---

title: AI 時代工程師真正的護城河：不是做 CRUD，而是 systems thinking 與 distributed systems date: 2026-04-08 source: https://www.threads.com/@rdmcolors/post/DW2Pt5LEnRn category: articles tags:

• Distributed Systems
• MIT 6.824
• Systems Thinking
• AI Era
• Engineering Moat
• Computer Science created: 2026-04-08 updated: 2026-04-08

---

AI 時代工程師真正的護城河：不是做 CRUD，而是 systems thinking 與 distributed systems

概要

這則 Threads 表面上是在推薦 MIT 6.824: Distributed Systems，但它真正有價值的，不只是「哪門課好」，而是它指出了一條在 AI 時代越來越清楚的能力分界線：

真正難被 AI 取代的，不是會不會做 todo app、記帳 app，甚至不是會不會叫模型寫程式，而是你有沒有理解複雜系統如何運作。

貼文的語氣雖然很猛，但核心其實很準：

• AI 可以幫你生成大量樣板程式
• 可以幫你加速 CRUD
• 可以幫你組 UI、補 API、寫測試

但當系統開始進入：

• 一致性
• 容錯
• 分散式協調
• 失敗模式
• 延遲與吞吐量權衡
• 資料正確性與恢復策略

這些層級時，真正重要的就不再是「會不會寫碼」，而是 會不會思考系統。

這篇真正的重點

1. AI 最容易吃掉的，是低層次、可模板化的工程工作

這篇提到「不是 todo app、不是記帳 app」，這句話不是在貶低小專案，而是在點出一個現實：

越標準化、越可預測、越像樣板拼裝的工作，越容易被 AI 高效率吸收。

像這種任務：

• CRUD API
• 後台介面
• 表單流程
• 常見資料表操作
• 一般 App scaffold

未來不是不需要人做，而是：

• AI 可以很快生成初稿
• 低階實作的邊際價值下降
• 純 execution 型工程能力會被壓縮

所以如果工程師的核心價值只停留在這裡，那確實很危險。

2. 系統思維才是 AI 無法直接替你內建的東西

這篇最值得收進 Allen KB 的地方，是它把重點放在 systems thinking。

什麼叫系統思維？ 不是只知道有哪些技術名詞，而是知道：

• 為什麼這裡會出 race condition
• 為什麼某個設計在單機可行、分散式就不行
• 為什麼一致性、可用性、延遲不可能同時最大化
• 為什麼某些錯不是 code bug，而是 system property
• 為什麼看似合理的局部優化，會在整體系統裡產生副作用

AI 可以幫你補語法、給 pattern、產出方案，但： 真正的架構判斷與 trade-off 理解，還是來自你是否理解系統本身。