
AI 話題聊膩了嗎?開發者的疲勞症候群觀察
2026年3月30日 · Waiting7777 · 4 分鐘閱讀
AIAI 話題講到爛掉了,我們能不能聊點別的?
最近開 Twitter 或是逛 tech community,十篇文章有八篇都在講 AI。什麼「AI 改變了我的工作流程」、「用 ChatGPT 提升開發效率」、「AI Agent 的未來展望」... 老實說我有點累了。
炒作疲勞是真的
不是說 AI 不重要,但現在的討論品質真的讓人頭痛。一堆文章都是把 ChatGPT 包裝一下就說自己做了 AI 產品,或是拿同樣的 prompt engineering 技巧來回炒飯。看到那種「我用 AI 寫了一整個 app」的標題,點進去一看就是用 Cursor 或 v0 生成個 todo app,然後花五分鐘調整樣式就說是自己的作品。
更誇張的是那些把基本的 API 串接包裝成「革命性 AI 解決方案」的。串個 OpenAI API 就說自己在做 AI startup,套個 Langchain 就說在研究 multi-agent system。這種包裝法讓人想到當年 blockchain 炒作期,什麼都要沾上邊。
技術討論品質下降
真正讓我困擾的是,這波 AI 熱潮壓縮了其他技術話題的討論空間。以前在 tech community 能看到 system design、performance optimization、新框架深度分析,現在全部被 AI 相關內容洗版。
而且很多 AI 文章都缺乏技術深度。不是說要每篇都講到 transformer architecture,但至少要有點實質內容吧?現在看到的多半是「我問 AI 這個問題,它給了這個答案」的流水帳,或是把官方文檔重新整理一遍就說是原創內容。
最慘的是那些「AI 將取代工程師」的焦慮文。寫這種文章的人通常對軟體開發的複雜度沒什麼概念,以為寫 code 就是軟體開發的全部。真正的挑戰在於需求分析、系統設計、維護既有 codebase、處理 edge case... 這些 AI 短期內根本碰不到的地方。
回歸有價值的討論
我覺得現在的狀況有點像當年的微服務炒作。每個人都在講微服務多棒,但很少有人討論什麼時候不該用微服務,或是導入微服務的成本。AI 也是一樣,大家都在講怎麼用,很少人討論不用的理由。
有價值的 AI 討論應該是什麼樣子?我認為至少要包含這些:
實際使用場景 — 不是 demo 或 POC,而是真正在 production 環境解決問題的案例。包括遇到的坑、performance 考量、成本分析。
技術選型理由 — 為什麼選這個 model、這個 framework?有沒有比較過其他選項?trade-off 是什麼?
限制和問題 — AI 做不好的地方、需要人工介入的情況、維護成本。這比成功案例更有參考價值。
不是反 AI,是反炒作
我自己也在用 AI tools,Copilot、Cursor 都有在用,ChatGPT 拿來當 rubber duck debugging 也很不錯。但我不會因此寫篇文章說「AI 提升了我 300% 的開發效率」。
真正的問題是炒作淹沒了實質討論。當每個人都急著蹭 AI 熱度的時候,反而很難找到真正有用的資訊。就像當年的區塊鏈一樣,真正在做事的人被一堆投機客的聲音蓋過去了。
我希望能看到更多像「為什麼我們沒有用 AI」、「AI 導入失敗的三個案例」、「從 AI project 學到的教訓」這種文章。這些反思比成功案例更珍貴,因為它們告訴你什麼時候該踩煞車。
或許我們可以暫時放下 AI,聊聊 React 19 的 compiler、Bun 的 performance、或是 WASM 的最新發展?這些東西一樣很有趣,而且不會每天被同樣的內容洗版。
至少讓我們的 timeline 多點變化吧,我真的看膩那些「AI 改變世界」的標題了。
<h2>延伸閱讀</h2> <ul> <li><a href="/blog/thinking-fast-slow-and-artificial-how-ai-is-reshaping-human-reasoning">Thinking Fast, Slow, and Artificial: How AI Is Reshaping Human Reasoning</a></li> <li><a href="/blog/coding-agents-reshaping-epd">Coding Agent 正在改變工程、產品、設計的協作方式 — 但改變的不是你想的那個</a></li> <li><a href="/blog/nextjs-162-is-here-is-turbopack-finally-working">Next.js 16.2 來了 — Turbopack 終於能用了嗎?</a></li> </ul>Waiting7777
WoW Arena 冠軍轉前端,用電競 meta 思維拆解技術趨勢。
相關文章
AIAI Agents+1AI 寫的 code 都是 slop?一個月 11,000 個 PR、revert 率 0.5% 的團隊怎麼做
Lauren Tan(poteto)在 AI Engineer 講她的團隊一個月發 11,000 個 PR、revert 率還維持在 0.5%,靠的不是更好的模型,是把規則寫成 lint、把 token 花在驗證上,聽完回頭看自己的 repo,發現踩過的坑只寫在註解裡,沒有任何檢查會擋。
2026年11月17日 · Waiting7777 · 9 分鐘閱讀
繼續閱讀 →
AIAI Agents+1換到新模型之後,寫給 AI 的規則檔要怎麼整理?拆解 Anthropic 的 prompt-audit
換了新模型之後,之前對著舊模型調出來的 CLAUDE.md 跟 skill 要不要跟著整理?把 Anthropic 公開的 prompt-audit 從頭讀了一遍,看它怎麼判斷哪句該刪、哪句不能刪,再拿自己的 code review skill 試一次,結果一行都沒少。
2026年11月16日 · Waiting7777 · 8 分鐘閱讀
繼續閱讀 →
AIAI Agents+1做 code review agent 之前,我先拆了阿里的 open-code-review
規劃 code review agent 時越做越發現什麼都能寫成 code,於是拆了阿里開源的 open-code-review,看它怎麼把不能錯的步驟交給程式、只把判斷留給模型,整理成七條設計原則,再回頭判斷這件事到底該不該做成 agent。
2026年10月27日 · Waiting7777 · 9 分鐘閱讀
繼續閱讀 →這篇文章對你有幫助嗎?
每週一篇 — 技術趨勢背後的商業邏輯
AI 產業在變什麼、工程師該注意什麼——拆清楚寄到你的信箱。