取不取代，这边的讨论缺乏交集与意义，因为大家心中的取代定义都不相同。
有些人的取代：是过往累积的技能被取代，或许工作还在，但是之前的技能不再重要。
有些人的取代：是工作职位数量级的取代，也就是裁员和失业。
有些人的取代定义更严格：就是你再也看不到这个职位名称。
下一代小孩子会问爸爸说：“爸爸，你以前做什么工作啊？”“我以前是写程式的。”然
后小孩说：“蛤？那是什么工作啊？有听过吗？”
百科和教科书上再也没有这个职业名称了。XD
与其讨论取不取代，不如我这边分享个实际案例，然后面对 AI 做出的成果，大家自己关
门后扪心自问，想比之下自己还有多少残值？然后取不取代的问题，每个人心中自然会有
个数。
[案例分享]将已经运作超过十年，用 dotnet framework 4 开发的 aspnet MVC 的网站，
全部升级到 dotnet 8，用 aspnet webAPI 并且前后端分离的架构重写。
https://i.imgur.com/z4OK7JK.jpeg
这样做的动机，是因为要全部摆脱 Windows Server 与 IIS 的绑定，改用 Linux 与 Doc
ker 容器化，节省基础设施的开销，并且提升系统的可维护性与扩展性。
这是监控公司内部系统运作健康状态的仪表板，细节我就不多说，主要的重点这不是一个
让 AI 自由发挥，从无到有的全新专案，而是有一个既有祖产的 legacy 系统，然后要把
它完整地搬过去新的技术栈。
而且它当初诞生自连 EF 这种 ORM 工具都还没出现的年代，整个资料存取层是透过 stor
ed procedure 无法直接存取 Table，反正 DBA 权限上也不允许这样做啦。
当时是透过已经被微软遗弃的 LinqToSQL 来做资料存取。透过 designer GUI 工具用拖
拉的方式产生呼叫 sp 的程式码。
而所有的 sp 总共有 49 只，没有 code-first or db-first 的选项，只能串接那 49 只
sp，然后把它们包成 repository 方法。
https://i.imgur.com/6K2XmQ0.jpeg
看完以上描述，这项任务交给你这位资深工程师，惦惦算一下，你要花多少时间，才能完
成重写这个项目？
一个月？半年？还是一年？
那你知道我只透过 Gemini CLI，又只花了多少时间，就完成了这个任务吗？
答案是不到半小时，整个专案就转成 dotnet 8 webAPI，透过 swagger UI 就可以测试所
有功能。
https://i.imgur.com/fLs8gVY.jpeg
https://i.imgur.com/Pj755oD.jpeg
惊奇的是，这过程他看到原本的 LinqToSQL 的代码，跟我主动询问数据库连线字串，它
自己上去查看所有 sp 清单，并且扫出所有的参数与回传字段，然后自动产生对应的 rep
ository 方法。
https://i.imgur.com/nyy7d6V.jpeg
针对 query 类型的 sp 还自动帮我产生对应的 DTO 类别，用强型别让程式代码更容易阅
读与维护。
但因为免费额度爆掉了，所以我只好第二天 reset free quota 后再继续请他帮我做出全
新的前端 UI。
https://i.imgur.com/xw81pD8.jpeg
https://i.imgur.com/KRQwN8M.jpeg
就这样，老旧的系统已经完成翻新并且开始上线运作了。
半小时重写后端，第二天再花半小时跟他沟通 UI 需求做出画面，整个翻写就只需要一个
多小时。
没有花我半毛钱。
看完这个案例，大家对自己还有多少残值可以评估看看，心中有数就好。

确实，大家扪心自问，这样算不算被取代？然后一堆人用都没用过就说AI OOXX办不到，目前人办得到的，有训练资料的，AI几乎都办得到

这算创造新需求，以前可能就摆烂

如果从这个案例中觉得自己近乎没残值 确实得快转行AI不会取代所有职位 但一定会取代这种人XD

楼上太狠了，还是有残值啦，只是十个人会砍掉八九个

感觉自己有价值别人没残值就是软工版的主旋律阿，没啥好讨论的其实

反正先取代的一定是连用都不会用的废物

很多连用都没用过就发表评论的不晓得算哪种？

如果一个完全不懂程式的人有办法下得出跟你一样的prompt并且有办法确认重写完的程式跟原本的结果一致 才有资格叫做完全取代吧

礼拜一大家戾气都那么重吗

太强了

说实话比起工程师残值，我更想去了解更赤裸的AI意识型态是什么原因让一位工程师在没了解的情况下评论XD

那你赶快辞职去炸鸡排啊

楼上又有人纠结在“完全”“取代”，不谈“取代”，所以大家就不需要有危机感了吗？真的很幸福耶大家。

AI发展到后期prompt影响会变很小 完全自然语言导向就像早期的COT现在就不用了主要是知道自己想干嘛 明确地跟AI沟通就好

外包表示开心

用ai是很快没错 但觉得半小时有点夸张XD

要有什么危机感？会担心就转行或是学AI阿

我觉得半小时其实是心理面已经有很正确的计画如果对问题/专案不够有了解 一定也是一步步跟AI推敲

什么样的危机感？就是打不赢，却又不选择加入的那种危机感囉，转行当然也是不错啦～民以食为天嘛

万一有人就是工作领域，AI不擅长呢，产出的code大部分不能用。何必一直默认立场，所有人的工作都能用AI那么方便。

软工尤其是web 90%的人力应该都能砍了现在还没被裁真的是领一天算一天

写web那么好用？ 怎么不写个google搜寻引擎同样的功能，取代google。光是个搜寻功能，排序算法，AI就是烂到不行啊。每个人工作状况不同，你觉得能取代90%, 99%。但有些人的工作觉得只能取代掉10%的工作啊，这不冲突。大家工作状况不同，何必认为别人的观点就是错的。

其实楼上可以直接开一篇讨论，看看什么场景不适用AI

这也不是残值问题吧xD, 只要你可以读懂 refactor 内容，确保他不会随便加料，这就是很典型的放大工程师的工作能力和效率

楼上Ｄ大，确实还是有很多工作领域是活在保护伞下的，例如禁用 AI 或是担心资料上传的金融产业，或是领域特殊、训练资料少的，可口可乐独家秘方或是藏在自家才能用的 SDK library 之类的。我只是分享一个透过 AI 翻写 legacy 系统的案例，打破少数认为 AI就是 garbage out 的偏见而已。

我还蛮想知道哪些场景不适用，表示护城河很深值得加入

但是麻烦使用过后再评论心得，不要没使用过就空口说白话说哪些场景不适用AI

然后把 google 搜寻引擎归类在“web”类….这有点好笑到不知怎么吐槽，web 只是皮 skin 一样薄的东西而已。

你也知道只能取代皮喔。就代表你也知道很多东西AI根本写不出来啊。搜寻引擎本来就是web。爬虫爬web资料，送到后端数据库做索引，查询，排序，输出。不然搜寻引擎是什么技术？ 笑死。elasticsearch 这大家后端常用吧，搜寻不叫做后端？ 真的是扛精。

D大上面所说，让我知道 D大对搜寻引擎的理解比我还少很多，感恩。

elasticsearch的搜寻要怎么设定，才能让购物商品照顾客需求排出，这AI就明显做不到阿。有什么好扛的。讲到最后，你连写个AI取代google搜寻都做不到？那怎么一直在吹AI取代工程师。的确啦，AI能取代你这种等级的工程师。

好呛

google门槛太高？再给你程度低一点的，写一个元宇宙程式，拍一张路上汽车照片，将车子转成3d model。让车子3d model转一圈，够简单了吧。这类需求AI也做不到，但人类工程师超容易做的。

玻璃心已碎取代的就是你这种等级的工程师，攻击力太强了

我记得本来不是有个会在每篇D大留言一直尾随表达崇拜景仰的跟班，那个人怎么不见了？是因为这样才造成D大如此情绪失控吗？快把那个帐号找回来这里啊！！

你讲的这个case, 可以串cloud API吗？

“人类工程师超容易做的”？？其实看久了觉得像反串了XD

觉得都能取代的赶快搞副业或转行啦

我自己写了一个可以同时光纤+3.5输出的音乐播放软件,你可以让AI写看看这个功能,看看会发生什么事情.这个也没商业机密,我自己写给自己的玩具,写一次就知道了

变成出题挑战喔？最好我那么闲啦～而且光是需求我就看不懂了“光纤＋3.5”感觉是玩音响的玩家才理解的东西。总之不奉陪啦，自己的作业自己做，你可以拿着个题目练习 AI + SDD啊

我已经写出来了= =|||这个是回应前面说的,哪些东西不能用AI做,我写的途中有遇到一些状况,很大机率AI没办法修正这个问题.至于AI+SSD,有空才会去测看看了.SDD,打错

出题很简单啊 写个台积电顾机台专用AI取代轮班工程师写个能在金融市场持续低买高卖的交易AI 连班都不上用了

“很大机率”不能？不知道你怎么下这个评论的？没用过要怎么下“不能”这个评论？

最好笑的是一堆人觉得自己是那1%，实际上只是剩下来的99%嘻嘻，对了我也是那1%，准备去炸鸡排了

你写过一次就知道为什么了. 跟硬件问题有关.

“我写的途中遇到一些状况”“很大机率不能”，这些都超笼统的形容词，至少也要跟这篇文一样解释清楚吧？你都承认你没用过AI了，你怎么知道AI不能？那我也要学你，你用过一次AI就知道能不能了

AI进步取代巨匠初阶人类工程师工作很明显

99%才对= =

巨匠工程师被取代就说中高阶人类工程师消失就太超过

我比较好奇大家觉得“多快”会被取代

软件同时控制不同硬件很常遇到互打

因为 ai 进化速度确实蛮快的

董硬件的人应该很容易找那些AI没被训练过的问题纯软纯资料科学很有机会像AlphaGo一个爆发就碾压人类可是如果把硬件弄进来让软件控制 很常出现意外状况去找电资背景的人问数位IC类比IC设计跟程式设计差在哪写程式的人认真去了解IC设计 应该会觉得很像写程式

真正的1%是做模型做Agent给我们用的人未来做应用就是用嘴写 人人都是嘴砲高层不好吗XD

EDA tool就是写软件工具给IC设计的人用来辅助IC设计AI辅助写程式可以看成一种更高阶更像人类的程式语言

我遇到的问题网络并没有搜寻到讨论,不在training set的问题AI要怎么回答...

但在怎样进步 机械码或组合语言之类的工程师也还在吧像我就完全不董compiler 也用能写程式啊不只编译器 二元树反转二元树我通通都不董 依然写正确回答样本外问题 本来就是机器学习AI领域的老议题

AI看你写的RTL或韧体C code就好了，不用讲的好像多神秘一样

我说结论吧 AI取代人类工程师这种唬烂话不用理他AI取代跟不上AI时代的工程师 失业问题怎么办可讨论

人类遇到搜寻不到答案怎么做：做实验，trial and error，我跟你讲现在的AI也会

人类在各种不同领域累积很多domain knowledgeAI在也能像人类那样累积 甚至未来有天会出现强AI但是已现在的AI发展来看 强AI(通用AI)还很久台积电要怎么做顾机台AI 直接增加台积电盈利?有兴趣的人可追踪台积电何时让顾机台AI诞生狂砍工程师

好心人，推

围棋AI其实也花很多年 只是到了AlphaGo有个大爆发

也不是什么神秘的事情，就硬件特性问题而已，但AI听不到喇叭输出声音，要怎么解？

关心AI发展的人可再拆纯软资料分析AI 要碰硬件的AI硬件AI 目前优先关注机器人与自驾车

要解也要先让AI能接麦克风输入喇叭声音吧，然后还要训练AI能听音乐-_-理论上可行但也要有人肯训练AI做这种事情

就算是纯软的MP3压缩就利用人耳生理特性

音讯处理DSP这个不是早就做几十年的东西了？

问题本质就是 AI的domain knowledge是否充分我猜楼上没实作类比IC与数位IC的经验

不用输出喇叭啊，直接音讯档给AI处理就好了

随便一个不在自己守备范围的东西就做不出的话，那护城河还满深的。等Gemini 3能自己做出Gemini 4 再来担心好像也不晚。

数位IC就RTL code有多难？能写成扣的AI都看得懂，类比我就不熟了

喇叭这种算类比IC领域 有一堆纯软数位AI考量外的杂事

GitHub 上RTL code不多所以AI训练结果不太好，如果够多RTL code给他训练一样强问题hidog 讲的是数位类比IC吗？我觉得不是

看hidog愿不愿意当老师详细解说 类比讯号的奥义

程式语言的东西远比自然语言简单 毕竟是有规范的东西

光纤跟3.5一个数位讯号一个类比讯号。

而且hidog都说“音乐播放软件”了，应该跟IC无关，直接呼叫硬件驱动就好

他都说到喇叭麦克风了 不要用纯软数位AI的思维去想

如果同时喂资料给声卡IO的话，光纤跟3.5会出现时间差，当时搜寻没找到答案，最后自己work around修掉处理的时候也遇过破音问题，这个只看code其实看不出会破音，播放以后才听得到。

我跟你说，音讯档打开来就是一连串数字，以前用Matlab做音讯处理就是这样

这有兴趣可参考台大资工李琳山语音辨识的相关研究

这个举例听起来既没有被取代也没有影响残值吧

牵扯到芯片也会有一些问AI得不到答案的东西，我最近才遇到，工作内容就不解释了。

这是正回馈提高产出很棒阿

你要控制芯片也是要透过驱动，阿你人要写扣也是要读manual看原厂给的驱动代码，给AI看这些他一样办得到

所以别碰硬件相关回归纯软数位AI领域的讨论就好

我觉得y大不太听人讲话的，讨论下去没啥意义，说不定我们其实在跟AI对话

楼上是因为活在数位讯号的世界 才会认为类比没什么

你人要操作某个芯片，你也要先读过那个芯片的的驱动代码和手册，AI当然也需要，他读完就会写了

我很确定这就是没碰过硬件没碰过类比的人的反应

不然你问其他网友，看有没有人懂你的问题是什么？

因为我以前也是这种人 没了解类比讯号前都是鸡同鸭讲

阿这边就软件版啊，你一直要提类比IC在这个版是要？？

因为人类世界问题很多 所以我才说回归纯软数位AI的讨论

这算开大绝吗？XD

人类世界的工程师必然要面对类比讯号类比IC的问题这类问题跟纯软工程师讨论会有鬼打墙的情况所以应避免

喔 好

所以说AI取代人类工程师 在纯软领域较值得讨论一旦涉及硬件上面就直接说了网络上搜寻不到更直白的说 那可能是地球人类还没讨论过的硬件问题AI的domain knowledge累积超越人类范围有限

某些软件工作就是会碰到韧体跟硬件，像我自己软件韧体都写的，怎么可能跟硬件完全切开，而这些问题并非AI擅长的领域阿

韧体非擅长领域，是因为网络搜寻不到才得出的结论吗？硬件不熟，但这边是软件版，韧体就算你给人类写他也是需要规格手册和原厂示范码，有这些的情况下我跟妳说AI也能写韧体你不给规格手册示范码，你叫工程师写韧体，就算搜寻网络，工程师一样写不出来

这就是AI何时能攻进韧体领域问题这种AI董韧体的人就能开发不是天方夜谭但多久会有

而且不用额外训练AI，直接给AI当场看规格手册示范码，他当场就可以开始写你示范码多长，几千几万行等级他几分钟就可以读完，你人类要读多久？

重点就是看sample code写不一定能动XD

甚至如果只是API指示手册，他读的更快

牵扯到硬件变因太多啦

原厂给的一定能动吧 这是什么野鸡厂商吗??

人类看示范码写也不一定会动，阿人类怎么做？trial anderror啊，啊AI也会trial and error示范码在公版上一定会动啦，不会动找原厂，量不够大人家不理你那没办法

所以一定要人去处理 跟纯软不能比

原厂都不会动 我就只剩call vendor这招了

有些东西不在那个领域，讲再多也很难让对方听懂。有些东西code看起来是对的，但在某些条件下跑在硬件上就是会出问题。没遇过这种事情的真的很难解释

如果不是公版有可能不会动，那就不是AI能处理的了XD你可以举例一下吗？实际的例子

工作相关，这个有保密协定，不能讲。

AI不是只会看扣哦，他还会make run debug，你要清楚这一点你不是说你那个音讯软件是自己做的玩具没机密？怎么又变工作机密不能讲了？

那回到前面讲的，我写了一个软件播音乐结果爆音，怎么让AI听到音乐？这个未来或许可以，但现在还做不到音讯软件是我自己的玩具，跟工作无关，但平常工作也会遇到只看code看不出问题，特定环境下才能在硬件上重现的bug

你怎么知道做不到？因为网络搜寻不到你自己想到办法workaround? 所以得出结论AI不可能会workaround?

有兴趣可以去问台积电顾机台的工程师遇到的怪问题

如果你的理由是，因为网络搜寻不到，这办法是我自己想的，所以AI不可能想到，那也没什么好说的XD

一……一年……？

动不动就要通灵才能解 不要以为绿色乖乖是放假的

那我得说老板还付那个人一年薪水而不是找别人取代掉

恩我都说了AI听不到实际上播出音乐的效果如何了，你觉得AI能解那就解吧。

工程师描述问题起码要像这篇文，说真的你的爆音问题我到现在也没看你解释清楚来龙去脉，难怪你会觉得AI解决不了，因为你根本连问题都描述不清

其实台湾各类作硬件的厂商都有自己的怪问题 这就是硬件

可能也不会去找AI取代掉

数位IC觉得IC难搞C++很单纯 类比IC表示数位IC像天使

最近这些工程师的例子让我觉得大概有一些人被取代刚好我有时候觉得正方你们为什么还要领薪水 为什么不去当乙方直接主动取代甲方的90％人力 一次同时接5个案子收入肯定屌打领别人的薪水吧

光纤+3.5那个问题先把类比转数位再数位+数位应该就行吧直接硬干找问题出在哪里 要很有闲的人才会那么做吧去接案会有其他问题 就是求安稳才去上班的

AI问不到答案哪需要那么难 我这几天就问不到Manageengine和CrowdStrike的API答案 这可是纯web呢 -_-一个API不公开 Swagger超大不能直接塞给AI一个文件零零落落 隐藏功能都要开support票去问的AI怎么可能会

呃其实我的意思是这种问题现阶段问AI也很难得到答案...要怎么解释，就有爆音阿然后自己慢慢找原因，但要怎么跟AI解释爆音？

求安稳去上班和AI会快速取代人的论点直接背道而驰啊

啊对了那些提到的问题自己都解掉了，只是我也想不透要怎么让AI理解爆音这件事

爆音不就E超过上限导致波形变形吗（歪头）

所以AI要先能阅读波形吗（思考

你要叫AI写程式检查E上限 或是检查频谱有没有破洞不是叫AI自己去读波形

看到数位+类比直接输入就觉得出事不意外应该是叫AI全部弄成数位尽量不要碰类比

干，终于停了。可以不要再在我这篇下面战吗？不然我要删文了......

sp转repo对ai来说算文书作业啦，不过吃实体资源电力现阶段还是多

AI在读垃圾code的用处很大，我现在都只负责规划架构，细节都让AI生然后我再微调，一天8小时我花5小时看yt打发时间，不到3小时用来工作

这样只花半小时好猛@@

搜寻引擎是有专门的学术领域的欸哪有爬虫+数据库那么简单

AI能理解爆音好吗 不就是相邻的声音sample值差异过大 丢给它wave档或频谱它看得出来吧笑死 韧体硬件类比AI不懂? 连数学物理都懂了是有什么东西你懂的AI不懂 是你不懂得怎么去问吧人看code看不出爆音 要播放才听得到然后叫AI看code要看得出来? 不是先给Al音档让它分析吗

你完全不用debug吗？自己host好像没context window限制，不过在我会用到的unit test表现不太理想

该改行了，去工地

未来软工岗位只需要留个位数数量的资深SDE就够了…不过pivot去做餐饮的貌似已经饱和，要pivot的话，就只有往水管工、电工、或是机械工技师，这些高技能蓝领目前是稳得一批，不用担心被人工智能或机器人取代，反倒是餐饮这种重复性劳动的工作，现在已经有机器人取代了。现在有不少餐饮业都在用机器人处理工作，无论是内场烹调还是外场服务，都已经有机器人代劳了，成本再低些的话，就可以看到连夜市餐饮摊商也引入机器人了。

真的很可怕。今年已经进步到很多冷门语言，像是SKILL。只要ai看完reference manual 和 usage，就能开始实战，而且正确率极高（错了也会自己修正）

这串上面 givemoney 不就有给个例子是他认为 AI 做不出来的

ptta说得没错，只要给他看手册和示范码，冷门语言他也会写，不用重新训练模型

原po的这个例子说明的就是 在以前做这件事，需要拉好几个人做好长一段时间而现在公司只要找1-2个懂的员工透过ai帮助就能快速完成任务这边就有部分人力被取代掉了现实也就这样 越来越多高层绝对透过AI辅助，员工生产力可以提高，也就可以用更少的人力完成更多的事，也有理由不再需要排在后位的员工

你这个专案有CICD吗? AI帮你Refactor后CICD全部过了吗我是不太相信给AI重构 会老功能齐全 不用Debug啦我没有叫AI写Web过 不知道Web的专案构造是不是比较浅AI比较容易掌握全部的legacy code在干嘛我叫AI重构C的专案，我看完是觉得不如我自己来写

楼上，我不是写web的，但CICD我也是叫AI写的

我也有请AI写C语言专案的CICD，结论是LOG很多 但很表面

有CICD反而容易，AI可以自己修正

gitea CICD会用到 的yml, action runner, verify.py我都是叫AI写

VSCode + RooCode + Claude API claude-sonnet-4-5我不知道你怎么下指令 但我用的感想是 TODO LIST洋洋洒洒列一堆 但字里行间有时候理解是错的，然后更新TODOLIST有时候根本只是加LOG没有加机能，也在说他做完了

前不久Gemini 2.5还跟我说美国副总统是贺锦丽呢

已经用不到的Legacy Code对新功能没影响也不删掉我比较过我写的跟AI写的结果一个五千行左右的模组，主要用C语言专案 AI追加的Code数是我的3倍 新功能没有我写的对应来的广所以我对AI的认知就是 放手给他乱生 只会生出一堆

如果重复发生，那你就用#叫他memorize看看，我还会在当他试错最后成功时，把这次成功的流程写成md当作下次参考，然后叫他memorize凡是某流程参考这个md

non-reusable 难维护 肥大的扣

多次迭代，小批量commit

所以我认同AI的强大但AI的强大是建立在你把框架全部都订好的前提怎么编译 怎么测试 怎么分割子任务 WorkFlow全部都定义好但现实世界是，一堆公司的Legacy Code连CICD都没有

那还好，人类还有这些订框架的价值XD 值得庆幸

你当然能请AI定义 但工程师自己也要懂阿

现在AI还在念幼稚园一堆人比那么认真干嘛等到AI大学毕业 就知道了

OK，讲实际的案例，你这个案例基本上算翻译性质的工作这本来就是生成式AI的强项，你请他翻一般语言也翻得好但开发工作也不是只有这种，而且人跟你报工时也不会只包含开发的时间，还包含跟使用端确认需求和规格的时间以免改错，结果你帮AI算时间只算编写时间？

这是重构啊 用人力来做大概要一个月吧 只花半小时真的夸张 只能说以后重构跟写测试变简单了 但是要从无到有开发新功能 AI还是无法取代人类的

如果这专案用AI跑就好，不必跟人确认规格并验证细节，你再来跟人说剩下多少价值也不晚。工具若能确实帮省力那也就是让你以后能力变更强，负责范围变更大，信徒还是跳不出“工作总量绝对不变”的思维，于是才有“取代”问题与“剩余价值不足”的问题，毕竟你作茧自缚假设工作范围就窄，整天只做翻译工程嘛生成式AI猜下一字的原理使它很善长处理语言相关事务，例如：翻译、换句话说、照样造句、生成名词。你负责的工程本质跟这类事务越相近，那就越适合用AI，也越容易出现“剩余价值不足”的感受，反之则越不好用分析职务时眼光不能太窄。

我就问你怎么确定转完都没问题 cli 有帮你写测试吗？

可以去台积电当设备工程师，AI没办法保养机台设备这就像自驾卡车出来后要卡车司机去学程式一样，卡车司机惨惨

最近也是用类似的，有惊艳到这类分享体验的文章，下面都有一堆崩溃是怎样...