保哥：體驗未來的AI Coding新世界

1. 一句話總結

多奇數位創意把「需求變成程式碼」這件事，用一張 Microsoft Forms 表單接進 Azure DevOps 的工作項目，讓一個他們自己包裝、背後跑 Claude Code 的「代理人」直接開分支、寫程式、開 PR，人類只負責把需求寫清楚跟做最後的 Code Review。

2. 重點筆記

講者背景，經查對照

投影片封面寫的是「多奇數位創意有限公司　技術總監　黃保翕（Will 保哥）」，這跟主持人介紹的「大家的寶哥」是同一人，INSIDE 專訪 也是用同樣的公司與職稱介紹他。他是 Angular／Web 領域的 Google Developer Expert（GDE），自 2018 年獲選至今；另外查證到他在 2024 年也以生成式 AI（GenAI）方向再次獲選 GDE，等於同時掛著兩個技術類別的專家身分。主持人開場說他「連續 17 度」獲選微軟最有價值專家（MVP），對照他自己公開的介紹，數字亂到有點好笑——部落格首頁圖卡寫「連續 15 度」，about.me 個人頁寫「連續 18 度」，GitHub 個人頁的 README 寫「連續 19 度」（附一張表格寫「2006 – Present」），公司官網一份講師介紹頁甚至還留著「連續 10 度」的舊版說法。MVP 頭銜是每年跟著提名週期續約的，這幾個數字很可能落在不同的時間快照上，而且各頁面顯然沒有同步更新——現場那天（2025 年 5 月）最貼近的說法就是主持人講的 17 度，本篇採用這個數字，其餘幾個版本與連結都列在第七節，給想追查的人對照，此處不做裁決，也不替他「校準」出一個標準答案。

軟體工程 AI 化，他畫了一條路

他開場先帶了一張路徑圖，把軟體開發拉出三個階段：手刻程式碼（開發人員手動編寫）→ AI 輔助程式碼生成（IDE 的 IntelliSense、到近年 GitHub Copilot、Cursor、Windsurf 這類工具幫忙生成整段程式碼，但工程師仍然盯著看）→ 外包給代理人開發（把整個開發任務外包出去，不再逐行盯）。他形容這個轉折的心情很微妙：以前你還會盯著 AI 幫你生成的十幾二十行程式碼看完再按下一步，但代理人時代的工作方式更像是「把案子外包出去」——你把需求講清楚，對方直接把結果交回來，這時候你會不會滿意，關鍵在於它有沒有跟你交代「它做了什麼」。這句話也是他整場的伏筆：如果代理人只丟一包程式碼回來、什麼都不解釋，工程師其實根本不敢接手維護。

需求怎麼流進代理人手上

多奇的開發流程走 Scrum，用的是 Azure DevOps（他特別說用 GitHub、GitLab 或其他工具當然也可以，公司剛好是用這套）。流程是這樣：

1. PM 或負責需求的工程師先在 Azure DevOps 開一張 Task／Bug／PBI，填標題跟「工作描述」——這兩欄就是給 AI 的最基本 context，有時候還會附截圖。
2. 工程師接著把 prompt 寫進一個他設計的範本裡，存成一個 Markdown 附件（例如 76427.md），掛到這張工作項目底下。
3. 填一張他做的「程式設計代理請求表單」（Microsoft Forms），選好要交辦的 Repository（前端／後端分開）、Base Branch（大部分專案固定用某個開發分支起跑）、Target Branch（一個目前不存在的新分支名，例如 phase2-feature1）、Work Item ID，以及剛剛存的附件檔名。
4. 表單一送出，代理人就在這張工作項目底下留言「已開工」，幾分鐘後再留言「已完成開發」並附上一份完整的執行摘要。

表單上有一句他自己寫的提醒最有意思：「需求規格寫得越清楚，AI 表現就會越好；建議多利用 GitHub Copilot 的 Agent mode 練習下提示，等提示比較可靠的時候，再透過多奇程式設計代理人幫你開發程式。」也就是說，GitHub Copilot 的 Agent mode 拿來讓工程師在自己的 IDE 裡先練提示、練到有把握，正式要交辦開發的時候才透過表單丟給公司內部真正會動手改程式庫、開分支、發 PR 的那個代理人（Azure DevOps 上留言顯示的名字是「Duotify Coding Agent」）。這也呼應了主持人開場說的重點：用 GitHub Copilot 當 MCP（Model Context Protocol） client，去呼叫他們自己開發、串接 Azure DevOps 的 MCP server，讓代理人拿到工作項目的完整 context 之後就能自己動手。

表單背後故意設計的心機

表單上寫著「每次執行費用大約 3 到 6 塊美金」，他自己承認這是故意寫貴一點的心理戰術——「我故意寫貴一點，他們比較不會亂填嘛，不然我表單每次送出就給我燒個 3 塊 5 塊美金」。他丟出一個很直白的觀察：工程師自己寫 prompt 通常很隨便，寫兩句試試看，不對再重寫；但代理人不能這樣對待，你今天要外包一個案子，需求沒講清楚，做出來的東西就是垃圾，代理人跟你都不會開心。所以他刻意用「昂貴」的心理暗示，逼工程師（他口中「未來的甲方」）把需求寫清楚。

從開工到人類接手

他實際秀了一張工作項目（工單 76427，新增「系統類別」下拉選單的需求）：代理人花了 5 分 14 秒、成本約 1.26 美元（他換算成台幣「40 塊以內」）就把 PR 開好了。PR 裡看得到代理人交代的完整思路：新增了哪支 API、在哪個 Controller／Service／Mapper 加了什麼方法、查詢與更新邏輯各自改了什麼，一步步列出來，滿足需求裡的三個要點。他強調這一點的價值：工程師接手看到這份說明會是開心的，因為不用像平常 git log 看到十幾個檔案被改、卻沒人跟你解釋為什麼——那種情況只會讓人一頭霧水。這張工單後來人類工程師還加了兩個修正 commit 在代理人的 commit 之上，是一次典型的人機協作；他也秀了另一個案例，代理人的 PR 直接被 merge，一行程式碼都沒改。他在投影片上打出「超過五成的 Pull Request 都是 100% 正確」，並秀了一長串同時完成、直接合併的 PR 清單——他形容那個畫面「整排代理人同時開工」，比單一個案順利過關更讓人有感。

前端工程師也能修後端的 bug

這是整場最有意思的延伸案例。過去他們遇到的荒謬狀況是：前後端分離的專案，後端的 bug 卻常常是前端在頂著除錯——前端只負責 UI 跟互動，跟後端唯一的關聯是呼叫它的 API，但 API 回不了對的資料，明明是後端的問題，除錯壓力卻常常落在前端頭上。他的解法是另外設計一個 Microsoft Forms，讓前端工程師純粹用「前端能觀察到的角度」描述問題：呼叫了哪一支 API endpoint、送出什麼 JSON payload、回應是 HTTP 500，然後直接寫「目前觀察到 API 未能根據某參數傳回排序後的資料」。給代理人的任務指令也很白話：「請找出這個東西為什麼沒辦法照這個參數傳回資料；如果找不到確切原因，請說明排查思路跟可能的故障點；如果找到了，就直接把問題修掉。」前端工程師完全不用碰 Java 程式碼、不用知道資料庫長什麼樣子。他說這個新流程一樣做到超過五成、100% 正確、可以直接合併的成績。

背後用的工具，跟前一天晚上才發布的新版本

他直接點名背後跑的工具是 Claude Code（Anthropic 出的終端機／IDE 整合型編碼代理工具）。他也順帶評論了一輪同期的競品：OpenAI Codex CLI 大約三週前釋出時他覺得「跟垃圾也沒什麼兩樣，bug 太多、速度又慢」，上週推出的版本品質好轉不少；而就在他上台前一晚，Anthropic 才發布了新一代模型，他稱之為「Claude 4.0」——查證後正式名稱是 Claude Opus 4 與 Claude Sonnet 4，發布時間是 2025 年 5 月 22 日，剛好就是他上台（5 月 23 日）的前一天晚上，他當場坦承自己還沒空測。

下一步：跳過表單，直接在工作項目裡 tag

他預告了正在進行中的優化：現在還需要填表單才能送出需求，下週開始可以直接在 Azure DevOps 的工作項目留言裡用小老鼠符號 tag 他的 coding agent、把問題寫上去，按下 enter 存檔就開工，不用再跑一次表單流程。他把這個方向的重點放在「誰可以參與軟體開發」：PM、企劃、前端工程師、後端工程師、測試人員，每個角色都能在這套流程裡直接對代理人下達任務、提供自己的價值，不再限定只有寫程式的人能推動開發。他也提到自己下週三開了一堂進階版的課程，講的就是這套做法怎麼再往下優化。

會後補查：他在其他場合怎麼談這件事

他在 INSIDE 的專訪 裡，把這場演講背後的心態講得更白：他觀察到不少工程師其實抗拒或誤解 AI 工具，用法還停留在處理瑣碎細節，沒有把 AI 用在真正該用的高階抽象工作上；他認為開發者的角色正在從「寫程式」轉成「審查 AI 產出的程式」，但責任並沒有跟著轉移——不管程式碼是不是 AI 生成的，掛你名字送出去的東西你都要懂、都要負責。他也提到一個比較悲觀的觀察：資淺工程師可能會因此更難找工作，因為他們常常講不清楚需求、又過度依賴 AI 把「精準描述問題」這個能力練壞了。這跟他在這場演講裡反覆強調「代理人不能亂寫 prompt」是同一套邏輯的兩面。

3. 關鍵數據與案例

• 表單估算每次執行成本約 3 到 6 美元（講者自述，無外部來源佐證，是他刻意設計的心理戰術數字）。
• 工單 76427（新增系統類別下拉選單）：代理人執行 5 分 14 秒、成本約 1.26 美元（講者自述，無外部來源佐證）。
• 「超過五成的 Pull Request 都是 100% 正確」，可直接合併，重複出現在一般案例與前端頂替後端除錯的案例上（講者自述，無外部來源佐證）。
• Claude Opus 4 與 Claude Sonnet 4 於 2025 年 5 月 22 日發布（Anthropic 官方公告），與他所說「昨天晚上」的時間點吻合。
• Angular／Web GDE 身分自 2018 年至今，另於 2024 年再獲選 GenAI 方向 GDE（blog.miniasp.com；about.me）。
• Microsoft MVP 連續獲選年數，四個公開來源各不相同：主持人現場說 17 度、部落格首頁 圖卡寫 15 度、about.me 寫 18 度、GitHub 個人頁 寫 19 度（表格標註 2006 – Present）；公司官網另一份講師介紹頁還留著「連續 10 度」的舊版說法。

4. 金句

• 「你外包回來給你只有一份 code，你會不會開心？」
• 「等一下你可以看到我們公司是怎麼做的：所有的程式開發，源自於需求。」
• 「我故意寫貴一點，他們比較不會亂填嘛。」
• 「今天一個公單，AI 寫完就直接 merge 了，一行 code 都不用改，感覺怎麼樣？」
• 「整排代理人開工，那感覺才叫做爽好不好。」
• 「你要外包給代理人做，是你需求要寫清楚啊，是不是？」
• 「誰可以參與軟體開發？PM、企劃、前端工程師、後端工程師、測試人員，每個人都可以在我們的軟體開發過程之中提供他的價值。」

5. 提到的工具與名詞

• **GitHub Copilot 與 Agent mode**：GitHub 出的 AI 編碼助手；Agent mode 讓它能跨檔案自動修改程式、執行終端指令、呼叫外部工具，並支援 MCP server。他建議先用這個模式練習下提示。
• **Model Context Protocol（MCP）**：讓 AI 應用程式連接外部資料與工具的開放協定，他形容這是他整個代理人架構的接口基礎，也是主持人開場提到「GitHub Copilot 當 MCP client 呼叫自行開發的 MCP server」這句話的技術背景。
• 多奇程式設計代理人（Duotify Coding Agent）：他公司內部自建、串接 Azure DevOps 工作項目與 Microsoft Forms 的自動化編碼代理人，背後執行引擎是 Claude Code。
• **Claude Code**：Anthropic 出品的代理式編碼工具，他直接點名是公司內部代理人背後跑的引擎。
• **OpenAI Codex CLI**：OpenAI 推出的終端機編碼代理工具，他拿來跟 Claude Code 比較。
• **Claude Opus 4／Claude Sonnet 4**：Anthropic 在他上台前一晚發布的新一代模型，他口中的「Claude 4.0」。
• Cursor、Windsurf：他提到的另外兩款 AI 輔助編碼 IDE，作為對照近幾年工具演進的例子。
• Azure DevOps：微軟的 DevOps 平台，多奇用它管理 Scrum 工作項目（Task／Bug／PBI）、分支與 Pull Request。
• Scrum：他們公司十年前導入的敏捷開發框架，目前所有專案流程都建立在這套方法上。

6. 延伸觀察

這場真正的重點不是「AI 會寫程式」這件事本身，而是他把整套流程做成了一個有財務誘因、有審核關卡的企業級管線——表單故意標高成本讓工程師認真寫需求、代理人開工完一定要留下可讀的思路說明讓人類敢接手、Code Review 永遠是最後一道關卡。這跟社群上很多「一個人單打獨鬥用 AI 寫完整個產品」的敘事完全不同，更像是把「怎麼跟外包團隊合作」這套組織早就懂的道理，原封不動地套用在跟 AI 代理人合作上。前端工程師用一份純粹描述症狀的表單就能請代理人修後端 bug 這段，是整場最實用的示範：把「你不需要懂的技術細節」跟「AI 需要知道的資訊」拆開來，反而比逼每個人都變成全端工程師更快解決問題。

7. 資料來源