# **工程師 3.0：AI 時代的--斬殺與重生**

> **分享會連結：** https://youtu.be/DVTItrwZm1Y

---

## **序章：一位 10 年技術老兵的坦白**
* **榮耀的消逝：** 以前我們說 *"Talk is cheap, show me the code."* 代碼是手藝人的勳章。
* **現在的失落：** 如今 AI 幾秒鐘就能生成一段看起來完美的代碼。**「這對我而言其實有點難以接受，我以前花大力氣寫的東西，AI 一下就做到了。」**
* **殘酷的現實：** **代碼 (Code) 已經貶值了。** 現在你拿出一份代碼，沒人知道是人寫的還是 AI 寫的。**信任（Trust）、邏輯（Logic）與安全（Security）** 取代了「編碼速度」，成為了新的貨幣。

---

## **第一章：AI 劃下的「斬殺線」 (The Kill Line)**
AI 不是來輔助所有人的，它是一道篩子，過濾掉那些只會「搬磚」的人。

1. **被斬殺者（初中級工程師）：**
* 以前是「金字塔型」團隊：1 個大佬帶 3 個菜鳥堆人力寫代碼。
* 現在 AI 就是那個效率極高、不睡覺的「超級實習生」。
* **現狀：** 企業不再需要那麼多初級人員來寫重複性代碼。**如果你只會寫代碼而不會設計系統，你就在斬殺線內。**

2. **倖存者（資深工程師）：**
* 未來的團隊是「倒T型」或「超級個體」：1 個資深工程師 + AI = 一支軍隊。

---

## **第二章：為什麼 AI 寫的代碼是「垃圾」？（實戰避坑）**

AI 寫的代碼有一個致命特徵：**「只要能跑就行」**。這在工程視角下是災難。

### **1. 工程質量的災難**
* **缺乏封裝：** AI 沒有模塊化思維，它會給你生成一大坨重複的代碼 (Copy-Paste)，完全不考慮抽象。
* **維護性為零：** 代碼能跑，但像一盤散沙。如果完全依賴 AI 生成而不去重構，項目後期會變成一座無法維護的「屎山」。
* **工程師的價值：** 你必須介入做**架構設計**，把 AI 產出的「零件」組裝成有條理的「建築」。

### **2. 血淋淋的案例：ERC20 持幣者統計腳本**
* **AI 的天真做法：**
* 從當前區塊往前盲目掃 10 萬個區塊（忽略合約部署時間）。
* 監聽到一筆交易就寫一次數據庫（沒有批處理，打崩數據庫）。
* 對 1 萬個地址發起 1 萬次網絡請求（觸發節點限制，IP 被封）。
* **工程師的必要思維：**
* 你必須懂 **CS 基礎**（批處理、緩存、異步）和 **Web3 知識**（Multicall、RPC 限制），才能指揮 AI 去修正這些低級錯誤。

---

## **第三章：提示工程——像Sora 導演一樣思考**

### **1. 拒絕「聊天式編程」**
* **普通人：** 「幫我寫個質押合約。」 -> 得到一個漏洞百出的玩具代碼。
* **這就像外行用 Sora 生成視頻：** 「生成一個人在街上跳舞。」 -> 得到一個隨機的、不可控的畫面。

### **2. 專業人士的「運鏡指令」**
* **專業導演用 Sora：** 「第 1-2 秒使用**近景鏡頭**、**俯視視角**，配合**賽博朋克光影**，慢慢**推動鏡頭**...」
* **專業工程師用 AI Coding：** 你必須使用**「技術黑話」**作為你的光圈和快門：
* 不要說：「要防止別人重複領取。」 -> 要說：「請繼承 **`ReentrancyGuard`**。」
* 不要說：「這個代幣會越用越少。」 -> 要說：「這是一個 **Fee-on-transfer (通縮)** 代幣。」
* 不要說：「代碼要寫得好一點。」 -> 要說：「請使用 **模塊化 (Modular)** 設計，支持 **UUPS 可升級** 模式。」

> **結論：** **如果你不懂這些術語，你甚至不知道該要求 AI 做什麼。**

---

## **第四章：Web3 的特殊性——「經濟盲區」**
在 Web2，代碼寫爛了重啟就好；在 Web3，代碼寫爛了錢就沒了。

* **AI 的盲區：** AI 寫代碼是為了「通過編譯」，它不理解代碼背後的**「資產」**。
* **警示：** **AI 無法為你的資產損失背鍋，只有你能。** 涉及金融邏輯的核心代碼，必須由人腦進行最終審計。

---

## **第五章：這條路該怎麼走？（給不同階段的建議）**

### **1. 給學習者：逆向思維與祛魅**
* **不要反人性：** 不要為了練基本功而刻意拒絕 AI，那是自虐。
* **AI 逆向讀碼法（高效）：**
* 看頂級協議（Uniswap, Aave）源碼看不懂？
* **把代碼丟給 AI，讓它逐行解釋設計思路、變量含義，甚至背後的數學公式。**
* 先看懂，再模仿，最後才是寫。
* **閱讀白皮書 (Whitepaper)：** 這是理解業務邏輯和設計理念的捷徑，也是非技術人員與開發者對話的橋樑。
* **黑客松 (Hackathon) 祛魅：**
* **真相：** 參加黑客松**幾乎無法提升你的技術能力**，用的都是你原本就會的東西。
* **價值：** 黑客松的價值在於**「破圈」**——去認識人、去社交、去展示 Idea。別指望在那裡學會寫代碼。

### **2. 給求職者：面試新標準**
* **一票否決的紅線：**
* **「如果你跟我說你沒有用過 AI 去編碼，這種人我是不考慮的。」**
* 這代表你對新事物的接受能力差，學習速度慢。
* **考察重點轉移：**
* **白板寫代碼已死：** 對於大多數中小企業，徒手寫冒泡排序已經過時了。
* **新考題：** 「你是怎麼用 AI 的？」、「你如何配置你的 AI 工作流？」、「你如何處理 AI 的幻覺和錯誤？」。
* 面試官看重的是你**駕馭工具的深度**，而不是把你當成工具。

### **3. 給創業者/PM：速度至上**
* 對於超級個體，**MVP（最小可行性產品）跑通最重要**。
* 利用 AI 快速填補技術短板，先把產品做出來驗證市場。但記得，賺到錢後請專業人士重構代碼並進行安全審計。

---

## **終章：擁抱新身份**

Kahn 老師最後的總結：

不要因為用了 AI 就覺得自己變強了，那是一種錯覺。
你的強大在於：
1. **知識儲備：** 你腦子裡有計算機科學和密碼學的圖譜，知道什麼是對的，**能一眼識別 AI 的胡說八道（幻覺）**。
2. **判斷力：** 你知道什麼時候該讓 AI 停下來，由你接手架構設計。

**未來的工程師，不再是寫作（Writing），而是設計（Designing）、審計（Auditing）和指揮（Commanding）。**