100 到 101 ，你的一小步毀滅的一大步?
當專案愈發龐大，也許某個時間點你發現你設計的貪食蛇突然無法轉彎？用戶回報自己的分數始終無法正確更新？或者當蛇身體長到一定長度時，畫面開始卡頓、紀錄資料時系統崩潰等奇奇怪怪的問題——AI 要怎麼除錯？要怎麼解決？
我想這是目前比較大的難點。現階段，單一目標的工作對 AI 來說相對容易，但如果面對的是移動的終點，或是複合型的問題，往往沒那麼容易。就上述提到幾個問題來說，我想對 AI 來說最難解決的可能是系統的卡頓。通常當我們嘗試透過 AI 解決類似問題時，它會列出多個方向，然後開始逐一試錯。這個過程中，運氣好的話，能快速地解決問題；但運氣不好的話，也許是更崩潰的開始…
但也必須要說，其實多數時候，我們也採用一樣的思維來面對問題。只是有時候我們能夠通靈成功？有的時候我們一樣會走向未知的領域，引出更多問題。所以單就這一點來說，也許我們與 AI 不分勝負。
解決問題，或是引入問題？
但這真的是不可避免的嗎？我想不是的。
一切關鍵就是我們不斷提到的 prompt，尤其是「精準的 prompt」。
這可以拆成兩個部分來看：
第一個部分，是 root cause。
如同前面提到的，在 0 到 1 的過程中，明確的目標讓 AI 能夠良好地依循，產生對應的程式碼。想解決一個問題，我們就要告訴 AI 明確的 root cause 是什麼。
回到貪食蛇卡頓的例子來說，如果我們能找出某個迴圈、也許是計算最尾端身體座標的函式運作過久，或是某個奇怪的 for loop 永遠繞不出結尾，那我想 AI 是有很大把握解決問題的。但如果只是說「卡頓」，這對我們或 AI 來說都不算精確。
以人類來說，我們可能要先能複製問題，透過 perf 或加點 log 來逐步縮小範圍。對 AI 來說，如果單就「卡頓」兩字，想解決問題，也可能也是一樣的過程。
第二個部分，就是掌握度了。
對於一個經驗豐富的工程師來說，類似的問題也許會馬上想起過往的某段程式碼；如果是系統層面，可能也會想起某些可以嘗試的命令。這樣的掌握度，對現行的 AI 來說能不能做到？我不確定，但我想是時間的問題。
只要能把整個專案相關的程式碼餵給 AI，只要有足夠的記憶體與計算能力，我相信 AI 對整體專案的結構理解一定優於人類。AI 在時間與空間複雜度的分析潛力也很大，尤其是當它擁有足夠的上下文與完整的程式碼時，或許能比我們分析得更快更準——雖然目前在面對遞迴、非同步等場景仍有些盲點，但未來的發展值得期待。
軟韌體工程師的自處之道
那我們該何去何從呢？雖然綜觀來看也許 AI 能夠解決 80% 以上的問題，但這並不代表我們真的「毫無用處」——那 20% 的棘手問題，往往才是決定產品與使用者體驗的關鍵。
首先，我們還不必驚慌。畢竟足夠的空間與能力，背後需要的是金錢成本，也與專案規模有關。
其次，還有很多軟硬之間的灰色地帶，需要人類定義。例如在 Wi-Fi 封包的處理過程中，有些 reserve 的記憶體空間，必須等到封包確實被送出後才能釋放，否則可能會影響傳輸。這種情況下，在過往我們做靜態分析或檢測時，常常需要跟工具說「這不是 bug，也不是 memory leak」。當然，也許 AI 未來學會後不會有這問題，但現階段還是得靠人類來定義。
所以我們能做的，除了擁抱 AI 帶來的便捷之外，更可以思考怎麼在優化我們工作產出的同時，提升其他層面的能力。尤其是兩個方向：思考的廣度，以及知識的廣度。
一、思考的廣度
在我不算太深的職涯裡，我發現多數優秀的工程師都有個特性——所有的問題都是問題，讓我們可以透過coding來解決。但也許我是個比較愛偷懶（？）的人，或者是受到某任主管的教導有方，我深信不是所有的問題都是問題。有些事從不同角度去看待，會有完全不同的解法。
尤其在與 AI 協作上，我認為這個能力是很重要的。以目前的使用體感來說，AI 多數時候會很執著你提出的問題，想給出一個正確的解答。有時會陷入 A、B、C 三個答案的無限循環窘境。但老實說，我們有時候真的要承認——不是所有的問題都有解答，有些問題只要有個「夠用」的近似解就好了。
二、知識的廣度
初期廣泛吸收、了解各種可能性，才有機會做進一步的探討與深入。很多新的名詞、新的想法、新的技術，總是得先聽過、見過，才有機會透過 AI 去學習與協作。
何不趁著生產力提升的空檔，看看這個碩大的世界？試著從爆炸的資訊宇宙中篩選出有用的內容，先記錄在心中成為一個條目，也許哪天不經意的時候就會用上。
最後：語言才是一切的起點
最後的最後，有點老生常談的一點：軟實力的提升，其中最重要的就是溝通、話說、敘事能力。更白話地說，就是用自己的話，讓人理解你所想的事。
你可能會困惑：「蛤？讓人理解你的想法幹嘛？」但說真的，別忘了目前最熱門的 AI 模型，都是 LLM 啊——大型語言模型，它們的核心本質還是語言。
如果我們不能用語言（或者說文字）準確地描述出我們所想的，那連最初的一步都跨不出去。不管是對人還是對 AI，學會溝通、學會描繪出腦中建構的藍圖，這將會是一切的開始。