※ 引述《DrTech (竹科管理处网军研发人员)》之铭言：
: Drtech 论点：
: AI写 code不是所有code都写得出来
: 能不能试试看，用AI写一个code或算法：
: 第一个题目：
: 使用者输入：任意文字
: 算法输出：文字对应的logo 图片
: 看我们一般工程师，能不能做出类似Nano banana的功能。证明AI写code很厉害，
: 能取代掉AI软件工程师
: yamakazi：
: 不用写code，用Nano banana。
这个题目我特地去翻了一下原文下面的推文：
DrTech的推文是
"99%没问题？ 随便出一题简单题啦。你去叫AI写一个图片生成
算法，输入任意文字，输出该以文字的LOGO图片。那么简单
的需求AI 也生不出来。"
其实我看到这个题目的第一个想法是简单让AI根据使用者文字叙述的风格套选择Font
渲染出文字的图层以后，再用local model生图生出logo，进行合成
这个流程AI应该是能做到，因为元推文其实没有硬性的criteria
包含：
1. 输出格式是否要支援SVG
2. 对输出的logo是否要有创意/美观等主观评价
3. 是否要考虑色彩学
4. 是否字体要有创意
所以说这题简单吗？我觉得因人而异，如果你的要求是“输出的logo可以让人读懂”
那是真的很简单
如果你的需求是“输出的logo要Nano banana等级”或“可以媲美设计师水准”
那算简单吗？嗯....
: 第二个题目：
: 写一个程式码，找出台股任意两个ETF成分股交集。
: (指名台股是有特别意义的，台股资讯容易错，跟发行券商的官网资讯不同)
: yamakazi：
: 不用写，直接用claude。
: (然后无脑，跳针美股ETF)
第二题我也稍微看了一下，确实是有难度。
这部分的工序是：
1. 到TWSE
https://www.twse.com.tw/zh/products/securities/etf/products/domestic.html
找到两个ETF的连结
2. 找到style为'申购买回清单PCF'的element，对当中的连结进行爬虫
但接下来就是tricky的部分了，因为每个发行券商的网站都不一样，有些甚至还是失效的
理论上对应每个券商设计不同的爬虫模组
可以fetch到成分股，在券商网站资源有效且准确的状况下，确实能进行交叉比对
那你要说他简单吗？说简单是简单，但说烦也是烦。
我揣测，DrTech想表达的是"AI目前还没办法轻易应付现实复杂的环境与需求"
当然这是我斗胆揣测，毕竟我什么人，只是一个小小工程师而已
我最近又回头密集使用claude code，跟一年前相比确实是差很多
不过最让我感触良多的其实是claude code让我认识到自身的能力不足
我们现实中会遇到的问题往往都是复杂的，问题(需求)很简单、但实现起来却很复杂
我们上面讨论的都不是技术问题，而是具体的规格与需求
一个简单的表述，每个人都有不同的解读
这也是在职场中非常常见的事
人无法掌握、想像超越你知识体系范围外的事物
就像大家常听到的“你永远赚不到，超出你认知范围以外的钱”
AI的知识储备量超越个人
我在使用agentic方式进行开发的时候，如果我是命令AI去做我了解、我擅长的领域
那AI会表现得很好
因为我知道哪些细节需要避坑、哪些东西要提前做好规划、具体的技术实践细节要怎么做
如果是超越我能力范围外的，那事情就会变得很困难
你当然可以让agent去设计规格、规划系统架构与API，这种方法确实有效
不过想像一个不懂得分布式的小白想要建立一个大型的云端运算服务
他能够正确地阐述自己的需求吗？他能够知道AI现在在做什么吗？
很多技术领域的大老、某某项目的开发者，他能够用AI做完整个产品并且上线
我认为AI固然厉害，但驾驭AI的人屌才是真的
因为他本身就有足够的知识与能力去完成产品
我认为去问“AI能够做出XXX吗”这种问题的意义并不大
除非你的问句是
“AI能够根据完整的规格与架构设计且过程中不经人为介入自动做出整个产品吗”
或者
“AI能够在人类输入模糊的需求后经过多次迭代完成整个产品吗”
因为这两个是完全不同的开发流程与行为
AI最可怕的其实是它会大幅拉开工程师之间的差距
程度差的人可能因为达克效应而有了"因为AI我能够提升生产力"、"无所不能"的错觉

中肯推

推

其实你现在正在通灵，把不精确的spec通灵成完整的这也是AI做不到的部份，也就是通灵，感谢博士让我们了解在现实世界要通灵有多么困难

哪有，AI也很会通灵阿，乱下prompt也会生东西出来只是看谁刚好赛到而已

会吵起来也是因为一直有派人在吵AI能取代工程师，未来不知道，现阶段做不到

现在各大神在宣传的都是不用下prompt就能自动产出了操作的人都自己也不懂，说AI也能把他要的结果完美实现

推这篇写得好

现阶段我觉得AI还只是超级放大器，而不是超级工程师

是啊，真的是超级放大器 garbage in tons of garbage out

AI 时代还有认真长文真难得

我觉得要是稳定演进AI 很多思维都将被提取抽象概念新的东西 既有的角色分工职权技术命名都会慢慢改变

推

推这篇，整天在网络上吵没有意义的事情，还是先去学习实际...

其实还是看promote&skill的完整度 这两题如果问从业人员一定可以单纯靠互动产出成品 (非swe也行) 现在Edge AI应用都是有domain的 你老板也不会叫你做非公司经营项目的开发吧

这个没料的议题可不可以不要延续讨论

超级放大器+1就是好用的工具, 好的partner

推 太中肯了

一年前coding agents只是个聪明一点的autocomplete 现在呢？一定范围内的需求规格开完整一点agents 几乎都能oneshot 而现在还没办法全自动自我迭代 也仅是算力和内存不足 也就是基础建设不够 Mythos不敢放出来也是因为这样但这些肯定会解决的 一年后我们再来看

AI写出来的东西 自己都没看过敢上线喔?

最后一句不就在说板上某些人

生产力放大了才发现自己除了coding啥都不会人的多了

最后一段，有不少人都是这样，自我膨胀老板把你开除再请个能力比你更好更年轻的人，做的可能更好