
讓 AI 自動找更快的程式之前,先寫清楚什麼叫做「更好」
Google 的 AlphaEvolve 這類工具,會自動產生大量程式版本,挑出分數最高的那個。它只看評分程式量得到的東西,沒量到的條件就可能被犧牲。交給它之前,要先把基準、分數、不能違反的限制、停止條件和放行的人寫清楚。
tag
把同一個主題的微課集中閱讀,從最新文章開始補齊上下文。
lessons
標籤導讀
這個標籤收集同一個細主題下的微課。先看最新文章,再用分類與延伸閱讀補齊上下文。

Google 的 AlphaEvolve 這類工具,會自動產生大量程式版本,挑出分數最高的那個。它只看評分程式量得到的東西,沒量到的條件就可能被犧牲。交給它之前,要先把基準、分數、不能違反的限制、停止條件和放行的人寫清楚。

AI 讓寫出第一版程式變得很便宜,但審查它、半年後維護它的成本沒有跟著變低。第一版的用途是試價:看清這次修改要付多少代價。合併之前,要有人能不看 AI 的對話紀錄說明它,也要有人答應接手維護。

流程在建立紀錄、寄出通知之後才失敗,直接重跑可能把同一件事做兩次。每個會改變外部狀態的步驟,都要留下查得到的編號、寫好出錯時的補救方式,並把寄信、付款這類收不回來的動作排在最後。查不清楚已經發生什麼時,正確的動作是停下來交給人。

Figma 讓設計圖層一鍵變成可互動的程式碼,動畫也能直接交給程式代理實作。原型越像成品,越容易被原封不動地做出來。交接時,設計師要標清楚哪些是確定的設計意圖、哪些只是探索時的實驗,由工程判斷哪些要重寫。

AI 安全工具已經能自動找出漏洞、產生修補並跑測試。速度變快之後,要問的不是能不能修,而是哪些修補可以不經人放行。判斷依據是出事時退不退得回去:可撤回、有測試的小升級可以快速過;碰到登入、付款、客戶資料或部署的修補,一律由人放行。

開源工具 DockSec 結合多個 Docker 掃描器,再用 AI 解釋警訊、建議修法。它的自動修正只做機械式的 Dockerfile 修改,不替你挑基底映像版本、不搬動密鑰、不改部署設定檔。這條線也適合團隊照用;開 AI 模式前,還要知道哪些內容會送到模型那邊。

NVIDIA 的 RTX Spark 把 Arm 處理器、強力顯示晶片和最高 128GB 共享記憶體帶進 Windows 筆電,主打在本機跑 AI。但換到 Arm 架構,你每天用的軟體、外掛和驅動程式不一定都能原生執行。買之前先列出自己的工具清單逐一核對,再拿一件每週都會等的工作實測。

日誌好不好,不是看記了多少行,而是只看日誌能不能答出:什麼時候、在哪裡、發生了什麼、當時帶著什麼資料。拿上一次事故回放一次就知道缺什麼。Python 內建的 logging 幾乎都做得到,換成 Loguru 主要是省設定,但要注意它預設會把變數值寫進錯誤紀錄。

GitHub Copilot 從 2026 年 6 月起按實際使用量計費,程式自動補全仍然免費,花錢的是對話和長時間的代理任務,而且額度用完不再自動改用便宜模型。團隊要事先決定兩件事:額度用完時是停還是繼續付,以及哪些任務可以用到最貴的模式。

Coding agent 已經能從 issue 一路做到 pull request,連核准都可以交給 AI。人能把關的位置因此往前移:交出任務前,先寫得出第一個可單獨審查的 diff,寫不出來的任務只讓 agent 做研究。