人人問 Claude 之後,沒人懂系統為什麼,終局是可維護性跟品味

https://www.ssp.sh/brain/the-problem-is-not-the-ai-code-but-nobody-knows-anything-anymore/

Simon Späti 2026 年 9 月 26 日在 ssp.sh 放上一篇,9 月 29 日又改過。文章寫道,若大家覺得寫碼已死、整份 codebase 都由 AI 生出來,他仍認為更大的問題是:人或整隊,對系統架構、以及某些選擇為什麼這樣做,什麼都不知道了。

討論裡有人留過一句觀察。AI 寫出來的,大概是平均的程式,要看任務跟規模。codebase 原本低於平均,AI 不難把它拉到平均。至少那是留言的人自己看到的。Späti 認為這類觀察可以成立。他主張真正的問題不在 AI 寫的碼。沒有人知道任何事,人人只是問 Claude,到頭來什麼計畫都沒有。

他引來的那則推文,一天的工作是按 enter

Späti 用 Voxium 的一則推文來概括現在跑很快的新創,或中階主管正在硬推 AI 的大公司。推文裡的現場是對方的,他沒有把它寫成自己的任職。

推文裡的人寫,自己已經受不了,工程現在的狀態很糟。在一家大公司的新職位上做了半個月,那裡沒有人知道任何事。規格、程式、測試、PRD、ticket、那些 ticket 怎麼結、報告,全部由 Claude Code 做出來。團隊裡沒有人喜歡。上面催出貨,逼他們能出多少就出多少。這個人多次聽到更高層說,產碼不是瓶頸,那為什麼還慢。人一天做 12 到 13 小時,做的事是按 enter。沒有人在讀。公司裡的人不再自己做事。

從 L1 到 L7,工程師在做同一件事:「Talk to Claude」。沒有贏的感覺。沒有人在解 bug。實際上沒有人在想,事情都交給 LLM。這個人覺得這很耗人,也寫,若至少給時間看過程式、看東西接到哪,自己不會那麼介意。目標是只管 ship,後面發生什麼先不管。

懂的人一離開,每種語言都可能沒人懂

Matthew Mullins 寫,現在的問題是懂 COBOL 的人正在離開勞動力。他說,agent coding 會把同樣的問題帶進每一種開發語言。

知道自己要什麼仍最難,起步還是可以選錯

Sean Behan 寫過,他一直欣賞不會寫碼、卻能帶團隊做出自己想要的軟體的產品人。知道自己要什麼,一直是最難的部分。

好的產品經理現在也許什麼都做得出來,找得到市場,也做得出看起來像樣的表面。人不會寫碼,很容易打下很難維護的地基。AI 在這件事上也在變好,尤其常常回頭改的時候。選錯語言,或選錯 mental model(心智模型),一開始就走錯。

基本功還是有幫助。寫程式、設計產品用得上,知道要什麼、又懂系統和架構的 PM 也用得上。

資料的人以前第一天就得懂業務

Hoyt Emerson 覺得 data 人不一樣。他們從第一天就得知道產品和業務的全部。AI 現在只是拿掉摩擦。

Späti 同意這點。AI 出現之前長大的 data 人,確實得知道全部,或至少知道很多,不然就得把領域裡的人拉進來一起弄清楚。他接著寫,AI 讓這件事過時了,或者看起來像過時。今天才開始的人會突然缺那層知識。他自己如果今天拿 prompt 闖進一個新領域,也一樣。

生成愈容易,沒人懂的東西愈難養

用系統想、看架構、帶著意圖和設計,這些仍然讓人成為更好的軟體工程師。手寫碼現在或許已經死了。Späti 仍認為手寫有幫助。Having Taste (with AI),跟 AI 一起做時的品味,比以前更要緊。

他寫,最後要面對的一直是可維護性。弄出一條 pipeline、一個 app、一塊 BI 儀表板愈容易,要維護的東西就愈多。沒有人懂任何一件事的時候,維護會變得很難。

AI 不能自己下 prompt,指揮還在人身上

AI 不能對自己下 prompt。Späti 問,那為什麼還需要人。他的答案是,人仍要 direct、要 orchestrate,指揮它,把工作編排下去。意圖、taste、設計、架構,他稱為現在的 killer features。這些沒了,或者連基本功都沒了,他認為就很危險。

他當天另外讀到一種說法。這是自己造成的;組織若還在雇 junior,問題就不會發生。他寫,沒那麼容易。

Harry Dry 更早談過 AI 會不會取代人。大主意主要看 conviction,一種敢把主意扛住的確信;創意在他那句裡退到後面。他把點子周圍的配料叫做醬料,那些東西變得非常便宜。沒有一則 AI prompt 叫得出 conviction。Späti 自己在另一篇 Is AI solving this? 裡寫過,寫作很難,writing from the heart,從心裡寫出來,仍是只有人做得到的事。

產碼變便宜以後,他要留下的是指揮。放到 AI-native SDLC 裡,這就是 ownership(所有權):放行前有人答得出架構為什麼這樣、意圖是誰的,上線後系統怎麼跑也有人說得清。