AI / Workflow
把自己蒸餾成 Skill：AI Coding 時代，工程師從駕駛變成教練與系統設計者
Threads 貼文提出「把自己蒸餾成 skill」：工程師刻意不親手寫每一行程式，而是把反覆流程、溝通方式、驗收標準與修正策略變成 AI 可重複執行的操作規格。本文整理這種 AI coding 工作法的核心：AI 當駕駛、人類當教練；真正該被保留在人類手上的，是問題定義、架構判斷、風險控管、測試驗收與可遷移的工作流設計。
2026年5月9日3 分鐘閱讀👁 12
AI Coding / Workflow Design / Human-in-the-loop
「把自己蒸餾成 skill」不是放棄工程能力，而是把工程能力從手工操作轉成可複製的工作系統。
Threads 貼文的核心觀點是：AI 已經可以承擔大量 coding execution，人類若仍堅持接手每一行程式，反而會成為瓶頸。更高槓桿的做法，是把自己的需求釐清、實作偏好、測試標準、溝通風格與除錯流程，蒸餾成 AI agent 可反覆使用的 skill / playbook。
AI 當駕駛
人類當教練
Skill / Playbook
Review / Test / Rollback
貼文主張
- 工程師刻意忍住不接手 coding，讓 AI 先負責執行。
- 人類在旁邊觀察、喊停、修正方向，必要時再接回方向盤。
- 短期會經歷反覆修正的陣痛期，但目標是把長期時間釋放出來。
- 日常 80% 的固定流程，可以嘗試蒸餾成 skill。
這不是「不寫程式」
- 人類仍然負責定義問題、拆分任務、制定驗收條件。
- 人類仍然需要 code review、測試設計、架構判斷與風險辨識。
- 差別在於：手不一定要放在鍵盤上，腦要放在系統邊界與品質控制上。
Skill 的本質
- 不是一段漂亮 prompt，而是一份可重複執行的操作協議。
- 包含輸入格式、前置檢查、決策規則、常見錯誤、驗證方式與完成定義。
- 越能把「我平常怎麼判斷」寫清楚，AI 越能穩定複製工作品質。
為什麼軟體需求反而會變多
- 工具成本下降後，過去不值得做的小型系統、內部工具、流程自動化會變得可行。
- 需求變多不代表專業消失，而是專業從「做得到」轉向「知道該做什麼、怎麼安全落地」。
- 這使得工程師更像產品教練、架構審查者與 automation designer。
關鍵轉換：AI coding 的成熟度不只看模型會不會寫 code，而是看團隊能不能把人的工作習慣、品質標準與風險邊界，整理成 agent 可遵循的制度。
| 舊模式 | Skill 化後 | 人類保留的責任 |
|---|---|---|
| 工程師逐行實作 |