AI 開發工具演進

了解 AI 開發工具的演進歷程，有助於我們掌握當前技術的優勢與限制，並為未來做好準備。

演進時間軸

2024          2025          2026          2027
  │             │             │             │
  ▼             ▼             ▼             │
自動補全      一個檔案      多個檔案       架構+設計+QA
(Copilot)    (Cursor)    (Claude Code)   (預測)

2024：自動補全時代

代表工具：GitHub Copilot

• Inline suggestions
• 一次補全一行或一個函數
• 你還是要寫大部分的 code

效率提升：約 1.1 倍

# Copilot 會幫你補完函數
def calculate_total(items):
    # 游標在這裡，Copilot 會建議接下來的程式碼
    return sum(item.price for item in items)

2025：單檔案編輯時代

代表工具：Cursor / Windsurf

• Composer 模式
• 可以修改整個檔案
• Chat in editor
• 但還是一次處理一個檔案

效率提升：約 1.5 倍新參與者：UIUX、PM 可以加入協作

2026：多檔案重構時代

代表工具：Claude Code / Codex

• Terminal-first、Agentic coding
• 200K token context window
• 跨檔案重構
• 可以執行 shell commands
• SWE-bench 80.9%（Opus 4.5）

可以完成一或多個 Junior SWE 的工作量 （根據操作者能力）

Claude Code 的能力

讀寫檔案
    ↓
執行 shell commands
    ↓
搜尋 codebase
    ↓
呼叫 MCP tools
    ↓
自主決定下一步

2027：工程時代（預測）

預測特性：

• Spec-driven development
• AI 做架構設計
• AI 做 QA（自動測試、自動驗證）
• Background agents — Fire and forget
• Overnight PR

Junior、IT 可以正式取代 Senior SWE 的工作

演進關鍵

年份	能力	範圍
2024	補全	一行
2025	編輯	一個檔案
2026	重構	多個檔案
2027	工程	整個專案

AI 的瓶頸

即使 AI 能力持續增強，目前仍有以下瓶頸：

瓶頸 1：長期思維

• AI 只看當下的 context
• 不知道你昨天做了什麼
• 不知道你下週要做什麼
• 沒有長期記憶

解決方案： 使用 CLAUDE.md 紀錄專案規範

瓶頸 2：視覺能力

• AI 看不懂 UI/UX
• 不知道設計好不好看
• 不知道使用者體驗如何
• 需要人類判斷

解決方案： 人工審查 UI，給予明確的設計指引

瓶頸 3：自我學習

• AI 不會從錯誤中學習
• 每次對話都是全新開始
• 重複的錯誤會一直犯
• 你要幫它學（CLAUDE.md）

解決方案： 記錄常見錯誤到 CLAUDE.md

瓶頸 4：刪減能力

• AI 很會加東西
• 但不太會刪東西
• Over-engineering 傾向
• 需要人類簡化

解決方案： 定期使用 /cleanup 和 /simplify

瓶頸 5：Bias

• 訓練資料的偏見
• 過時的 best practices
• 獎勵機制導致的行為
• 需要人類校正

解決方案： 使用 Context7 MCP 取得最新文件

為什麼有這些瓶頸？

1. 訓練的獎勵機制 — 目前仍在解決急迫的問題，還沒有為長期思維做優化
2. 訓練資料 — 過時、有偏見、不完整
3. 架構限制 — Context window、無狀態，以語言為載體

如何應對

瓶頸	應對策略
長期思維	建立 CLAUDE.md，記錄專案規範
視覺能力	人工審查，提供設計指引
自我學習	更新 CLAUDE.md，記錄常見錯誤
刪減能力	定期 cleanup、simplify
Bias	使用 Context7 取得最新文件

下一步

• Agent 與 Context Engineering - 深入了解 Agent
• Vibe Coding vs Vibe Engineering - 正確的開發心態