轉念學 – 敏捷三叔公的學習之旅

故事時間：蒸汽轟鳴時代的鐵匠逆襲記

想像一下 18 世紀末、19 世紀初的英國，工業革命的蒸汽火車頭正「哐鏘哐鏘」地往前衝。瓦特改良的蒸汽機是當時最火的科技，簡直就是那個時代的 AI，能提供前所未有的動力。但問題來了：早期的蒸汽機就像脾氣暴躁的巨獸，動不動就漏氣、效率低落，為什麼？因為製造它的零件，特別是汽缸、活塞這些關鍵部件，精度差得離譜！

當時的工匠們，多半還是用著古老的工具，靠著一雙「麒麟臂」和「火眼金睛」手工打磨、銼削零件。這就好比用手繪像素畫的方式來開發複雜軟體，不是不行，但精度、效率和一致性都成問題。一台蒸汽機可能需要無數次的修修補補才能勉強運轉。

這時，我們的英雄，亨利·莫茲利（Henry Maudslay）登場了！他原本是個兵工廠的鎖匠和鐵匠，對金屬加工有著深刻的理解。他看到蒸汽機這個「明日之星」的潛力，也看到了它最大的「痛點」——精度不足。

別的工匠可能在抱怨：「唉，這蒸汽機真難搞！」或者被新技術搞得手忙腳亂，擔心自己的手藝要被淘汰。但莫茲利腦袋裡想的是：「等等，這問題的核心是『造不出精確的零件』啊！如果我能造出一個『能精確製造零件的機器』，那不就解決了嗎？」

莫茲利的「黑科技」：現代車床的誕生

他沒有直接去改進蒸汽機本身，而是把目光投向了製造蒸汽機的「工具」。他對當時的車床進行了革命性的改造：

1. 發明了「滑動刀架」（Slide Rest）： 這玩意兒是個天才設計！想像一下，以前工人得用手拿著刀具去切削旋轉的金屬，手一抖，精度就沒了。莫茲利的滑動刀架，可以把刀具牢牢固定住，然後透過精密的螺桿和齒輪，讓刀架能沿著工件精確地縱向（前後）和橫向（左右）移動。這就像給車床裝上了「機械手」，精度大大提升，而且操作工人的技術門檻也降低了。
2. 全金屬結構和精密導軌： 他用更堅固、更穩定的金屬來建造車床，取代了容易變形的木頭結構，並配上精密的導軌，保證了刀架移動的準確性。
3. 標準化螺紋： 他還搞出了可以精確切削標準螺紋的車床。這在以前是個大難題，螺絲和螺母常常得配對製作。莫茲利的發明讓螺紋標準化成為可能，為後來零件互換和大規模生產奠定了基礎。

結果呢？

莫茲利並沒有被蒸汽機「取代」。相反，他創造了製造更精密、更高效蒸汽機（以及後來無數精密機械）所必需的工具！他從一個普通的工匠，變成了「工業母機」的創造者，地位不降反升，還培養出了像約瑟夫·惠特沃斯（Joseph Whitworth，標準化的狂熱推動者）和詹姆斯·內史密斯（James Nasmyth，蒸汽錘發明者）這樣的大牛徒弟。

莫茲利成功的「心法」與要素：

1. 洞察核心問題 (Identify the Core Problem): 他沒有停留在表面現象（蒸汽機漏氣），而是抓住了本質（零件精度不足）。
2. 專注於「賦能」而非「對抗」(Focus on Enabling, Not Competing): 他不去直接跟蒸汽機比誰厲害，而是思考如何「幫助」蒸汽機變得更好。他做的是「工具的創造者」。
3. 追求極致的精度與標準化 (Pursue Precision and Standardization): 他深刻理解到，要讓複雜系統可靠運作，精度和標準是基石。
4. 精湛的工藝與持續創新 (Craftsmanship and Continuous Innovation): 他有深厚的技術功底，並且敢於動手改造，不斷迭代，才有了革命性的發明。
5. 擁抱變化，找到新定位 (Embrace Change and Find a New Niche): 面對新技術（蒸汽機），他不恐懼，反而從中看到了機遇，找到了自己無可替代的新角色。

---

GenAI 時代，軟體開發者的「莫茲利時刻」

現在，讓我們把鏡頭拉回 21 世紀，看看 GenAI（生成式 AI）對軟體開發領域的衝擊。很多人擔心：「AI 都能寫程式了，我們會不會失業？」這就像當年擔心被蒸汽機取代的工匠一樣。

我們可以從莫茲利的故事中學到什麼？

1. 洞察核心問題： GenAI 能生成程式碼，但它能理解複雜的業務邏輯嗎？能保證程式碼的安全、高效、可維護性嗎？能處理模糊不清的需求嗎？目前看來，還差得遠。真正的核心問題是如何利用 AI 提升效率，同時確保軟體品質、滿足真實需求、應對複雜系統的挑戰。
2. 專注於「賦能」而非「對抗」： 與其擔心 AI 取代你寫基礎程式碼，不如思考如何駕馭 AI。學習如何有效地使用 AI 工具（比如寫出高品質的 Prompt），讓 AI 成為你的「超級副駕駛」，幫你處理重複、繁瑣的工作，讓你騰出時間專注於更高層次的任務，例如：
   • 系統架構設計
   • 複雜演算法
   • 使用者體驗優化
   • 需求分析與溝通
   • 跨團隊協作
   • 以及… 非常重要的… 品質保證與測試！
3. 追求「品質」與「可靠性」： 正如莫茲利追求機械零件的精度，軟體開發者更需要關注程式碼的品質。AI 生成的程式碼可能很快，但不一定對、不一定好、不一定安全。驗證和確保品質的需求，反而因為 AI 的介入而變得更加迫切和重要。
4. 提升「軟體工藝」與擁抱新工具： 學習新的技術、框架和方法論，提升自己的「軟體工藝」。同時，積極學習和應用 AI 工具，把它們整合到你的工作流程中。
5. 找到新的價值定位： 你的價值不再僅僅是「寫出程式碼」，而是「交付高品質、滿足需求的軟體系統」。這包括了理解需求、設計架構、編寫關鍵邏輯、指導 AI、以及嚴謹地測試和驗證。

軟體開發者需要加緊學習和應用的測試實踐

在 GenAI 可能會生成大量程式碼（甚至測試碼）的未來，開發者若想扮演好「品質守門員」和「AI 協同者」的角色，以下幾種測試相關的實踐變得尤為重要：

1. Specification by Example (SBE) / 實例化需求：
   • 這是什麼？ 這是一種通過具體範例來溝通和澄清需求的方法，通常結合 BDD (行為驅動開發)。開發者、測試人員、業務方一起，用「Given-When-Then」這樣的格式寫出使用者場景的例子。
   • 為什麼重要？ 在 AI 時代，需求描述的精確性至關重要。模糊的需求會讓 AI 生成無用的程式碼。SBE 強迫大家把需求想清楚、談明白，用具體的例子來消除歧義。這些例子本身就可以轉化為自動化測試，用來驗證 AI（或人）寫的程式碼是否符合預期。它就像給 AI 的精確任務說明書和驗收標準。
   • 比喻： 你想讓 AI 畫一隻貓，只說「畫隻貓」可能會得到各種奇怪的東西。但如果你用 SBE 的方式說：「假設 (Given) 我有一張白紙，當 (When) 我要求畫一隻『坐在墊子上，舔爪子的橘貓』，那麼 (Then) 我應該看到一幅包含這些元素的畫。」這樣 AI（或畫家）才能準確理解你的需求。
2. Exploratory Testing / 探索式測試：
   • 這是什麼？ 這不是按部就班執行預先寫好的測試案例，而是測試者像偵探一樣，基於自己的經驗、直覺和好奇心，在系統中自由探索，同時學習系統、設計測試、執行測試並記錄發現。
   • 為什麼重要？ AI 生成的程式碼可能會帶來一些意想不到的行為或邊界情況下的 Bug。預先定義的測試案例可能無法覆蓋這些「未知領域」。探索式測試依賴人的智慧和洞察力，非常適合用來發現那些「AI 沒想到」或「需求沒寫到」的問題。它補充了自動化測試的不足，尤其是在複雜交互和使用者體驗方面。
   • 比喻： 自動化測試就像保安按規定的路線巡邏，確保門窗都關好。探索式測試就像一個好奇的偵探，會去翻翻垃圾桶、看看天花板夾層、試試把鑰匙插進不對的鎖孔，看看會發生什麼意想不到的事情。
3. Test Case Design / 測試案例設計（進階技巧）：
   • 這是什麼？ 這不僅僅是寫測試案例，而是運用系統化的方法和技巧（如等價類劃分、邊界值分析、因果圖、狀態轉換測試、配對測試等）來設計出高效、高覆蓋率的測試案例集合，用最少的案例發現最多的問題。
   • 為什麼重要？ AI 可能會生成海量程式碼，如果測試沒有章法，很容易陷入「測試地獄」。掌握高效的測試案例設計技巧，能幫助你更聰明地進行測試。你需要判斷 AI 生成的程式碼可能在哪些地方出錯（比如邊界條件、特殊輸入組合），然後精準地設計測試來「狙擊」這些潛在的 Bug。這也包括設計測試來驗證非功能性需求，如性能、安全性，這些往往是 AI 生成程式碼的弱點。
   • 比喻： 你要測試一座大橋的承重能力，不能只讓一輛小轎車開過去（覆蓋不足），也不能把地球上所有的車都開上去（效率太低）。測試案例設計就像工程師計算出：需要測試一輛自行車（下邊界）、一輛滿載卡車（上邊界）、幾種不同重量的典型車輛（等價類），可能還要測試一下超載一點點會怎樣（邊界值），這樣才能高效又有信心地評估大橋的安全性。

總結：

就像亨利·莫茲利沒有被蒸汽機的浪潮淹沒，反而乘風破浪，成為時代的賦能者一樣，軟體開發者面對 GenAI 的衝擊，最好的策略不是恐懼或抗拒，而是：

• 擁抱變化，學習新工具 (AI)。
• 提升自己的核心能力，專注於更高價值的任務（架構、複雜邏輯、使用者體驗等）。
• 將「品質保證」和「測試」視為自己不可或缺的核心技能，甚至是最重要的價值所在。

掌握好 SBE、探索式測試、高效的測試案例設計等實踐，你就能更好地駕馭 AI，確保交付的軟體不僅「造得快」，而且「造得好」、「造得對」。這樣，你就不會是那個被取代的舊工匠，而是像莫茲利一樣，成為新時代不可或缺的「軟體工程大師」！