別再當 AI 的打字工！從《Specification-Driven Development with Coding Agents》重新定義你的工程師思維

你目前是如何使用 AI 協助寫程式的？「幫我寫一個 Python 爬蟲」、「幫我重構這段 Code」……如果你還停留在這種「一段指令、一段程式碼」的對話模式，那可能只發揮了 AI 不到 20% 的潛力。

最近剛修完 DeepLearning.AI 的新課程 《Specification-Driven Development with Coding Agents》。內容定位是入門（Basic），但它帶來的心智模型（Mental Model）轉變卻很棒。它不教你複雜的演算法，而是教你如何在 AI Agent（編碼智能體）普及的時代，重新定位「人類」與「AI」的協作關係。

核心觀念：人類負責 What to do，AI 負責 How to do¶

這門課的核心圍繞在 SDD（規格驅動開發）。

過去，一個功能從無到有，人類工程師必須同時包辦 What（定義需求） 與 How（親自編碼、處理語法、架構設計）。但在 SDD 的框架下，這條界線被重新劃分：

• 人類（負責 What to do）： 專注在更高維度的思考。我們需要定義出極其清晰的規格（Specifications）、邊界條件（Edge cases）以及驗收測試（Tests）。
• AI Agent（負責 How to do）： 根據人類給定的規格，自主決定實作路徑、選擇 API、編寫程式碼，甚至在測試失敗時進行自我修正（Self-reflection）。

當 AI 決定 How 的成本趨近於零時，人類的價值將完全取決於你定義 What 的能力。如果規格模糊、邏輯矛盾，AI 只會「用極快的速度產出精準的垃圾」。

Human in the Loop：我們不是被取代，而是晉升為「導航員」¶

很多人擔心 AI Agent（如 Devin 或 Cursor 的進階功能）會完全取代工程師。這門課給出了一個非常務實且安心的答案：Human in the Loop（人類在環中）。

AI Agent 的目標不是百分之百的盲目自動化。在開發過程中，人類的角色就像是掌握方向盤的導航員：

1. 審查實作計畫： 在 AI 動手前，確認它的理解沒有跑偏。
2. 關鍵節點把關： Review 程式碼變更，並透過測試結果評估軟體的安全性與正確性。

我們不再是苦哈哈的「打字工」，而是轉變為「架構師」與「品管者」。

為什麼推薦這門課？¶

如果你想從「只會用 ChatGPT 寫 Function」的初階使用者，晉升為能夠駕馭 AI Agent、設計自動化工作流的 AI 原生工程師（AI-Native Engineer），這門課是絕佳 senior 思維的起點。

它會讓你明白：未來的程式碼，是用自然語言與測試規格寫成的。 推薦給所有正在探索 AI 輔助開發、想提升自身架構思維的軟體工程師與技術管理者！

👉 課程連結：Specification-Driven Development with Coding Agents