取不取代，這邊的討論缺乏交集與意義，因為大家心中的取代定義都不相同。
有些人的取代：是過往累積的技能被取代，或許工作還在，但是之前的技能不再重要。
有些人的取代：是工作職位數量級的取代，也就是裁員和失業。
有些人的取代定義更嚴格：就是你再也看不到這個職位名稱。
下一代小孩子會問爸爸說：「爸爸，你以前做什麼工作啊？」「我以前是寫程式的。」然
後小孩說：「蛤？那是什麼工作啊？有聽過嗎？」
百科和教科書上再也沒有這個職業名稱了。XD
與其討論取不取代，不如我這邊分享個實際案例，然後面對 AI 做出的成果，大家自己關
門後捫心自問，想比之下自己還有多少殘值？然後取不取代的問題，每個人心中自然會有
個數。
[案例分享]將已經運作超過十年，用 dotnet framework 4 開發的 aspnet MVC 的網站，
全部升級到 dotnet 8，用 aspnet webAPI 並且前後端分離的架構重寫。
https://i.imgur.com/z4OK7JK.jpeg
這樣做的動機，是因為要全部擺脫 Windows Server 與 IIS 的綁定，改用 Linux 與 Doc
ker 容器化，節省基礎設施的開銷，並且提升系統的可維護性與擴展性。
這是監控公司內部系統運作健康狀態的儀表板，細節我就不多說，主要的重點這不是一個
讓 AI 自由發揮，從無到有的全新專案，而是有一個既有祖產的 legacy 系統，然後要把
它完整地搬過去新的技術棧。
而且它當初誕生自連 EF 這種 ORM 工具都還沒出現的年代，整個資料存取層是透過 stor
ed procedure 無法直接存取 Table，反正 DBA 權限上也不允許這樣做啦。
當時是透過已經被微軟遺棄的 LinqToSQL 來做資料存取。透過 designer GUI 工具用拖
拉的方式產生呼叫 sp 的程式碼。
而所有的 sp 總共有 49 隻，沒有 code-first or db-first 的選項，只能串接那 49 隻
sp，然後把它們包成 repository 方法。
https://i.imgur.com/6K2XmQ0.jpeg
看完以上描述，這項任務交給你這位資深工程師，惦惦算一下，你要花多少時間，才能完
成重寫這個項目？
一個月？半年？還是一年？
那你知道我只透過 Gemini CLI，又只花了多少時間，就完成了這個任務嗎？
答案是不到半小時，整個專案就轉成 dotnet 8 webAPI，透過 swagger UI 就可以測試所
有功能。
https://i.imgur.com/fLs8gVY.jpeg
https://i.imgur.com/Pj755oD.jpeg
驚奇的是，這過程他看到原本的 LinqToSQL 的代碼，跟我主動詢問資料庫連線字串，它
自己上去查看所有 sp 清單，並且掃出所有的參數與回傳欄位，然後自動產生對應的 rep
ository 方法。
https://i.imgur.com/nyy7d6V.jpeg
針對 query 類型的 sp 還自動幫我產生對應的 DTO 類別，用強型別讓程式代碼更容易閱
讀與維護。
但因為免費額度爆掉了，所以我只好第二天 reset free quota 後再繼續請他幫我做出全
新的前端 UI。
https://i.imgur.com/xw81pD8.jpeg
https://i.imgur.com/KRQwN8M.jpeg
就這樣，老舊的系統已經完成翻新並且開始上線運作了。
半小時重寫後端，第二天再花半小時跟他溝通 UI 需求做出畫面，整個翻寫就只需要一個
多小時。
沒有花我半毛錢。
看完這個案例，大家對自己還有多少殘值可以評估看看，心中有數就好。

確實，大家捫心自問，這樣算不算被取代？然後一堆人用都沒用過就說AI OOXX辦不到，目前人辦得到的，有訓練資料的，AI幾乎都辦得到

這算創造新需求，以前可能就擺爛

如果從這個案例中覺得自己近乎沒殘值 確實得快轉行AI不會取代所有職位 但一定會取代這種人XD

樓上太狠了，還是有殘值啦，只是十個人會砍掉八九個

感覺自己有價值別人沒殘值就是軟工版的主旋律阿，沒啥好討論的其實

反正先取代的一定是連用都不會用的廢物

很多連用都沒用過就發表評論的不曉得算哪種？

如果一個完全不懂程式的人有辦法下得出跟你一樣的prompt並且有辦法確認重寫完的程式跟原本的結果一致 才有資格叫做完全取代吧

禮拜一大家戾氣都那麼重嗎

太強了

說實話比起工程師殘值，我更想去了解更赤裸的AI意識型態是什麼原因讓一位工程師在沒了解的情況下評論XD

那你趕快辭職去炸雞排啊

樓上又有人糾結在「完全」「取代」，不談「取代」，所以大家就不需要有危機感了嗎？真的很幸福耶大家。

AI發展到後期prompt影響會變很小 完全自然語言導向就像早期的COT現在就不用了主要是知道自己想幹嘛 明確地跟AI溝通就好

外包表示開心

用ai是很快沒錯 但覺得半小時有點誇張XD

要有什麼危機感？會擔心就轉行或是學AI阿

我覺得半小時其實是心理面已經有很正確的計畫如果對問題/專案不夠有了解 一定也是一步步跟AI推敲

什麼樣的危機感？就是打不贏，卻又不選擇加入的那種危機感囉，轉行當然也是不錯啦～民以食為天嘛

萬一有人就是工作領域，AI不擅長呢，產出的code大部分不能用。何必一直預設立場，所有人的工作都能用AI那麼方便。

軟工尤其是web 90%的人力應該都能砍了現在還沒被裁真的是領一天算一天

寫web那麼好用？ 怎麼不寫個google搜尋引擎同樣的功能，取代google。光是個搜尋功能，排序演算法，AI就是爛到不行啊。每個人工作狀況不同，你覺得能取代90%, 99%。但有些人的工作覺得只能取代掉10%的工作啊，這不衝突。大家工作狀況不同，何必認為別人的觀點就是錯的。

其實樓上可以直接開一篇討論，看看什麼場景不適用AI

這也不是殘值問題吧xD, 只要你可以讀懂 refactor 內容，確保他不會隨便加料，這就是很典型的放大工程師的工作能力和效率

樓上Ｄ大，確實還是有很多工作領域是活在保護傘下的，例如禁用 AI 或是擔心資料上傳的金融產業，或是領域特殊、訓練資料少的，可口可樂獨家秘方或是藏在自家才能用的 SDK library 之類的。我只是分享一個透過 AI 翻寫 legacy 系統的案例，打破少數認為 AI就是 garbage out 的偏見而已。

我還蠻想知道哪些場景不適用，表示護城河很深值得加入

但是麻煩使用過後再評論心得，不要沒使用過就空口說白話說哪些場景不適用AI

然後把 google 搜尋引擎歸類在「web」類….這有點好笑到不知怎麼吐槽，web 只是皮 skin 一樣薄的東西而已。

你也知道只能取代皮喔。就代表你也知道很多東西AI根本寫不出來啊。搜尋引擎本來就是web。爬蟲爬web資料，送到後端資料庫做索引，查詢，排序，輸出。不然搜尋引擎是什麼技術？ 笑死。elasticsearch 這大家後端常用吧，搜尋不叫做後端？ 真的是扛精。

D大上面所說，讓我知道 D大對搜尋引擎的理解比我還少很多，感恩。

elasticsearch的搜尋要怎麼設定，才能讓購物商品照顧客需求排出，這AI就明顯做不到阿。有什麼好扛的。講到最後，你連寫個AI取代google搜尋都做不到？那怎麼一直在吹AI取代工程師。的確啦，AI能取代你這種等級的工程師。

好嗆

google門檻太高？再給你程度低一點的，寫一個元宇宙程式，拍一張路上汽車照片，將車子轉成3d model。讓車子3d model轉一圈，夠簡單了吧。這類需求AI也做不到，但人類工程師超容易做的。

玻璃心已碎取代的就是你這種等級的工程師，攻擊力太強了

我記得本來不是有個會在每篇D大留言一直尾隨表達崇拜景仰的跟班，那個人怎麼不見了？是因為這樣才造成D大如此情緒失控嗎？快把那個帳號找回來這裡啊！！

你講的這個case, 可以串cloud API嗎？

「人類工程師超容易做的」？？其實看久了覺得像反串了XD

覺得都能取代的趕快搞副業或轉行啦

我自己寫了一個可以同時光纖+3.5輸出的音樂播放軟體,你可以讓AI寫看看這個功能,看看會發生什麼事情.這個也沒商業機密,我自己寫給自己的玩具,寫一次就知道了

變成出題挑戰喔？最好我那麼閒啦～而且光是需求我就看不懂了「光纖＋3.5」感覺是玩音響的玩家才理解的東西。總之不奉陪啦，自己的作業自己做，你可以拿著個題目練習 AI + SDD啊

我已經寫出來了= =|||這個是回應前面說的,哪些東西不能用AI做,我寫的途中有遇到一些狀況,很大機率AI沒辦法修正這個問題.至於AI+SSD,有空才會去測看看了.SDD,打錯

出題很簡單啊 寫個台積電顧機台專用AI取代輪班工程師寫個能在金融市場持續低買高賣的交易AI 連班都不上用了

「很大機率」不能？不知道你怎麼下這個評論的？沒用過要怎麼下「不能」這個評論？

最好笑的是一堆人覺得自己是那1%，實際上只是剩下來的99%嘻嘻，對了我也是那1%，準備去炸雞排了

你寫過一次就知道為什麼了. 跟硬體問題有關.

「我寫的途中遇到一些狀況」「很大機率不能」，這些都超籠統的形容詞，至少也要跟這篇文一樣解釋清楚吧？你都承認你沒用過AI了，你怎麼知道AI不能？那我也要學你，你用過一次AI就知道能不能了

AI進步取代巨匠初階人類工程師工作很明顯

99%才對= =

巨匠工程師被取代就說中高階人類工程師消失就太超過

我比較好奇大家覺得「多快」會被取代

軟體同時控制不同硬體很常遇到互打

因為 ai 進化速度確實蠻快的

董硬體的人應該很容易找那些AI沒被訓練過的問題純軟純資料科學很有機會像AlphaGo一個爆發就碾壓人類可是如果把硬體弄進來讓軟體控制 很常出現意外狀況去找電資背景的人問數位IC類比IC設計跟程式設計差在哪寫程式的人認真去了解IC設計 應該會覺得很像寫程式

真正的1%是做模型做Agent給我們用的人未來做應用就是用嘴寫 人人都是嘴砲高層不好嗎XD

EDA tool就是寫軟體工具給IC設計的人用來輔助IC設計AI輔助寫程式可以看成一種更高階更像人類的程式語言

我遇到的問題網路並沒有搜尋到討論,不在training set的問題AI要怎麼回答...

但在怎樣進步 機械碼或組合語言之類的工程師也還在吧像我就完全不董compiler 也用能寫程式啊不只編譯器 二元樹反轉二元樹我通通都不董 依然寫正確回答樣本外問題 本來就是機器學習AI領域的老議題

AI看你寫的RTL或韌體C code就好了，不用講的好像多神秘一樣

我說結論吧 AI取代人類工程師這種唬爛話不用理他AI取代跟不上AI時代的工程師 失業問題怎麼辦可討論

人類遇到搜尋不到答案怎麼做：做實驗，trial and error，我跟你講現在的AI也會

人類在各種不同領域累積很多domain knowledgeAI在也能像人類那樣累積 甚至未來有天會出現強AI但是已現在的AI發展來看 強AI(通用AI)還很久台積電要怎麼做顧機台AI 直接增加台積電盈利?有興趣的人可追蹤台積電何時讓顧機台AI誕生狂砍工程師

好心人，推

圍棋AI其實也花很多年 只是到了AlphaGo有個大爆發

也不是什麼神秘的事情，就硬體特性問題而已，但AI聽不到喇叭輸出聲音，要怎麼解？

關心AI發展的人可再拆純軟資料分析AI 要碰硬體的AI硬體AI 目前優先關注機器人與自駕車

要解也要先讓AI能接麥克風輸入喇叭聲音吧，然後還要訓練AI能聽音樂-_-理論上可行但也要有人肯訓練AI做這種事情

就算是純軟的MP3壓縮就利用人耳生理特性

音訊處理DSP這個不是早就做幾十年的東西了？

問題本質就是 AI的domain knowledge是否充分我猜樓上沒實作類比IC與數位IC的經驗

不用輸出喇叭啊，直接音訊檔給AI處理就好了

隨便一個不在自己守備範圍的東西就做不出的話，那護城河還滿深的。等Gemini 3能自己做出Gemini 4 再來擔心好像也不晚。

數位IC就RTL code有多難？能寫成扣的AI都看得懂，類比我就不熟了

喇叭這種算類比IC領域 有一堆純軟數位AI考量外的雜事

GitHub 上RTL code不多所以AI訓練結果不太好，如果夠多RTL code給他訓練一樣強問題hidog 講的是數位類比IC嗎？我覺得不是

看hidog願不願意當老師詳細解說 類比訊號的奧義

程式語言的東西遠比自然語言簡單 畢竟是有規範的東西

光纖跟3.5一個數位訊號一個類比訊號。

而且hidog都說「音樂播放軟體」了，應該跟IC無關，直接呼叫硬體驅動就好

他都說到喇叭麥克風了 不要用純軟數位AI的思維去想

如果同時餵資料給音效卡IO的話，光纖跟3.5會出現時間差，當時搜尋沒找到答案，最後自己work around修掉處理的時候也遇過破音問題，這個只看code其實看不出會破音，播放以後才聽得到。

我跟你說，音訊檔打開來就是一連串數字，以前用Matlab做音訊處理就是這樣

這有興趣可參考台大資工李琳山語音辨識的相關研究

這個舉例聽起來既沒有被取代也沒有影響殘值吧

牽扯到晶片也會有一些問AI得不到答案的東西，我最近才遇到，工作內容就不解釋了。

這是正回饋提高產出很棒阿

你要控制晶片也是要透過驅動，阿你人要寫扣也是要讀manual看原廠給的驅動代碼，給AI看這些他一樣辦得到

所以別碰硬體相關回歸純軟數位AI領域的討論就好

我覺得y大不太聽人講話的，討論下去沒啥意義，說不定我們其實在跟AI對話

樓上是因為活在數位訊號的世界 才會認為類比沒什麼

你人要操作某個晶片，你也要先讀過那個晶片的的驅動代碼和手冊，AI當然也需要，他讀完就會寫了

我很確定這就是沒碰過硬體沒碰過類比的人的反應

不然你問其他網友，看有沒有人懂你的問題是什麼？

因為我以前也是這種人 沒了解類比訊號前都是雞同鴨講

阿這邊就軟體版啊，你一直要提類比IC在這個版是要？？

因為人類世界問題很多 所以我才說回歸純軟數位AI的討論

這算開大絕嗎？XD

人類世界的工程師必然要面對類比訊號類比IC的問題這類問題跟純軟工程師討論會有鬼打牆的情況所以應避免

喔 好

所以說AI取代人類工程師 在純軟領域較值得討論一旦涉及硬體上面就直接說了網路上搜尋不到更直白的說 那可能是地球人類還沒討論過的硬體問題AI的domain knowledge累積超越人類範圍有限

某些軟體工作就是會碰到韌體跟硬體，像我自己軟體韌體都寫的，怎麼可能跟硬體完全切開，而這些問題並非AI擅長的領域阿

韌體非擅長領域，是因為網路搜尋不到才得出的結論嗎？硬體不熟，但這邊是軟體版，韌體就算你給人類寫他也是需要規格手冊和原廠示範碼，有這些的情況下我跟妳說AI也能寫韌體你不給規格手冊示範碼，你叫工程師寫韌體，就算搜尋網路，工程師一樣寫不出來

這就是AI何時能攻進韌體領域問題這種AI董韌體的人就能開發不是天方夜譚但多久會有

而且不用額外訓練AI，直接給AI當場看規格手冊示範碼，他當場就可以開始寫你示範碼多長，幾千幾萬行等級他幾分鐘就可以讀完，你人類要讀多久？

重點就是看sample code寫不一定能動XD

甚至如果只是API指示手冊，他讀的更快

牽扯到硬體變因太多啦

原廠給的一定能動吧 這是甚麼野雞廠商嗎??

人類看示範碼寫也不一定會動，阿人類怎麼做？trial anderror啊，啊AI也會trial and error示範碼在公版上一定會動啦，不會動找原廠，量不夠大人家不理你那沒辦法

所以一定要人去處理 跟純軟不能比

原廠都不會動 我就只剩call vendor這招了

有些東西不在那個領域，講再多也很難讓對方聽懂。有些東西code看起來是對的，但在某些條件下跑在硬體上就是會出問題。沒遇過這種事情的真的很難解釋

如果不是公版有可能不會動，那就不是AI能處理的了XD你可以舉例一下嗎？實際的例子

工作相關，這個有保密協定，不能講。

AI不是只會看扣哦，他還會make run debug，你要清楚這一點你不是說你那個音訊軟體是自己做的玩具沒機密？怎麼又變工作機密不能講了？

那回到前面講的，我寫了一個軟體播音樂結果爆音，怎麼讓AI聽到音樂？這個未來或許可以，但現在還做不到音訊軟體是我自己的玩具，跟工作無關，但平常工作也會遇到只看code看不出問題，特定環境下才能在硬體上重現的bug

你怎麼知道做不到？因為網路搜尋不到你自己想到辦法workaround? 所以得出結論AI不可能會workaround?

有興趣可以去問台積電顧機台的工程師遇到的怪問題

如果你的理由是，因為網路搜尋不到，這辦法是我自己想的，所以AI不可能想到，那也沒什麼好說的XD

一……一年……？

動不動就要通靈才能解 不要以為綠色乖乖是放假的

那我得說老闆還付那個人一年薪水而不是找別人取代掉

恩我都說了AI聽不到實際上播出音樂的效果如何了，你覺得AI能解那就解吧。

工程師描述問題起碼要像這篇文，說真的你的爆音問題我到現在也沒看你解釋清楚來龍去脈，難怪你會覺得AI解決不了，因為你根本連問題都描述不清

其實台灣各類作硬體的廠商都有自己的怪問題 這就是硬體

可能也不會去找AI取代掉

數位IC覺得IC難搞C++很單純 類比IC表示數位IC像天使

最近這些工程師的例子讓我覺得大概有一些人被取代剛好我有時候覺得正方你們為什麼還要領薪水 為什麼不去當乙方直接主動取代甲方的90％人力 一次同時接5個案子收入肯定屌打領別人的薪水吧

光纖+3.5那個問題先把類比轉數位再數位+數位應該就行吧直接硬幹找問題出在哪裡 要很有閒的人才會那麼做吧去接案會有其他問題 就是求安穩才去上班的

AI問不到答案哪需要那麼難 我這幾天就問不到Manageengine和CrowdStrike的API答案 這可是純web呢 -_-一個API不公開 Swagger超大不能直接塞給AI一個文件零零落落 隱藏功能都要開support票去問的AI怎麼可能會

呃其實我的意思是這種問題現階段問AI也很難得到答案...要怎麼解釋，就有爆音阿然後自己慢慢找原因，但要怎麼跟AI解釋爆音？

求安穩去上班和AI會快速取代人的論點直接背道而馳啊

啊對了那些提到的問題自己都解掉了，只是我也想不透要怎麼讓AI理解爆音這件事

爆音不就E超過上限導致波形變形嗎（歪頭）

所以AI要先能閱讀波形嗎（思考

你要叫AI寫程式檢查E上限 或是檢查頻譜有沒有破洞不是叫AI自己去讀波形

看到數位+類比直接輸入就覺得出事不意外應該是叫AI全部弄成數位盡量不要碰類比

幹，終於停了。可以不要再在我這篇下面戰嗎？不然我要刪文了......

sp轉repo對ai來說算文書作業啦，不過吃實體資源電力現階段還是多

AI在讀垃圾code的用處很大，我現在都只負責規劃架構，細節都讓AI生然後我再微調，一天8小時我花5小時看yt打發時間，不到3小時用來工作

這樣只花半小時好猛@@

搜尋引擎是有專門的學術領域的欸哪有爬蟲+資料庫那麼簡單

AI能理解爆音好嗎 不就是相鄰的聲音sample值差異過大 丢給它wave檔或頻譜它看得出來吧笑死 韌體硬體類比AI不懂? 連數學物理都懂了是有什麼東西你懂的AI不懂 是你不懂得怎麼去問吧人看code看不出爆音 要播放才聽得到然後叫AI看code要看得出來? 不是先給Al音檔讓它分析嗎

你完全不用debug嗎？自己host好像沒context window限制，不過在我會用到的unit test表現不太理想

該改行了，去工地

未來軟工崗位只需要留個位數數量的資深SDE就夠了…不過pivot去做餐飲的貌似已經飽和，要pivot的話，就只有往水管工、電工、或是機械工技師，這些高技能藍領目前是穩得一批，不用擔心被人工智慧或機器人取代，反倒是餐飲這種重複性勞動的工作，現在已經有機器人取代了。現在有不少餐飲業都在用機器人處理工作，無論是內場烹調還是外場服務，都已經有機器人代勞了，成本再低些的話，就可以看到連夜市餐飲攤商也引入機器人了。

真的很可怕。今年已經進步到很多冷門語言，像是SKILL。只要ai看完reference manual 和 usage，就能開始實戰，而且正確率極高（錯了也會自己修正）

這串上面 givemoney 不就有給個例子是他認為 AI 做不出來的

ptta說得沒錯，只要給他看手冊和示範碼，冷門語言他也會寫，不用重新訓練模型

原po的這個例子說明的就是 在以前做這件事，需要拉好幾個人做好長一段時間而現在公司只要找1-2個懂的員工透過ai幫助就能快速完成任務這邊就有部分人力被取代掉了現實也就這樣 越來越多高層絕對透過AI輔助，員工生產力可以提高，也就可以用更少的人力完成更多的事，也有理由不再需要排在後位的員工

你這個專案有CICD嗎? AI幫你Refactor後CICD全部過了嗎我是不太相信給AI重構 會老功能齊全 不用Debug啦我沒有叫AI寫Web過 不知道Web的專案構造是不是比較淺AI比較容易掌握全部的legacy code在幹嘛我叫AI重構C的專案，我看完是覺得不如我自己來寫

樓上，我不是寫web的，但CICD我也是叫AI寫的

我也有請AI寫C語言專案的CICD，結論是LOG很多 但很表面

有CICD反而容易，AI可以自己修正

gitea CICD會用到 的yml, action runner, verify.py我都是叫AI寫

VSCode + RooCode + Claude API claude-sonnet-4-5我不知道你怎麼下指令 但我用的感想是 TODO LIST洋洋灑灑列一堆 但字裡行間有時候理解是錯的，然後更新TODOLIST有時候根本只是加LOG沒有加機能，也在說他做完了

前不久Gemini 2.5還跟我說美國副總統是賀錦麗呢

已經用不到的Legacy Code對新功能沒影響也不刪掉我比較過我寫的跟AI寫的結果一個五千行左右的模組，主要用C語言專案 AI追加的Code數是我的3倍 新功能沒有我寫的對應來的廣所以我對AI的認知就是 放手給他亂生 只會生出一堆

如果重複發生，那你就用#叫他memorize看看，我還會在當他試錯最後成功時，把這次成功的流程寫成md當作下次參考，然後叫他memorize凡是某流程參考這個md

non-reusable 難維護 肥大的扣

多次迭代，小批量commit

所以我認同AI的強大但AI的強大是建立在你把框架全部都訂好的前提怎麼編譯 怎麼測試 怎麼分割子任務 WorkFlow全部都定義好但現實世界是，一堆公司的Legacy Code連CICD都沒有

那還好，人類還有這些訂框架的價值XD 值得慶幸

你當然能請AI定義 但工程師自己也要懂阿

現在AI還在念幼稚園一堆人比那麼認真幹嘛等到AI大學畢業 就知道了

OK，講實際的案例，你這個案例基本上算翻譯性質的工作這本來就是生成式AI的強項，你請他翻一般語言也翻得好但開發工作也不是只有這種，而且人跟你報工時也不會只包含開發的時間，還包含跟使用端確認需求和規格的時間以免改錯，結果你幫AI算時間只算編寫時間？

這是重構啊 用人力來做大概要一個月吧 只花半小時真的誇張 只能說以後重構跟寫測試變簡單了 但是要從無到有開發新功能 AI還是無法取代人類的

如果這專案用AI跑就好，不必跟人確認規格並驗證細節，你再來跟人說剩下多少價值也不晚。工具若能確實幫省力那也就是讓你以後能力變更強，負責範圍變更大，信徒還是跳不出「工作總量絕對不變」的思維，於是才有「取代」問題與「剩餘價值不足」的問題，畢竟你作繭自縛假設工作範圍就窄，整天只做翻譯工程嘛生成式AI猜下一字的原理使它很善長處理語言相關事務，例如：翻譯、換句話說、照樣造句、生成名詞。你負責的工程本質跟這類事務越相近，那就越適合用AI，也越容易出現「剩餘價值不足」的感受，反之則越不好用分析職務時眼光不能太窄。

我就問你怎麼確定轉完都沒問題 cli 有幫你寫測試嗎？

可以去台積電當設備工程師，AI沒辦法保養機台設備這就像自駕卡車出來後要卡車司機去學程式一樣，卡車司機慘慘

最近也是用類似的，有驚艷到這類分享體驗的文章，下面都有一堆崩潰是怎樣...