AI 工具推陳出新這麼快，AI 開發流程到處流竄，我該怎麼跟得上？
最近跟很多工程師聊，發現大家都卡在同一個焦慮：Claude Code、Cursor、Codex、Harness、LLM Knowledge⋯⋯每個禮拜都有新東西冒出來，到底要跟哪一個？
有些公司已經在推「全面導入 AI 開發流程」，但流程都還沒定型，好不容易建好一套，下禮拜又有大廠或 Open Source 把你做的事整理得更好。
這讓工程師面臨選擇：
- 投入開發流程的建立？
- 繼續寫原有的業務邏輯？
- Hybrid 模式部分採用？
- 還是像我一樣一直在玩新流程？（手邊的事情就⋯⋯🫠）
我後來想通一件事。如果你把現在的 AI 開發用作業系統的角度看：
- LLM 是 CPU
- Context Window 是 RAM
- Agent 是 Process
- Prompt Context 就是現在的 「Code」
那就問一個問題就好 — 以前我們開發時，Code 是誰在 maintain？
工程師
/btw
Code 是需要工程師 maintain 的，工程師其實也是需要人安撫的 😂
你以為 AI Agent 沒有情緒、把它做完就好，但事實上它就是一個機率下的產物。就算再怎麼 harness 還是有機率 — 雖然人也是啦 — 但讓工程師用他的專業來 harness 這個機率，不是更好嗎？
所以不管開發流程用什麼工具組合，最終都應該回到工程師本身。在落地一個 Feature 的當下，開發到底需要什麼？他自然會導出一套最適合自己的流程。
這套流程可以是 Flywheel，可以是 Multi-Agent，可以是任何 Open Source 改的東西，甚至可以就是一段 Prompt 一幹到底。
以前看人寫程式，有人三行寫完一個功能，有人要寫三十行。那為什麼回到跟 Agent 協作的時候，就不允許這種差異了？
一直刻意追最新的架構，不見得是好方向。只要能解決問題，從最簡單的 Prompt 到整個 Autonomous Agent 都是解法。找到最適合專案跟團隊的方式，不需要因為市場上很 Fancy 的新概念就一直迭代，否則開發節奏被打亂，反而不會有好的產出。
給工程師一個喘息的空間，謝謝😃