閱讀筆記：How to Do AI-Assisted Engineering

整理自 How to Do AI-Assisted Engineering 一文，這篇文章訪問了 15 位工程師與技術主管，分享他們實際在工作中如何運用 AI 輔助工程，從構想到上線的完整流程。

最大效益不在「寫程式更快」

多位工程師強調，AI 帶來的最大價值不是加速打字，而是讓你能花更多時間在設計、規格與規劃上。他們會先用 AI 產生架構設計、資料模型、API 規格，再反覆質疑、修正設計，確認取捨與邊界條件後才開始寫程式。

實作階段則讓 AI 依照明確規格產生程式碼、測試與文件，工程師專注在判斷方向對不對、實作是否合理，而不是每一行都自己打。

把 AI 當「專家團隊」

許多人不把 AI 當單一助手，而是當作一個專家團隊來使用：

• TypeScript 問題 → 找 TS 專家
• React 架構 → 找前端專家
• Infra 問題 → 找 DevOps 專家

生成與驗證由不同「專家」負責，避免同一個 AI 自己寫、自己審。測試也常由另一個 agent 負責設計 edge cases、找出壞的處理流程，並將發現的 bug 轉成回歸測試。

標準化工作流程

很多人不再臨時亂 prompt，而是建立固定的工作流程：

• 標準化的 PR review 流程
• 需求拆解模板
• 規格產生與規劃步驟
• 用 AGENTS.md、CLAUDE.md 等檔案，把開發風格、命名規則、測試要求、PR 模板都寫死

有人用 AI 自動幫 PR 寫摘要、測試計畫、風險說明；有人用 AI 做 nightly scan，自動找 bug、開 ticket 與 PR。

工具選擇與搭配

受訪者會依情境分工使用不同工具：

• Claude Code：互動式工程夥伴
• OpenAI Codex：背景掃描與自動修正
• Cursor / Windsurf：IDE 整合開發
• 搭配 GitHub Actions、Figma、Jira、Slack 等，把 AI 深度嵌進 CI/CD 與工作流程

四個共通結論

1. AI 是倍增器：會放大你原本的流程好壞，流程混亂的話，技術債只會長更快。
2. 設計文件與規格是最重要的產出：AI 會直接依照這些東西生成程式，品質取決於規格的品質。
3. AI 不會把菜鳥變成老手：它讓有經驗的工程師產能暴增，但仍需要深厚的工程判斷力。
4. 最大風險是缺乏嚴格 review：太快接受第一版輸出，會迅速累積大量技術債。

一句話總結

先用嚴謹的設計和規格把問題框好，讓 AI 負責大量實作與檢查，再用人類的經驗做多輪嚴格審查，這樣才能又快又穩地產出高品質軟體。