前言
越使用 AI，越覺得它其實不太懂你在做什麼。
這不是唱衰，而是親手玩了一陣子之後的誠實體感。你交代一件複雜的事，基於有限的 Context，它能做出的結果品質就是有天花板。它很快、很勤勞，但它不「懂」你在做什麼。
這篇想聊三件事：Multi-Agent 的本質、Vibe Coding 的隱藏代價，以及在 AI 加速的時代，什麼能力反而變得更值錢。
Multi-Agent：自動化的編排，不是自動駕駛
我自己的部落格就跑了一套 LangGraph Multi-Agent Pipeline，從研究、寫稿、封面、語音到影片，全部串起來。玩了一陣子後的結論是：
Multi-Agent 本質上還是「人為編排的自動化」，讓一問一答有了邏輯、可以重複執行、可以用不同人設的 Agent 來協助，但離全自動駕駛還很遠。
CIO 雜誌在 2026 年直接指出「真正的多代理協作並不可行」，Agent 之間會出現：
-
🔄 忽略指令、重複工作
-
📉 委派失敗、規劃癱瘓
-
⚙️ 協調開銷本身成為瓶頸
這些問題跟人類組織的管理問題幾乎一模一樣，瓶頸不在單一模型的能力，而在協調的複雜度。
Vibe Coding：加速開發，也加速混亂
Vibe Coding 的概念很吸引人：用自然語言描述需求，AI 直接生成可運行的程式碼。但以我的觀察，這可能會製造大量的問題：
📊 數據怎麼說
指標 | 數據 |
|---|---|
AI 生成程式碼的資安漏洞率 | 53%（人工程式碼的 2.74 倍） |
Vibe-coded 應用中發現的漏洞數 | 5,600 個應用中超過 2,000 個漏洞 + 400+ 暴露密鑰 |
需要全部或部分重寫的新創產品 | 約 8,000 家，成本估計 4~40 億美元 |
維護成本（第二年） | 傳統開發的 4 倍 |
開發者每週修正 AI 錯誤的時間 | 平均 11 小時 |
2026 年甚至被稱為「技術債之年」（Year of Technical Debt）。
🧨 Vibe Coding 帶來的四個隱患
1. 數位孤島（Digital Silos） 每個人各自用 AI 快速生成系統，彼此之間沒有共同的架構語言，無法整合、無法共用，最終變成一座座孤島。
2. 不可維護的程式碼 多數 Vibe Coding 專案在第三個月會撞上所謂的「義大利麵點」（Spaghetti Point）：新功能會破壞既有功能，開發速度趨近於零。更深層的問題是「責任斷裂」：六個月後發現漏洞時，沒有任何人能解釋當初為何這樣寫，因為根本沒有人做過那個決策。
3. 難以追蹤的邏輯 AI 生成的程式碼看起來能跑，但缺乏一致的設計意圖。沒有人能回答「為什麼選這個 Pattern」「為什麼用這個資料結構」，因為答案是「AI 選的」。
4. 資安漏洞 AI 模型的訓練資料包含大量有漏洞的開源程式碼，它會很自然地重現這些問題。對於沒有資安意識的使用者來說，根本不知道自己部署了什麼。
💡 最容易被忽略的事實
很多人誤解「有了 AI，什麼都能加速」。但軟體開發中最耗時的從來不是寫程式碼本身，而是：
-
釐清模糊不確定的需求
-
管理系統的複雜性
-
長期的維護與演進
這些工作，AI 目前幫不上什麼忙。讓一個對領域不熟悉的人用 AI 加速開發，結果往往不是加速產出，而是加速混亂。
AI 真正取代的是什麼？
以我的經驗來看，AI 目前能有效取代的是重複性工作，而這個威力已經很大了：
AI 擅長 AI 不擅長
────────────────────────────────────────────────────
✅ 重複性的 CRUD 開發 ❌ 複雜系統的除錯與架構取捨
✅ 樣板程式碼生成 ❌ 分散式系統的湧現行為判斷
✅ 文件翻譯、摘要、格式轉換 ❌ 對抗式安全思維
✅ 測試案例生成 ❌ 跨團隊溝通與需求釐清
✅ 資料整理與分析 ❌ 商業邏輯的取捨與妥協
McKinsey 2026 報告指出一個有趣的現象：AI 編程助手普及後，軟體開發者需求反而增加了 34%，但職位結構劇變。企業不再需要 10 人團隊寫 CRUD，而是需要 1-2 位資深工程師做架構設計、審查 AI 輸出、處理 AI 無法判斷的灰色地帶。
結論：執行力已成商品，判斷力才是護城河
感覺現在的 AI，並沒有強大到可以取代人，頂多就是取代重複性的工作。但光是這樣，威力就已經很大了，確實已經讓許多人的工作受到衝擊。
價值正在移轉：
-
下降中 → 能寫程式碼、能快速產出的執行力
-
上升中 → 能釐清模糊需求、管理複雜性、確保可維護性的判斷力
對工程師來說，現在最該投資的不是學會用更多 AI 工具，而是強化那些 AI 做不到的事：架構思維、系統設計、需求分析、以及對品質的堅持。
AI 是很強的副駕駛，但方向盤還是得自己握。
留言