[AI 幻想] 又要馬兒肥，又要馬兒不吃草

 [AI 幻想] 又要馬兒肥，又要馬兒不吃草

底下是我今天正在做的一個功能開發，透過 AI 詳盡拆解需求與整理出需求規格文件，並且依據完成軟體開發週期來做出來，當然，我自己開發經驗中，是沒有採用這麼嚴謹與完成的過程，可是，想要做出高品質與高穩定的系統，這樣的做法可能是不可避免的，這次是透過 AI 來做這些功能，當然，只有我一個人，很難想像若採用傳統的做法，想要做出同樣的需求、做出同樣的成果，究竟要花費多少的人力、時間與成本，重點是能否控制到產出是符合需求的結果。在真實情況下，還要面對開發到一半或者結束後，客戶提出其他的變更或者異動處理，同樣的過程與工作，又要重新再來做一次。

今天有感而發，對於軟體開發，其實真的不是那麼容易的，因為，可變化的因素真的太多了，而且傳統上這些變因都需要有經驗的人來進行決策與判斷，而真正在執行的人，又需要有能力可以快速地完成指定工作，在今天，透過 AI 工具讓我真實理解到，透過 AI 來進行軟體開發工作的輔助，真的是可以提升效率與品質，但並不代表 AI 工具沒有其他的副作用或者問題，世間事情有一好沒倆好，世間萬物強調平衡，怎麼善用各種工具或者能力，還是要告人來決定。

---

今天利用 Claude Code 進行了一次完整的 AI 協作式軟體開發實驗。整個過程並不是直接要求 AI 幫忙產生程式碼，而是先從需求分析開始，讓 AI 先理解系統目標、功能範圍、技術限制以及現有專案架構，再依據這些資訊建立完整的規劃文件。這種做法最大的價值在於，將原本存在開發者腦中的想法轉換成可執行、可驗證、可追蹤的工作項目，避免開發過程中因理解落差而產生大量返工。

在規劃階段完成後，系統並沒有直接開始修改程式碼，而是先將整體需求拆解成許多獨立且具備明確目標的小任務。每個任務都有自己的輸入、輸出、驗收條件以及相依關係。這種方式類似大型軟體團隊中的工作拆解（Work Breakdown Structure），讓原本複雜且可能需要數週完成的功能，被切割成可以在短時間內完成與驗證的工作單元。透過這種做法，不但可以降低單次修改的風險，也讓後續的問題追蹤與品質管理變得更加容易。

實作階段則採用了多代理（Multi-Agent）協作模式。與傳統只有一個 AI 對話不同，每個工作項目都會由獨立的執行代理負責完成，而另外的代理則負責審查與驗證。換句話說，系統中同時存在「開發者」、「測試者」、「架構審查者」與「品質管理者」等不同角色。當某個代理完成工作後，另一個代理會依據原始規格進行檢查，確認功能是否符合需求、是否遵守既有架構規範，以及是否存在潛在的程式設計問題。這種做法本質上是在模擬真實軟體團隊中的 Code Review 流程。

在審查過程中，AI 並不是單純檢查程式碼能否編譯通過，而是會針對架構設計、例外處理、資源管理、可維護性以及未來擴充性等面向進行分析。有些問題即使目前不會造成錯誤，也可能在未來系統規模擴大後變成技術債。因此，審查代理會提出改善建議，再由實作代理進行修正。這種「實作 → 審查 → 修正 → 再驗證」的循環，實際上與企業級軟體開發中的品質保證流程非常接近。

另外一個值得注意的做法是環境隔離。所有開發工作都在獨立的功能分支中進行，而非直接修改主要分支。這代表即使 AI 在開發過程中出現問題，也不會影響正式版本。每完成一個工作項目，就會留下對應的提交紀錄（Commit），形成完整的變更歷程。這種做法不但可以隨時回溯歷史版本，也能夠清楚了解每個功能是在哪個階段被加入或修改的。對於大型專案而言，這種可追蹤性是非常重要的管理能力。

從技術角度來看，今天的重點其實不在於某個特定功能，而是在驗證一種新的開發模式。傳統開發流程中，工程師需要同時扮演需求分析師、系統設計師、程式設計師、測試工程師與文件撰寫者等多種角色。而在 AI Agent 模式下，這些角色開始被拆分成多個專門化代理，由不同代理負責不同工作。人類開發者則從「親自完成所有事情的人」，逐漸轉變成「規劃、監督與決策的人」。這代表未來軟體開發的核心能力，可能不再只是撰寫程式碼，而是如何設計工作流程、定義規格、驗證成果，以及管理多個 AI Agent 的協作。

整個過程也展現出一個重要觀念：AI 真正帶來的價值並不只是加快寫程式的速度，而是將原本難以標準化的開發流程轉換成可重複執行的工程化流程。需求文件如何產生、任務如何拆解、審查如何進行、測試如何驗證、問題如何修正，這些過去高度依賴個人經驗的工作，開始能夠透過 AI 協助建立一致的執行標準。當這種流程逐漸成熟後，未來的開發團隊將不只是使用 AI 寫程式，而是利用 AI 建立一套具備規劃、執行、審查與持續改善能力的數位協作團隊。這也是目前 Agentic Workflow、AI Software Engineering 與 AI Native Development 最值得關注的發展方向之一。

#AI