Stanford CS146S：Vibe Coding 正在變成現代軟體工程硬課
這篇 Threads 提到 Stanford 開了一門課 CS146S: The Modern Software Developer，被轉述成「Vibe Coding 課程」。原文列出的重點包含 Prompt Engineering、Agent 架構、MCP、Context Engineering、AI 安全攻防、Code Review、App 自動化開發與 DevOps。
我打開官方課程頁後，這堂課的正式名稱是 CS146S: The Modern Software Developer，Stanford University，Fall 2025。課程描述不是教學生「憑感覺叫 AI 寫 code」，而是把 AI-assisted development 當成新的軟體開發生命週期來教。
官方 Course Description 的核心說法是：大型語言模型正在改變傳統軟體開發流程，學生需要學會如何把 state-of-the-art LLM models 整合進複雜開發工作流，同時避免常見陷阱。課程目標包含 modern development tools、AI-assisted coding、automated testing and deployment、emerging software trends。
這門課最值得記錄的是 syllabus。它不是「不用懂工程也能寫 app」，而是把 AI coding 重新拆成幾個硬能力：
- Week 1: Introduction to Coding LLMs and AI Development
內容包含 LLM 是什麼、如何有效 prompt、OpenAI 如何使用 Codex。這不是單純 prompt 小技巧，而是先讓學生理解模型與 AI development 的基本操作方式。
- Week 2: The Anatomy of Coding Agents
這週直接進入 agent architecture、tool use、function calling、MCP。Assignment 是 First Steps in the AI IDE，還有 building a coding agent from scratch、building a custom MCP server。這代表現代工程師不只要用 agent，也要理解 agent 怎麼接工具、怎麼授權、怎麼跟外部系統溝通。
- Week 3: The AI IDE
主題是 context management、code understanding、PRDs for agents、IDE integrations and extensions。閱讀材料包含 Specs Are the New Source Code、How Long Contexts Fail、Getting AI to Work In Complex Codebases、Writing Effective Tools for Agents。這很關鍵：AI coding 的難點已經從「產生 code」轉向「如何給對 context、如何寫 specs、如何讓 agent 在複雜 codebase 裡穩定工作」。
- Week 4: Coding Agent Patterns
主題是管理 agent autonomy levels 與 human-agent collaboration patterns。也就是說，工程師的角色正在變成 agent supervisor / workflow designer：什麼能放手、什麼要人工審查、什麼要切成子任務、什麼要有 rollback。
Threads 留言裡有一句很好的補充：台灣很多人把 vibe coding 會錯意，以為是用 vibe 把所有責任推給 AI，連設計、分析都不用花心思。但正常來說，工程師仍然要懂 Design Patterns、OOP、framework 基礎與系統設計，才知道怎麼把需求說給 AI，怎麼審查 AI 產物。
這句「以前叫 tech debt，現在會開始出現 vibe debt」很值得保存。
Vibe debt 指的是：你用 AI 很快堆出功能，但沒有理解架構、沒有測試、沒有 review、沒有 security model、沒有 migration discipline、沒有 deployment discipline。短期看起來快，長期會變成更難修的技術債。
所以這門課真正透露的趨勢不是「人人都可以不學工程直接 vibe」，而是：
- prompt engineering 只是入口，不是全部。
- agent architecture 與 tool use 會變成基本素養。
- MCP / API / tool schema 是 AI 開發的新整合層。
- context engineering 會跟傳統 software architecture 一樣重要。
- code review 會從「看人寫的 code」擴展成「審查 AI 生成的 diff、計畫與假設」。
- security / DevOps / testing 不會消失，只會因為 AI 產碼速度變快而更重要。
對 BigIntTech 的啟發：
- 內部工程教育要升級
只教「怎麼下 prompt」不夠。應該教工程師如何寫 PRD、如何切任務、如何設計 agent 可讀的 context、如何審查 AI 產出的架構與測試。
- 專案文件就是 AI 開發的基礎設施
CLAUDE.md、AGENTS.md、docs、migration 規範、API path 規範、測試指令，未來都不是給人看的附屬文件，而是 agent 工作的 runtime context。
- AI coding 的管理重點是降低 vibe debt
速度不是唯一指標。要看 AI 產出的 code 是否可維護、可測試、可部署、可 rollback、可被人理解。
- 工程師不是被替代，而是升級成 AI 工作流設計者
會被淘汰的是只會手刻 CRUD、又不懂架構與審查的人；更值錢的是能把需求、context、工具、測試、部署與 review 串成可靠流程的人。
我的判斷：
Stanford 這門課把「vibe coding」從社群流行詞拉回工程現實。未來的現代軟體開發者不是憑感覺寫 code，而是懂得用 AI 加速 plan → generate → modify → test → review → deploy 的迭代流程。真正的門檻不是會不會叫 AI 寫，而是能不能當一個稱職的 AI 監工。
參考來源：
- Threads 原文：https://www.threads.com/@ericwu0324/post/DXtLgWijzG8
- Stanford CS146S: The Modern Software Developer：https://themodernsoftware.dev/