編按：本文綜合整理自 Alex Ewerlöf 部落格原文、Hacker News 討論串，以及作者在 Lenny’s Newsletter、Arcplane Journal 的相關對話，並加入 Siami 編輯部觀點與分析。
「編碼已被解決」是怎麼流行起來的
2026 年 2 月，Anthropic 的 Claude Code 負責人 Boris Cherny 在公開訪談中直言「Coding is solved. Today.」，這句話隨即在 X、LinkedIn、Hacker News 同步擴散。到了 9 月底，GitHub、Cursor、Windsurf 等編輯器更直接把這個口號內建進行銷文案。同一時間，Anthropic 對外開出 5 萬美元簽約獎金招募工程師——一邊說工程師不需要了，一邊又砸錢搶人，這個訊號本身就值得玩味。
瑞典資深工程師 Alex Ewerlöf 把自己一篇累積了 4 年觀察的長文〈Coding Is Not Solved〉重新整理上線，三天內衝上 Hacker News 榜首，461 分、466 則留言。文章一開頭就先把話說死：
「我先聲明，我不是反 AI。我從早期就在用 LLM 寫程式，也自己打造過 LLM 工具、辦過教學、做過 LLM 產品。但『編碼已被解決』這種腦死敘事，必須被挑戰。」
他把這場論戰的雙方拉清楚：一方是認為「寫程式這件事已經被 LLM 解掉，剩下的只是品味與速度」的樂觀派；另一方則主張——軟體工程的核心從來不是打字，而是要為誰、為何、為未來負責。
為什麼這件事重要
這場辯論的真正戰場，不在開發者圈，而在企業董事會。當 SaaS 公司把工程師當成「把咖啡轉成程式碼的機器」時，報價模型就出現了裂縫。Ewerlöf 點出了一個矛盾：
- 多家軟體公司一方面搭上 AI 順風車、裁員、削減成本；
- 另一方面卻持續漲價，把過去工程師人力的報價，套用在 AI 生成的內容上。
這代表「AI 取代工程師」從來不是工程敘事，而是定價敘事。如果 AI 真的讓軟體成本下降，那降價的就該是軟體本身；如果 AI 寫出來的程式碼品質變差，那溢價的就該是「有工程師背書」的服務。
對台灣與中文圈的讀者來，這篇的價值在於：當我們看到「AI 工程師」這種新頭銜被大量外包公司、農場媒體炒作時，能有一套清楚的判斷框架，去分辨哪些工作會被工具化、哪些反而會因為 AI 而變得更值錢。
軟體的隱形成本：NFR 比你想的重
文章一開始就戳破一個誤解：一般人談「寫程式」，談的是 Functional Requirements（功能性需求）——這套 API 要做什麼、按鈕按下去會發生什麼。但真正吃掉企業預算的，是 NFR（Non-Functional Requirements），也就是：
- 可靠性：凌晨三點能不能不挂掉？
- 可擴展性：流量衝上來 100 倍時會怎樣？
- 安全性：去年那個 CVE 修了沒？
- 可維護性：換一個新人接手，要花多久才能看懂？
Ewerlöf 自己是硬體與系統工程雙背景出身，他列出三類「可以不看程式碼」的產品：
- 個人工具：自己用的小腳本、自動化、DIY 補丁；
- 概念驗證（POC）：證明技術與商業可行性；
- 武器化 AI：把 AI 風險本身變成攻擊媒介。
但除此之外的軟體——醫療、金融、汽車、國防、電廠、航空、製造——只要出錯會死人、會賠錢、會被告，就需要有人負責。AI 沒有辦法為錯誤付出代價，因為它沒有刑期、沒有罰款、也沒有「會不會被開除」這回事。
AI 沒辦法負責，所以人類要
這是整篇文章最具爭議、也最常被引用的論點：
「AI 不能負責。你對 AI 能做的最嚴厲懲罰就是拔掉插頭。AI 不會死、不會坐牢、不會被罰錢。你不能懲罰 AI，所以 AI 永遠不可能被 hold accountable。」
Ewerlöf 進一步指出，AI 工程師的角色必須被重新切割成四種，這也是他提出的「AI topology」：
- 技術型產品經理：把點子變成產品，做 POC 驗證市場；
- AI 管理員：負責管理一群 agentic agents，處理能容忍風險或被武器化的工作（例：自動化、資安攻擊）；
- AI 部署工程師：專注於 alignment、可靠性、可擴展性、架構、治理、資料管線；
- AI 品質工程師：對抗 AI 的隨機性（stochastic nature）、自動化評測、確保產出穩定。
這四種角色不會讓工程師消失，反而會讓「真正負責的人」比「只是打字的人」更值錢。
數據解讀：AI 的極限在哪裡
Ewerlöf 在文章後半段提出了幾個可以用來檢驗 LLM 程式碼的量化指標，這裡整理成 Siami 編輯部讀者可以拿去用的清單：
1. AI 產出是隨機的（stochastic）
即使模型在所有評測拿滿分（100% score），並被嚴格的 harness 限制住，產出仍有不確定性。同一段 prompt，今天跑跟明天跑可能得到不一樣的結果，這對需要 SLA 的企業軟體是致命傷。
2. AI 解釋給你聽，但沒辦法幫你理解
「AI can explain it to you but it cannot understand it for you. That understanding is a key aspect of ownership.」
理解，是所有權（ownership）的核心。AI 可以告訴你程式在做什麼，但無法幫你承擔「為什麼這樣寫」的責任。
3. AI 的失敗，連 AI 都很難修
當 AI 生成的程式碼出問題時，往往不是換個 prompt 就能修好的。即使換成更強的模型，AI 自己造成的錯誤，也不容易被另一個 AI 解掉。
4. AI 訓練資料的版權問題正在累積
作者特別點名：Anthropic 控告中國實驗室蒸餾 Claude 模型，代表「小偷互相偷」的情況已經發生。再加上作者、演員、音樂人的多樞訴訟，雲端 AI 的法律風險只會越來越高。
Siami 觀點：當 Anthropic 一邊喊「編碼已解」一邊搶人
這場論戰有一個有趣的諷刺——
- Boris Cherny（Anthropic Claude Code 負責人）說「Coding is solved」；
- 但 Anthropic 自己對外開出 5 萬美元簽約獎金在搶工程師；
- 同時大動作裁員、削減成本、把人力換成 AI。
如果 AI 真的把編碼解決了，為什麼還要花這麼多錢搶人？
Ewerlöf 的解讀是：Dario Amodei 與 Sam Altman 都是行銷大師，「他們訓練 LLM 去推對的按鈕，讓人們相信它比實際上更強大。」投資人的期待、即將到來的 IPO，都給了這些敘事強烈的動機。
對台灣與中文圈的讀者，這篇的提醒是：
- 不要被「編碼已解」這種話術影響職涯判斷。
- 把心力放在 NFR、架構、可靠性、治理這些「AI 比較難取代」的能力。
- 如果你是 SaaS 採購方，問清楚廠商：漲價的依據是什麼？AI 取代了哪些成本？
結語：負責的人還是得在
Ewerlöf 在文末留下一段話送給讀者：
「請仔細想想，當你看到 DHH（Ruby on Rails 創辦人）在 Rails World 2026 開幕演講說『別當輸家』時，產業接下來會發生什麼事。」
他自己的結論是：
「我不是來改變任何人想法的。但請不要把你的實驗，跑在我付費買的產品上。如果我付費買的是服務，我要的是品質，不是 slop（廢料）。」
編碼這件事，從來不是會不會打的問題。從來都是：你能不能為它負責、能不能在它壞掉的時候修好它、能不能說明它為什麼這樣寫。AI 不會消失，但 AI 永遠不會是那個負責的人。
參考來源：
網友熱門留言 (5)