Agentic Engineering vs Software Engineering: Beyond Vibe Coding

多年來軟體工程的教學與職業路徑相對穩定，但隨著AI輔助編碼的出現，這一切正在改變。講者直指核心差異：傳統軟體工程本質上是確定性的，開發者需要寫出明確指令、控制執行流程，相同輸入必然得到相同輸出，每個邊界情況、錯誤處理、驗證步驟都必須手動預先設定。然而大型語言模型的出現引入了本質不同的東西——這些系統不僅能執行邏輯，更能理解目標。結合記憶、工具使用、規劃與反饋循環，就形成了真正的AI智能體。

這意味著工程投入方向的改變：傳統軟體工程是開發者編寫行為，智能體工程是開發者塑造行為。為了理清這個轉變的全貌，講者提出了一個有用的視角——AI輔助編碼並非非黑即白的選擇，而是一個漸進的光譜。光譜的一端是傳統軟體工程，開發者完全掌控；沿著光譜前進，首先到達AI輔助編程，工具可以自動補全代碼或生成代碼片段，但開發者仍主導整體實現；再往前是氛圍編碼，開發者用自然語言描述意圖，迭代塑造結果而非逐行手寫；然後是主動編碼，系統可自主規劃、調用工具、執行代碼並自我除錯；最後是智能體工程，工程師不只是建造軟體，而是設計整個環境讓自主系統能在約束下進行推理、協調與動態適應。

然而這並非簡單的線性替代，而是抽象層級的逐漸提升。團隊通常先用氛圍編碼快速原型，隨著風險與複雜性增加逐步進化。關鍵認知是，這種轉變並未移除人類，反而改變了人類的角色——從親自執行每個任務轉向統籌系統。最大的誤解是認為智能體系統會消除工程專業的需求，但事實相反。隨著系統自主性增加，人類監督的價值反而上升，因為開發者現在必須確保機率工作流程的可靠性。

這也解釋了為何挑戰的本質在改變。傳統軟體故障相對可預測，能直接追溯到某個條件或程式碼缺陷。但智能體系統可能表面正確卻做出錯誤決策，可能產生幻覺、誤解意圖、濫用工具，或生成架構不良的解決方案。因此工程瓶頸從「編寫每一行代碼」轉向「監督、約束、評估日益自主的系統」。這也警示了氛圍編碼的陷阱——雖然適合快速實驗，但若缺乏嚴格工程規範，容易積累技術債，最終變得難以維護。