AI coding 工具四年走了別的軟體十年的路。但大部分工程師還是在用它來補
console.log。
先講結論
AI 寫程式工具經歷了四個階段：補完 → Copilot → 對話 → Agent。每個階段的跳躍都不只是「更好的補完」，而是根本性地改變了人跟程式碼互動的方式。
你只需要記住這些：
- 補完工具已經是基本配備，不用特別挑，IDE 內建的就夠
- Cursor Composer 是目前日常開發最順手的，多檔案編輯是真正的生產力差異
- Claude Code 適合大活，整個 feature 或大規模重構，讓 Agent 自己跑
- Devin 之類的全自動 Agent 目前還是噱頭大於實用
- 不管用什麼工具，你 commit 的每一行都要自己看懂
工具的選擇不重要，知道什麼時候用什麼模式才重要。
第一代：補完時代（2018-2020）
TabNine 和 Kite 是這個時代的代表。它們做的事情很簡單——猜你下一個要打的字。
你打：const user = await db.
AI 補：findById(id);
老實說，用起來跟 IDE 的 IntelliSense 差不多，只是偶爾會多猜幾個 token。我當時裝了 TabNine 大概兩週就關了，因為它的建議有一半跟我想寫的不一樣，反而干擾打字節奏。補完工具最大的貢獻是讓我學會快速按 Esc。
Kite 在 2022 年就收掉了，某種意義上也證明了：光靠統計模型猜 token，天花板就在那裡。
第二代：Copilot 的突破（2021-2022）
GitHub Copilot 出來的時候，我第一次感覺到「這真的不一樣」。
差別在哪？它背後是 OpenAI Codex，能理解自然語言跟程式碼之間的關係。你寫一行註解，它能生出一整個 function：
// 計算購物車總金額，有折扣碼就套用折扣
function calculateTotal(cart: CartItem[], discountCode?: string): number {
const subtotal = cart.reduce((sum, item) => sum + item.price * item.quantity, 0);
if (discountCode) {
const discount = getDiscount(discountCode);
return subtotal * (1 - discount);
}
return subtotal;
}從「猜你下一個字」變成「理解你想做什麼」——這個跳躍是質的飛躍，不是量的改進。
但 Copilot 也教了我一課：AI 生成的 code 看起來很漂亮，不代表是對的。它會很自信地呼叫不存在的 API、用已經 deprecated 的語法、或是寫出乍看合理但邏輯有洞的程式碼。你有沒有過那種經驗——Copilot 補完的 code 跑起來沒問題，三天後才發現某個 edge case 炸了？
第三代：對話式開發（2023）
ChatGPT 爆發之後，大家突然發現：與其讓 AI 猜，不如直接跟它說。
這個階段最重要的產品是 Cursor。它把對話整合進 IDE，你可以 @ 標記特定檔案，跟 AI 討論怎麼改。比起 Copilot 的被動等待，這是主動合作。
你：「這個 React component 每次 parent re-render 都重新算 filteredList，用 useMemo 優化」
AI：（分析你的 component → 找到問題點 → 給出修改後的完整程式碼）
Copilot Chat 也有類似功能，但體驗跟 Cursor 差一截。為什麼？因為 Cursor 從底層就是為 AI 設計的，而 Copilot Chat 是硬塞進 VS Code 的 sidebar。這種差異在多檔案編輯的時候特別明顯——Cursor Composer 讓你一次改十幾個檔案，Copilot 你得一個一個來。
第四代：Agent 模式（2024-2025）
這是目前最前沿的階段，也是爭議最大的。
Agent 的核心概念是：AI 不再只是回答問題，它可以自己規劃步驟、讀 codebase、改檔案、跑測試、看結果、修 bug。你給它一個任務，它自己搞定。
Claude Code 是我目前用最多的 Agent。你跟它說「加一個 dark mode」，它會自己去讀現有的 theme 架構、建立 context、修改 component、加 CSS variables、跑測試。你坐在旁邊看它工作，偶爾給個方向修正。
這聽起來很美好對吧？但現實是：
Agent 模式在小而明確的任務上很厲害，在大而模糊的任務上會翻車。 讓它「幫我加一個 API endpoint」效果很好，讓它「重新設計整個認證系統」你會花更多時間收拾殘局。
至於 Devin——號稱「第一個 AI 軟體工程師」——我的看法是：Demo 很酷，實際用起來離「軟體工程師」這四個字還很遠。它更像是一個會自己跑的腳本，不是一個會思考的工程師。就像很多寫在履歷上「精通 XX」的人一樣。
所以到底該怎麼選？
工具的詳細比較我在 AI 工具比較 已經寫過了，這邊只講結論：
不要想著找一個工具解決所有事。 不同階段的任務用不同工具：
- 日常寫 code、小修改 → Cursor（Tab 補完 + Composer）
- 大規模重構、新 feature → Claude Code（Agent 模式）
- PR review、技術研究 → Claude 對話模式
你問我 Copilot 呢？如果你的公司已經在用、你不想換 IDE、或是你需要企業合規，Copilot 完全夠用。但如果你有選擇，Cursor 的體驗確實好一截。
AI 做得好 vs 做不好的事
這個也要講清楚，不然容易踩坑。
做得好： boilerplate 程式碼、寫測試、生成文件、解釋不熟的 library。這些事情結構明確、有既定模式、出錯容易發現。
做不好： 架構決策、security-critical 程式碼、複雜商業邏輯、效能關鍵路徑。這些需要理解 context、承擔後果、做 trade-off——這些 AI 都不會。
一個簡單的判斷標準：如果這段 code 出 bug，後果是「再改就好」還是「出大事」？前者可以大膽讓 AI 寫，後者你最好自己來。
最後一個提醒
AI coding 工具的演進速度快到你今天讀的這篇文章，半年後可能有一半內容過時。但有一件事不會變——你要理解你 commit 的每一行程式碼。
AI 是你的 pair programming partner，不是你的外包。它像一個打字速度超快的 junior developer：產出很多，但你不能不看就 merge。
延伸閱讀
- AI 工具比較 — 各工具的詳細規格與選型建議
- Prompt Engineering — 在這些工具中寫出好 Prompt 的技巧
- AI 全景與核心概念 — 理解這些工具背後的 AI 基礎概念
AI 工具進化得越快，工程師按下 Approve 的手指就該越慢。