AI 都會寫程式了，Coding 到底要懂多深？

Day 1 寫到，我曾經靠 ChatGPT 做出一個真的可以運作的網站。

當時最大的問題，不只是我不會自己把程式寫出來。

而是從「我想要這個功能」，到「網站真的跑起來」之間，幾乎整塊都是黑盒。

我不知道網站怎麼組成，也不知道結果不對時應該從哪裡找。

所以那時候我的感覺很直接：

我做得出來，但是我改不動。

30 天寫到最後，我還是回到同一個問題：

AI 已經可以幫我把程式做出來，那我自己到底還需要懂多少？

只是現在，這個問題已經和 Day 1 不太一樣了。

我看到的 code 更少了，但看得到的系統更多了

現在 Codex 可以直接讀 workspace、修改實際檔案、跨不同 repo 處理需求，也可以自己執行測試和 review。

我反而比 Day 1 更少直接碰到程式碼。

但在「我要這個功能」和「AI 最後把它做出來」之間，我現在已經看得到很多以前看不到的東西。

我會先看使用者到底在完成什麼工作，哪些條件不能被破壞。

接著會討論系統裡哪些部分受到影響、誰應該負責什麼、不同部分之間怎麼交換資料，以及不同做法會增加哪些成本和限制。

真的開始實作以前，通常已經有規格、design、系統責任和資料流可以討論。

實作完成之後，也不會只停在一句「做完了」，而是還會經過測試、review 和我自己實際操作。

我現在看到的程式碼更少了，但看得到的系統反而更多。

這和 Day 1 最大的差別，不是我已經會自己把所有程式寫出來。

而是需求和結果中間，不再整塊都是黑盒。

我現在比較理解的是系統，不是程式本身

前面幾篇，我已經慢慢把這兩種理解分開。

現在我大致可以理解一套系統有哪些主要部分、各自負責什麼，以及它們怎麼一起完成一件事。

新的需求出現時，我也會想到這次可能影響哪些部分、哪些責任需要被守住，以及哪些原本的約定可能一起變動。

有些工程概念，也已經不只是我聽過、知道名字。

它們開始會自然出現在我看新需求的方式裡，成為我判斷風險、責任和影響範圍的依據。

所以目前我比較能確定的是：

我已經有一部分系統層級的理解（system-level understanding）。

我可以沿著系統結構理解問題，也能參與一部分產品與工程判斷。

但只要真的往程式碼裡走，我的理解還是會很快斷掉。

我不是完全看不懂程式碼。

如果 Codex 已經指出一小段直接的條件判斷、function 或資料轉換，我大概可以理解它正在做什麼。

但要我自己進到 codebase，從一個功能開始找到入口，再沿著不同檔案、模組和呼叫一路追出完整實作，目前還做不到。

所以現在我很清楚知道：

沿著系統思考，和沿著程式碼追完整實作，是兩種不同能力。

這兩種理解不是彼此無關

系統層級的理解，讓我知道：

一個需求大概會影響哪些部分。

哪些責任需要被守住。

問題發生時，可以先往哪些方向看。

不同方案又會增加哪些新的邊界與成本。

但程式層級的理解會再往下一層。

它要回答的是：

這些責任最後到底怎麼被程式做出來？

不同部分實際上怎麼接在一起？

程式最後真的有照我理解的方式運作嗎？

所以我現在會把兩者的關係理解成：

系統理解讓我知道為什麼這樣分、應該往哪裡看；程式理解則讓我有能力繼續往下確認，它實際上是不是這樣做。

我現在已經可以在系統層級參與不少判斷。

但真的進到實作這一層，很多地方仍然需要 Codex 帶我進去。

這也讓最後真正剩下的問題變得更清楚：

我要把程式實作理解補到什麼程度，現在這些系統層級的判斷才算有足夠根基？

兩個極端，目前的經驗都不足以支持

其中一個答案是：

AI 都會寫了，所以完全不用懂 code。

Day 1 的經驗已經讓我知道，如果需求和結果中間全部都是黑盒，就算東西真的做得出來，我也很難知道問題可能在哪裡，更難參與修改和判斷。

所以至少從我目前的經驗來看，只會描述需求、其他事情全部接受 AI 的答案，還不足以支撐我現在參與產品與工程判斷的方式。

另一個答案是：

一定要能不靠 AI，自己獨立完成整套程式實作，才算真的懂。

目前我的經驗也不足以支持這個答案。

我還不能自己沿著 codebase 完成複雜修改，但已經可以提出系統必須保證的條件、討論責任應該放在哪裡、判斷一次修改可能影響哪些部分，也能對部分工程方案提出自己的判斷和疑問。

這些能力顯然不是零。

但它們也不能反過來證明，我已經理解那些判斷最後是怎麼被程式實作出來的。

所以真正沒有答案的，是中間這一段。

我需要能自己找到功能的實作入口嗎？

需要能沿著一段資料流一路追下去嗎？

需要能獨立判斷某一段實作是否合理嗎？

還是有些地方需要我自己進到程式碼裡確認，有些則可以繼續依賴 Agent？

我現在還不知道，這些能力裡哪些是必要的，哪些只在某些情境下重要。

更不知道補到某個程度之後，會不會又看到下一層以前根本不知道存在的問題。

前面這 30 天已經讓我知道：

現在看見的能力缺口，不一定就是最後一層。

這 30 天沒有替我畫出一條最低門檻

一開始，我問的是：

AI 都會寫程式了，我還要學什麼？

現在我至少比較知道，答案不只在 Coding 本身。

做產品以前，我需要先看懂人的工作。

工作真的進到系統之後，我也需要能參與那些關於條件、責任、邊界、約定和可靠性的工程判斷。

而程式理解，則關係到我能不能繼續往下一層確認：

前面這些系統判斷，最後是不是有被正確做進程式裡。

所以這 30 天沒有替我找出一條：

「Coding 學到這裡就夠了。」

的線。

它比較像是讓原本那個很模糊的問題，逐漸變得具體。

Day 1 的我，連需求和結果中間有哪些東西都看不見。

現在我已經可以看見工作流程、規格、設計、系統責任、資料流、工程選擇、測試和 review，也開始能對其中一些事情形成自己的判斷。

但到了實際程式實作這一層，我仍然很大程度依賴 Codex 幫我找到程式、解釋程式，再透過測試和 review 建立對實作的信任。

所以接下來我還要繼續找的是：

我要理解多少程式碼，才能讓這些判斷不只建立在 AI 告訴我的事情上。

這個問題，我現在還沒有答案。