推薦閱讀：二月上旬的 AI 文章精選

二月上旬讀到的 AI 好文，涵蓋 coding agent、AI 對工作的影響、程式語言的未來等主題。

最近讀了不少 AI 相關的文章，有些觀點蠻值得記下來的。趁還沒忘，先寫下來。

這篇講的是 AI 工具表面上提升生產力，實際上讓人同時處理更多專案，認知負荷爆表。感覺生產力變高了，但精神上其實更累。我自己用 Claude Code 的時候也有類似體驗——效率確實高了，但一天下來腦子比以前更疲勞。

Tom Dale 在講軟體工程師的心理健康危機。AI 帶來的技術巨變讓很多人焦慮，從工作不安全感到對整個行業的迷茫都有。這跟我之前寫的 AI 焦慮那篇是同一個主題，不過他從心理健康的角度切入，更直接。

HashiCorp 創辦人 Mitchell Hashimoto 分享他怎麼實際導入 AI coding agent。他提了幾個很實用的策略，像是「讓 agent 重現你自己的工作」跟「下班前丟任務給 agent」。不是那種空泛的 AI 願景文，是真的在用的人寫的。

StrongDM 的 AI 團隊讓 coding agent 寫程式，完全不經過人類 code review，改用情境測試跟外部服務的 digital twin 來驗證。聽起來很瘋狂，但他們實際跑起來了。不過 token 花費跟長期可持續性是個大問號。

資安研究員 Thomas Ptacek 說 LLM 在漏洞研究上是真的好用，不是行銷話術。他認為漏洞發現這件事特別適合 LLM 的能力特性。這讓我想到，AI 的強項可能不是寫完整的應用程式，而是那些需要大量模式比對的任務。

紐約時報用 AI 做了個內部工具，自動轉錄和摘要 podcast 內容，幫記者快速掌握特定群體的輿論動態。媒體公司把 AI 用在新聞情報蒐集上，這類應用比生成式寫稿靠譜多了。

OpenAI 的 Skills 功能現在可以直接在 API 裡用了，用 base64 編碼的 zip 檔內嵌在 JSON request 裡傳。各家搶 agent 工具鏈標準化搶得越來越兇，但做法也越來越分歧。

Simon Willison 做了兩個工具讓 coding agent 可以「展示自己的作品」——產生互動式文件和自動化瀏覽器測試。解決的是一個很實際的問題：agent 寫完程式，你怎麼知道它真的能跑？

Gary Marcus 老調重彈，引用 Caltech 跟 Stanford 的研究說 LLM 的推理能力還是根本性地有問題。他講的沒錯，但 Gary Marcus 的文章讀久了就覺得⋯他永遠在講同一件事。不過作為平衡觀點還是值得看的。

Flask 作者 Armin Ronacher 寫的。他認為 AI agent 時代會催生新的程式語言，因為程式碼的經濟學已經變了——不再是為了人類打字效率最佳化，而是要讓 agent 更有效地寫程式。語義要明確、局部推理要容易。聽起來像是在設計給機器讀的語言，而不是給人寫的。蠻有意思。

Anil Dash 說用 AI 協調多個 coding bot 是真正的技術突破，開發者變成提供策略方向而非親手寫 code。他樂觀得有點過頭，但「codeless 不是 no-code，而是 AI 幫你寫 code」這個區分蠻重要的。

Xe Iaso 半開玩笑地說 Markdown 就是人類最後的程式語言——自然語言描述取代傳統語法，markdown 檔就是新的執行檔。文章帶著一種黑色幽默，但背後的擔憂是真的：如果人類程式設計師不再被需要，那會怎樣？

讓 AI agent 自動分析 chat log 然後改進 CLAUDE.md 文件。不用手動更新，丟一個 prompt 就搞定。我自己也在用類似的方式維護 CLAUDE.md，確實省很多時間。

作者的非工程師朋友用 AI no-code 工具做了 app，demo 看起來很漂亮，但碰到後端、資料庫、資安、維護成本後全部放棄了。這跟我的觀察一致——AI 能幫你生前端，但系統架構的問題不會消失。

Jim Nielsen 吐槽 Anthropic 的研究發現「AI 輔助會降低工程師的技能精熟度」，說這不是廢話嗎。他擔心的是組織壓力會讓大家選擇速度而犧牲技能成長。跟學開車用自動排檔一樣，方便是方便，但你真的會開車嗎？

Joan Westenberg 說創辦人應該用 markdown 文件取代投影片做 pitch。寫文字比做簡報更能逼你想清楚。而且 markdown 是 machine-readable 的，適合現在的創投評估流程。蠻有道理的，反正投影片做得再漂亮，投資人也只看數字。