AI輔助寫code優缺點討論(p.s. 尚未經過團隊專案驗證，僅供參考):

1. function的撰寫

2. class的撰寫

3. Debug部分

4. 定義spec和架構設計部分

5. PM和工程師和測試工程師之間的溝通

6. 認知與理解上的落差

詳細分析:

1. function的撰寫，基本上他能夠做得又快又好(p.s. 前提是你下的prompt夠好或符合該model的期望)，但不排除你需要自己微調

Note:

AI在生成function時可能會忽略邊界條件（edge cases）或效能優化

2. class的撰寫，如果不牽涉到depend on third party code or legacy code，應該也是沒問題 (p.s. 現實是一堆地方會需要你自己手工處理)

Note:

AI在面對複雜的物件導向設計（例如繼承、多型）時，可能會生成過於簡單或不符合實際需求的結構。

3. Debug部分，爆肝工程師還是很需要，特別是「workaround」或「legacy code」的問題

Note:

AI可能無法有效處理需要特定業務邏輯的bug，或者在多執行緒問題上束手無策。

4. 定義spec和架構設計部分，擁有domain knowledge或跨domain knowledge的架構師或資深工程師還是贏過AI

Note:

AI目前確實難以取代人類在高層次決策上的洞察力。

5. PM和工程師和測試工程師之間的溝通，這個嘛，AI可以擔任「被」推責任的角色(X) 幫不上忙(O)

Note:

AI可能在生成會議記錄或文件草稿上有些輔助作用，但無法解決認知落差或衝突。

6. 認知與理解上的落差，這個嘛，能有效的溝通變成工程師最重要的第一性原理

Note:

AI可能誤解需求中的隱含意圖（implicit intent），導致產出與預期不符。AI的角色更多是工具，而非理解者。

=======

備註:

Note部分的內容是由Grok AI來補充說明～