Source

https://www.youtube.com/watch?v=WkBPX-oDMnA 19:32

Summary

1. 人類仍必須理解程式碼，且不僅僅是為了「驗證正確性」 隨著 AI 代理（Agents）能自動撰寫大量程式碼（例如提交高達 5 萬行的程式碼修改），人類要跟上進度變得越來越困難。許多人誤以為現在人類理解程式碼的目的只是為了「審查並確保 AI 沒有犯錯」。然而，AI 自行驗證正確性的能力正逐漸變強，因此人類在單純「檢查正確性」上的角色其實正在減少。

2. 理解的真正價值在於成為「積極的參與者」並激發創造力 理解程式碼更深層的原因是為了「參與」。只有當你的腦海中具備豐富的概念結構，並能流暢地重組這些概念時，你才能夠產生下一個好點子，實現創意的飛躍。這種基於深刻理解而產生的創造力，是單靠 AI 無法取代的人類價值。

3. 必須警惕並避免累積「認知債」（Cognitive Debt） 學者 Margaret Storey 提出了一個類似「技術債」的概念，稱為「認知債」。在使用 AI 快速寫程式（vibe coding）的過程中，如果你放棄了對程式碼的理解，短期內或許還能順利運作，但最終你會因為累積過多認知債而完全搞不懂系統狀態，導致你無法再繼續參與該專案。

4. 放棄生硬的原始碼對比，改用 AI 生成「深入淺出」的程式碼解釋 不要只依賴閱讀原始的程式碼差異（code diff）來理解專案進度，我們應該利用 AI 製作專屬的「程式碼解釋文件」。一份優質的解釋應該包含：先提供背景知識、「先建立直覺再探討細節」（例如先說明目的並給予範例）、加入可互動的圖表讓你親自操作，最後才以如同閱讀文章般的方式，有邏輯地逐一解釋程式碼檔案。

5. 利用「測驗」作為速度調節器，避免「自以為懂了」的陷阱 單純閱讀解釋文件往往會讓人產生「我已經懂了」的錯覺（即所謂「書本無效」的現象）。為了解決這個問題，可以讓 AI 根據解釋內容生成測驗（例如 5 題中等難度的問題），並強制自己必須通過測驗才能批准程式碼變更。在 AI 促使一切都在加速的環境中，這個測驗能作為一個「速度調節器」（speed regulator），確保我們不只追求速度，而是真正吸收了知識。

6. 打造專屬的「微世界」（Micro-worlds）來培養直覺 借鏡教育家 Seymour Papert 提出的「數學國度」（Mathland）理念，我們可以讓 AI 撰寫程式碼來為我們建立短暫的、互動式的「微世界」或模擬器。例如，讓 AI 幫你打造一個專屬的視覺化除錯器，讓你能透過時間軸逐步觀察程式碼的內部狀態；或是將網站遷移過程做成如同點擊遊戲般的介面。這種方法能幫助你對程式碼的運作產生更深刻的「直覺感」，你不僅是在解決問題，更是在感受機器的運作。

7. 建立「共享空間」以促進團隊的集體理解 在團隊合作中，理解不能只停留在個人層面，團隊需要有共同的理解才能有效溝通並激發創意。可以利用工具建立包含多位團隊成員與多個 AI 代理的**「多人聊天串」**，或者在協作文件中與 AI 一起討論。當團隊在一個共享空間中看到彼此與 AI 的互動並進行交流時，能夠更有效地建立起對專案的集體認知。