在 QCon London 的演講中，Phillip Mortimer 提出了一個挑戰傳統軟體工程觀念的論點：在人工智慧（AI）主導開發的時代，所有的程式碼正逐漸變成唯寫（Write-only）且一次性（Disposable）的產物。傳統上，我們強調程式碼的可讀性，認為撰寫程式碼的主要對象是未來的維護者，但當 AI 生成程式碼的速度與數量遠超人類處理能力時，這種開發範式正在發生根本性的轉移。
背景與唯寫程式碼的概念
唯寫程式碼（Write-only code）是一個由 Eric S. Raymond 提出的概念，指的是那些極其晦澀、複雜或結構混亂，以至於除了原作者之外（甚至包括原作者本人）幾乎沒有人能理解或修改的程式碼。在過去，這種現象通常出現在追求極端效能或高密度表達的語言中，例如 APL 或正規表達式（Regular Expressions），這類語言用極短的符號代表複雜邏輯，雖然強大但可讀性極低。
Mortimer 指出，AI 生成的程式碼正呈現類似的特性。由於 AI 能在瞬間產生大量且密集的邏輯，人類開發者在面對這種規模的程式碼時，逐行審閱已不再現實。當程式碼的密度增加到人類無法有效閱讀的程度時，它在實務上就變成了唯寫程式碼。
從閱讀程式碼轉向依賴測試
當程式碼變得不可讀，我們如何確保軟體的行為正確？Mortimer 提出了一個核心原則：讓測試定義行為。在唯寫程式碼的環境中，測試案例（Test Cases）不再僅僅是驗證工具，而變成了唯一的正式文件。
開發者不再試圖透過閱讀原始碼來理解程式邏輯，而是透過觀察輸入與輸出的對應關係（Input-output pairs）來推斷程式的功能。這意味著測試的完整度決定了軟體的可靠性。如果測試涵蓋範圍足夠廣，開發者就不需要深入理解 AI 寫了什麼，只要知道它能正確產出預期結果即可。
一次性程式碼與自我修復機制
隨之而來的是程式碼的一次性屬性。傳統開發中，當程式出錯時，工程師會花大量時間除錯（Debug）並修補現有程式碼。然而，對於 AI 生成的唯寫程式碼，除錯的成本往往高於重新生成的成本。
Mortimer 認為，最有效率的做法是保留測試案例，直接捨棄出錯的程式碼，並要求 AI 重新撰寫。這種一次性（Disposable）的思維將開發重心從修改轉向替換。為了實現這一點，他建議將 AI 代理（AI Agents）與可觀測性平台（Observability Platform）結合。可觀測性平台是指能透過日誌、指標與追蹤來監控系統內部狀態的工具。當 AI 代理能監控這些警報並自動分析問題，隨後主動提交修復程式碼的拉取請求（Pull Request），軟體將具備一種自我修復（Self-healing）的能力。
自動化審閱與對抗性評估
面對海量的 AI 程式碼，人類審閱將成為開發流程的瓶頸。Mortimer 建議將審閱過程自動化，透過建立一套包含資深開發者經驗的技能集，讓 AI 審閱代理在持續整合（CI）流程中執行。
針對 AI 審閱自身產出是否有效的問題，他觀察到一種對抗性審閱（Adversarial Review）的趨勢。只要提供不同的提示詞（Prompt）、不同的指令集或不同的上下文環境，另一個 AI 代理往往能發現原先模型遺漏的漏洞。此外，還能部署去雜質（De-slopify）代理，定期掃描整個程式庫，清理重複程式碼、未參數化的測試或過時的功能開關（Feature Flags），以維持系統整潔。
開發者角色的轉型：從實作到創造力
當實作（Implementation）問題被 AI 解決，開發者的角色將從編碼者轉向創意設計者。意圖（Intent）與實作正式脫鉤，開發者不再受限於特定程式語言的語法，而是透過自然語言定義目標。
在這種新範式下，創造力成為核心競爭力。Mortimer 強調，創造力並非瞬間的靈感爆發，而是一個迭代（Iterative）的過程，需要大量的專注時間與適度的限制。他建議組織應減少碎片化的會議，為開發者提供不被打擾的深度工作時間，因為在追求極速開發的壓力下，反思與創造性思考的空間反而變得更加稀缺。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。