引言
喺人工智能急速發展嘅2026年，AI 編碼代理（AI Coding Agents）已經成為軟件開發界嘅熱門工具。不過，Ars Technica 發表嘅文章《10 things I learned from burning myself out with AI coding agents》指出呢啲工具係把雙刃劍：佢哋可以加快創意落地，但亦可能令開發者燒盡熱情（burnout）。作者 Benj Edwards——一位有超過30年編程經驗嘅實用主義 coder，自2025年11月起用 Claude Code、Claude Opus 4.5 同 OpenAI 嘅 Codex 等代理完成咗50多個項目，包括遊戲、工具同模擬器。佢將 AI 代理比喻成 3D 印表機：快速產出原型，但要靠額外技能先可以打磨成生產級產品。呢篇文章喺2026年1月19日發表，根據作者親身經歷總結出10個關鍵教訓，強調 AI 唔係取代人類，而係放大現有嘅知識。其他來源都有類似觀點：LinkedIn 帖子指出 AI 代理喺大型代碼庫容易走失上下文，導致重複工作；Medium 文章分享咗喺生產環境用 Cursor 代理嘅9個教訓，強調分階段工作好過單一提示。本報道以 Ars Technica 原文、Reddit 討論、YouTube 影片同 Medium 等可靠來源為基礎，分析呢啲教訓嘅事實根據同對 AI 開發嘅啟示，確保資訊準確。
作者的實驗經歷
Edwards 嘅經歷源於 COVID 隔離後期，佢利用 Anthropic 提供嘅兩倍 Claude 使用上限，做咗沉浸式嘅 AI 代理實驗。項目包括遊戲，例如「Violent Checkers」（物理引擎扭曲嘅跳棋）同「Flip‑Lash」（可翻轉棋盤嘅 Tetris 變體）、工具例如 Apple II 同 Atari 800 模擬器，仲有圖形化 MUD 同 Telnet GUI 模擬等創新作品。佢每日工作 8 小時，管理 15 個項目，形容過程「上癮」，但佢太太質疑佢「喺同邊個傾偈」。呢啲都係業餘項目，唔係生產級，但展示咗 AI 嘅潛力：例如用 Claude Code 喺 12 月建立多人線上「Christmas Roll‑Up」（Katamari Damacy 克隆）。Edwards 強調，AI 代理會從訓練數據（好似 GitHub 代碼）借用模式，擅長常見技術（例如 JavaScript），但喺晦澀領域（例如 6502 匯編）會掙扎。類似經歷喺 ISP.Tools 報道中亦有人重現：一位開發者經過數月實驗後，發現生產級軟件仍需人類判斷。YouTube 影片《I Wasted 100 Hours Debugging AI Code》分享咗調試 AI 生成代碼嘅挫敗，建議用上下文管理規則來慳時間。
10個關鍵教訓分析
Edwards 嘅教訓來自實際反覆迭代，以下結合原文同其他來源詳述。
- 人類仍不可或缺：AI 缺乏判斷力同領域知識，無法架構可維護嘅系統。人類需要處理版本控制、測試同除錯。引用：「編碼代理係執行人類想法嘅軟件工具，而唔係自治嘅編碼員工。」Simon Willison 強調，AI 會放大現有專長。Medium 文章補充，喺生產環境中使用 AI 需要強嘅工程文化。
- AI 模型喺訓練數據外好脆弱：代理仰賴訓練數據，難以泛化到新領域。解法：記錄規則文件，例如 claude.md。例子：HTML5 示範五分鐘完成，但做 Atari 800 版本就要一星期反覆試錯。LinkedIn 帖子指出，大型代碼庫中上下文丟失會導致重複工作。
- 真正創新係一段上坡路：神經網絡嘅語義聯想會阻礙新穎創作。技巧：避免無關嘅上下文。例子：避免「checkerboard」嘅聯想，改用描述「UFO over squares」。YouTube 影片討論上下文焦慮，由 Cursor 轉去 Claude Code 作為緩解方法。
- 90% 問題：前 90% 做得快，最後 10% 需要繁複嘅試錯。人類要填補洞見。例子：項目常常卡喺細節。Medium 文章話係「70% 問題」：AI 可做到 70%，餘下需要人類驗證。
- 功能膨脹無得擋：創新帶來嘅興奮會令人不停加功能，而忽略修 bug。代理容易引入系統性錯誤。例子：「Flip‑Lash」由簡單變體膨脹成複雜作品。Reddit 貼文討論 AI 會減少 burnout，但要管理功能膨脹。
- AGI 仲未到嚟：代理依賴上下文學習，容易忘記或走失。需要手動把資料記錄落文檔。例子：叫代理寫 bug 修復報告。CoRecursive Podcast 分享 AI 改變身份感，但唔等於 AGI。
- 就算好快都未夠快：AI 加快開發，但人嘅急躁亦會增加。關鍵決定仍需人類知識。Instagram 帖子強調 AI 令編碼變易，但仍要構建實力。
- 大家可能比以前更忙：AI 好似蒸汽機一樣，令工作量上升而唔係減少。建議工會保護知識工作者嘅權益。例子：Edwards 管理好多項目。Reddit 研究顯示 AI 唔一定提升生產力，反而增加 burnout。
- 快速會令人驚慌：輸出加速會帶來擔憂。例子：Bluesky 用戶話「太快，仲用 AI 嗎？」Lenny's Newsletter 認為 Claude Code 被低估，但需要適應。
- 呢啲工具唔會消失：AI 係放大能力，而唔係取代設計師。要學識有效使用相關技能。例子：「Card Miner」由人類設計、AI 編碼。Reddit 視頻讚佢係合理做法。
來自其他來源嘅洞見
其他來源印證 Edwards 嘅觀點。Medium《Coding with AI》話 AI 可做到 70%，剩餘需要人類，強調樂趣回歸但幻覺會放大無知。YouTube《Autocomplete → Agents》討論 2026 年嘅 AI 工作流程，指出 AI 可幫助防止 burnout 但需管理疲勞。Axuall 博客分享 18 個月嘅生產經驗：AI 已融入生命週期，但需要強工程文化。呢啲來源強調平衡：AI 可以加速，但過度依賴會導致 burnout。
影響與結論
Edwards 警告，AI 會產生「無限 AI 增強嘅媒體供應」，令人信息超載。影響包括經濟上要求更多產出、可能帶來疲勞；開發者亦可能面臨污名化。建議：視 AI 為工具、記錄解決方案、平衡創新同打磨。未來，AI 代理會重塑開發方式，但人類核心角色不可替代。Edwards 嘅經歷提醒大家：技術進步要謹慎，避免燒盡熱情。
▶️ 鍾意呢篇內容？創作真係好辛苦！
歡迎關注我哋嘅 YouTube 頻道：
AI Rosetta
你嘅點讚、訂閱同分享，係對我哋最大嘅支持！🙏
更多 AI 新聞請訪問：https://www.airosetta.com