更清楚看見一件事：AI 的價值可能不只在寫 code。
更大的價值在於——把那些原本散落在 terminal、server、文件、部署流程、驗證步驟之間的手動工作，慢慢變成一套人與 AI 協作完成的流程。
它不再像一個單純的工具，比較像一個需要被管理、被校正、被交接、也能一起推進工作的數位同事。
那份報告裡有一句話我很喜歡：
You are essentially running Claude as a persistent co-pilot for infrastructure operations.
翻成白話：你已經不是把 AI 當寫程式助手，而是把它當成系統操作的副駕駛。
工程工作的單位正在改變
我覺得這個描述很準。因為真正改變的，可能不是「寫程式」本身，而是工程工作的交付單位。
過去，我們交付的主要是 code。現在，我越來越常交付的是一整段可運作的流程：檢查、部署、驗證、修正、紀錄、交接。
從這個角度看，未來工程師最重要的能力，也許不只是把功能寫出來，而是：
- 定義清楚上下文
- 建立合理的限制
- 拆解問題
- 校正方向
- 在 AI 走偏時，及時把它拉回來
一種新角色正在浮現
會寫程式的人很多。但會和 AI 一起工作、一起把系統運轉起來的人，可能會慢慢變成另一種角色。
這兩週的 1,497 條訊息，對我來說就是在學這件事。
還在摸索，但真的很有趣。
我是江中喬，一位具有 TPM 與產品管理背景的 AI 系統建構者，目前專注於 AI 認知增強系統與多 Agent 協作架構的設計與實踐。
