程式碼已死的說法言過其實

背景

這篇文章探討了在人工智慧時代下，所謂「程式碼即將消亡」的說法是否過於誇大。作者指出，雖然「氛圍編碼」（Vibe Coding）讓開發者能透過自然語言快速生成原型，但當系統規模擴大或面臨複雜邏輯時，缺乏精確抽象化的自然語言規格往往會導致崩潰。文章強調，程式碼不僅是為了產生軟體，更是人類用來壓縮複雜性、建立精確語義層級的重要工具。

社群觀點

Hacker News 的討論圍繞著「理解債務」（Comprehension Debt）展開。許多開發者擔憂，當前過度依賴 AI 代理人（Agents）來生成程式碼，正導致一種危險的斷層：工程師無法解釋 AI 所做的技術決策，甚至對生成的架構一無所知。這種現象被比喻為「在水中扔染料」，雖然能快速看到變化，卻讓系統變得難以維護。有留言指出，這種情況與過去「原作者離職且無文件留存」的遺留系統危機本質相同，但在 AI 助長下，這種「無人能懂的程式碼」正以每天數千行的速度瘋狂增長，將原本需要數年累積的技術債壓縮在極短時間內爆發。

針對企業管理層對 AI 的盲目樂觀，社群中出現了分歧的看法。部分資深開發者認為，這種對 AI 萬能論的迷信很難被說服，可能必須等到企業經歷類似「左移」（Shift-left）運動後的失敗或平庸化，市場才會回歸理性。然而，也有觀點認為，人類正處於抽象層級的遷移期，就像從組合語言轉向高階語言一樣，未來人類可能只需負責撰寫規格與測試，而將具體的實作細節交給機器。雖然自然語言在精確度上不如程式碼，但若 AI 的錯誤率能降至低於人類開發者的平均水準，那麼程式碼的「精確性優勢」將不再是絕對的門檻。

此外，關於 AI 是否能處理創新技術也引發了辯論。有意見質疑，若 AI 僅依賴現有的訓練數據，將難以推動新框架或新語言的發展；但也有實踐者反駁，現代模型已經具備閱讀文件（RTFM）並進行推理的能力，即便在缺乏範例的新興生態系中，AI 依然能執行前所未有的任務。最後，老牌開發者回憶起 90 年代 Visual J++ 自動生成大量不可修改程式碼的黑歷史，認為現在的 AI 浪潮與當年的「自動化工具」有著驚人的相似感，這種對「不透明程式碼」的排斥感，或許正是區分專業工程師與業餘愛好者的關鍵界線。

延伸閱讀

• Comprehension Debt: Addy Osmani 撰寫關於理解債務的文章，探討維護無法理解之程式碼的成本。
• Electric Clojure: 留言中推薦的一種能優雅處理複雜性的程式語言工具。
• Simon Willison 的觀點: 關於 AI 應如何協助人類寫出更好的程式碼，而非取代程式碼。