在 AI 代理（AI Agents）能自動編寫程式碼的今天，軟體開發的瓶頸正在發生根本性的轉移。過去，開發者大部分的時間花在「實作（Implementation）」——也就是將設計轉化為程式碼的過程；而現在，實作的成本正迅速趨近於零。
Anthropic 的工程師 Adam Wolff 分享了開發 Claude Code（一個基於終端機的 AI 編碼工具）的經驗，揭示了一個核心觀點：當寫程式不再是困難所在時，唯一的競爭優勢將變成「學習速度（Speed of Learning）」。這意味著工程師的角色將從「編碼者」轉向「架構決策劃者」與「快速實驗者」。
開發實務中的三個教訓
為了說明 AI 如何改變開發流程，Wolff 分享了三個截然不同的實作故事，涵蓋了成功、妥協與徹底失敗的過程。
第一章：挑戰傳統禁忌，重建輸入系統 在開發終端機工具時，業界有一條金科玉律：不要嘗試重新實作使用者輸入（Input）系統，因為處理文字輸入（如光標移動、快捷鍵、自動補完）極其複雜。但為了實現特殊的斜線指令（/ command）和 @ 提及功能，團隊決定挑戰禁忌，開發了一個自定義的 Cursor 類別。
這個過程證明了 AI 在「高測試覆蓋率」環境下的強大威力。由於團隊建立了完整的測試集，AI 能快速地透過「執行測試 $\rightarrow$ 調整實作 $\rightarrow$ 再次測試」的循環，快速完成複雜的 Vim 模式開發。即便後來遇到 Unicode 字元寬度、正規化（Normalization）等極其棘手的國際化問題，AI 也能在短時間內協助完成大規模重構與效能優化。
結論：只要架構正確且測試完備，AI 能讓原本被視為「高風險」的底層開發變得可行且高效。
第二章：從直覺設計到實驗導向的 Shell 實作 最初，團隊直覺地實作了一個「持久化 Shell（Persistent Shell）」，認為像人類一樣維持一個持續的會話是最合理的。但實務發現，這成了效能瓶頸，無法支持 AI 代理同時執行多個指令（Parallelism）。
團隊果斷放棄原有的設計，改用「瞬時 Shell（Transient Shell）」，但這帶來了新問題：使用者自定義的環境變數和別名（Alias）全部消失了。為了修復這個問題，他們開發了一套「快照（Snapshot）」機制，在啟動時捕捉使用者環境並在每次執行時回放。
這個過程揭示了一個重要真相：很多真實的需求（如 Shell 配置的複雜性）在設計階段（Requirements Phase）是無法預見的，只能透過「發布 $\rightarrow$ 被使用者打臉 $\rightarrow$ 修正」來發現。
結論：不要過度依賴設計文件，要透過快速實驗來驗證架構。
第三章：SQLite 的失敗與可用性優先 團隊曾嘗試引入 SQLite 作為對話紀錄的持久化層，理由是它知名度高且能提供資料一致性（Consistency）。然而，這次嘗試在兩週後被徹底撤回。
失敗原因有三： 分發困境：SQLite 在 npm 生態系中屬於原生依賴（Native Dependency），在不同作業系統上的安裝極易崩潰。 鎖定機制：SQLite 的寫入鎖定是資料庫級別的，在多進程環境下會導致大量衝突。 遷移成本：在無法監控的使用者端進行資料庫遷移（Migration）風險極高。
Wolff 意識到，對於開發者工具而言，「可用性（Availability）」遠比「一致性」重要。如果因為資料庫鎖定導致工具無法啟動，使用者會立即憤怒；但如果對話紀錄稍微出錯，使用者尚可忍受。最終，團隊回到了簡單的 JSONL 檔案儲存。
結論：AI 能幫你快速實作複雜功能，但它無法幫你做正確的權衡（Trade-off）。工程師必須清楚產品的核心優先級。
AI 時代的工程新指南
面對開發速度的飛躍，工程師應該如何調整工作模式？
從實作到驗證的重心轉移 過去我們花大量時間寫設計文件（Design Docs）和做原型（POC），是因為實作成本太高，錯了很慘痛。現在實作成本極低，我們應該將重心移向：如何快速部署、如何獲取真實回饋、以及如何快速撤回（Unship）。
建立快速反饋迴路 速度的關鍵不在於「發布速度」，而是在於「學習速度」。 優化交付頻率：追求持續部署（CD），縮短從想法到使用者回饋的週期。 降低反轉成本：大量使用功能開關（Feature Flags）和模組化架構，讓「撤回功能」像移動指標一樣簡單。 抑制自尊心：接受「先發布、後編輯」的模式，甚至允許功能重疊，在實踐中篩選出最佳方案。
與 AI 協作的進階技巧 Wolff 建議不要將 AI 視為單純的代碼生成器，而應視為協作夥伴： 提供約束與理由：告訴 AI「要做什麼」以及「為什麼不能這樣做」，產出品質會大幅提升。 意識到 AI 的盲點：AI 在處理特定生態系（如 Node.js 原生模組）的限制時常會出錯，工程師必須保持懷疑精神。 適時終止對話：當你發現自己不斷對 AI 說「這行不通，請試試別的」時，通常意味著目前的思路已進入死胡同，應直接開啟新對話，嘗試全新路徑。
來源：infoq.com (Engineering at AI Speed: Lessons from the First Agentically Accelerated Software Project)
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。