資深碼農崩潰？「會寫 Code」正在貶值，台灣工程師最該搶的不是 AI 工具，而是你一直看不起的這項能力

凌晨一點，新竹某科技園區的辦公室裡，一位年資十二年的資深後端工程師盯著螢幕。他剛裝好 Claude Code,原本估計要三天的重構任務，AI 代理四小時就跑完，測試全綠。他沒有興奮，只有一個念頭:那我接下來靠什麼領薪水？

這不是個案式的焦慮，是結構性的訊號。

寫 Code 的單價，正在塌

_CODE 生成工具的普及速度超出多數人的預期。Google 的 Gemini CLI 開源後免費額度大方，Anthropic 的 Claude Code 直接以「代理」姿態進場——讀整個 repo、自己跑測試、自己修 bug。業內普遍觀察，一位熟悉這些工具的工程師，產出量能達到過去的好幾倍。

供需法則很殘酷。當「產出可運行程式碼」的成本骤降，這項技能的市場價格就會跟著跌。套一句華爾街的老話:當淘金鏟人人都有，賣鏟子的人先賺，拿鏟子的人貶值。

台灣尤其首當其衝。我們的軟體產業長期以「執行力」著稱——规格清楚、工時耐操、交付準時。偏偏這三項，正是 AI 代理最擅長取代的部分。

真正的稀缺能力:把模糊問題變成清晰規格

那工程師該搶什麼？

答案藏在一個反直覺的地方。使用過 Claude Code 或 Gemini CLI 的開發者幾乎都有同樣體悟:工具的產出品質，完全取決於你怎麼問。給它一句「幫我修這個 bug」,它跑偏；給它「這個函式在併發超過一百時會 race condition,請先寫重現測試再修，修完跑全套 CI」,它幾乎不掉鏈子。

換句話說，AI 時代最值錢的工程能力，是「規格化能力」——把模糊的商業需求，拆解成機器(和隊友)能執行的精確指令。這正是敏捷圈講了二十年的 User Story、Acceptance Criteria,也是多數台灣工程師覺得「很煩、是 PM 的事」的那套東西。

諷刺嗎？你一直看不起的文書能力，成了新的護城河。

工具還是能力？別搞錯投資順序

有人會反駁:那我去學 AI 工具總沒錯吧。

學工具當然要，但那是戰術，不是戰略。工具每季都在洗牌——今年是 Claude Code,明年可能是別的代理框架。真正跨工具通用的，是那組底層技能:拆解問題、定義驗收條件、審查 AI 產出的架構判斷力、以及在 AI 信心滿滿地 hallucinate 時，一眼看出「這個 API 根本不存在」的經驗。

Gemini CLI 有免費額度與百萬等級 context window 的優勢，Claude Code 的代理執行力強但成本不低，這些差異半年內就可能翻盤。但「會審 Code」的資深工程師，不管底層模型換誰，都站在食物鏈上層。

組織也在重新定價

企業端的反應更誠實。已有軟體團隊在調整招募標準:LeetCode 式的現場手寫程式碼比重下降，取而代之的是系統設計與需求釐清的訪談。假設一家公司原本要雇五位初中級工程師，導入代理式工具後可能只雇兩位——但這兩位的薪水，會流向那個「能把問題講清楚、把 AI 用到極致」的人。

台灣的工程教育與職場文化，向來重實作輕論述、重熬夜輕規劃。這套文化在代工時代是資產，在代理式 AI 時代，正快速變成負債。

代價開始浮現。問題是——你打算繼續跟機器比打字速度，還是開始練那個機器還不會的事？