Claude Code之父：「品味」不是人類護城河；當工程師不再寫代碼，招聘看什麼？

### Claude Code之父：「品味」不是人類護城河——當工程師不再寫程式，招聘要看什麼？

在AI快速滲透軟體開發的當下，Anthropic旗下工具Claude Code的開發負責人近期拋出一個引人深思的觀點：「最終我們要教模型的，和我們教孩子的是同一件事。」這句話看似簡單，卻直指AI時代人類工程師的核心價值轉變——當機器逐漸學會生成程式碼、修復Bug、甚至設計架構，工程師的「品味」是否仍是不可取代的護城河？這位開發者明確指出，「品味」並非人類獨有的能力，模型也能透過訓練學會辨識美觀、流暢或優雅的程式碼。真正關鍵的，反而是那些我們過去往往忽略的基礎能力。

### 從「寫程式」到「定義問題」：工程師角色的典範轉移

過去十年，軟體工程師的招聘幾乎都圍繞著「技術能力」打轉：能不能寫出高效的演算法、熟悉多少框架、解題速度有多快。但隨著AI編碼助手如Claude Code、GitHub Copilot大幅提升開發效率，純粹的「寫程式」技術正逐漸被自動化取代。工程師不再需要從零開始撰寫每一行程式碼，而是轉變為「指揮者」與「驗證者」——他們必須清楚描述需求、判斷AI輸出是否合理、在複雜情境中做出取捨。這意味著，招聘標準必須從「能寫多好」轉向「能否問對問題」。

### 「品味」為何不再是護城河？人類的獨特優勢在哪裡？

「品味」一詞常被視為頂尖工程師的隱形天賦——對程式碼整潔度的直覺、對設計模式的偏好、對使用者體驗的敏感。然而，AI模型透過大量優秀程式碼的學習，已經能模仿甚至超越部分人類的「品味」。舉例來說，Claude Code生成的程式碼結構往往比多數初階工程師更為一致且易讀。但這並不代表人類失去價值。真正的護城河，在於人類能夠理解「為什麼要這樣做」——包括商業邏輯、倫理判斷、長期維護的權衡，以及對不確定性的應對。這些能力源於對世界運作的深刻理解，而非單純的程式碼審美。

### 背景脈絡：AI時代的教育與訓練思維該如何翻轉？

那句「教模型如同教孩子」的類比，點出當前AI訓練與人類教育之間驚人的共通點。無論是模型還是孩子，核心都落在「學習如何學習」：如何從錯誤中修正、如何提煉抽象規則、如何舉一反三。對工程師而言，過去的教育強調記憶與重複練習（如熟記語法與演算法），但在AI輔助下，這些環節的價值迅速縮水。取而代之的，是批判性思考、跨領域連結、以及將模糊需求轉化為明確指令的能力——這些正是人類相較於當前AI的相對優勢。

### 可能影響：企業招聘策略與個人職涯發展的轉向

當工程師不再主要「寫程式」，企業的篩選條件將出現明顯位移。預計未來招聘會更看重：**問題定義能力**（能否將商業痛點拆解為可執行的技術方向）、**溝通協作技巧**（能否與非技術人員及AI工具順暢對話）、**倫理判斷力**（能否辨識AI輸出中的偏誤與風險）。對個人而言，只鑽研單一程式語言的工程師將面臨淘汰壓力，而那些能結合領域知識、擅長使用AI工具、並保持學習心態的人才，反而會更受青睞。值得注意的是，「品味」仍然有價值，但它不再是稀缺資源——人人（甚至AI）都可能擁有品味，真正的差異在於品味背後的「判斷準則」是誰定義的。

### 讀者可關注的後續：如何為「後程式碼時代」做準備？

面對這場轉變，讀者可以關注幾個趨勢：第一，觀察主流AI編碼工具（如Claude Code、Cursor、GitHub Copilot）的進化邊界——它們何時能理解業務目標，而不僅是程式碼語法？第二，參考開放式課程或企業內訓，培養「提示工程」與「需求建模」能力，這將是未來工程師的基本功。第三，留意教育體系的調整，例如大學資訊系是否開始將「設計思維」與「倫理決策」納入必修課。最終，那句話提醒我們：無論是訓練AI還是養育下一代，最珍貴的都不是一次性技能，而是面對未知時「知道該問什麼、該怎麼學」的底層能力。