AI 輔助開發工具日益普及，越來越多開發者開始仰賴 AI 代理（AI agents）自動產生程式碼。然而，方便背後藏著隱憂：長期依賴 AI，可能讓工程師不知不覺喪失獨立寫程式的能力。
印度邦加羅爾（Bengaluru）開發者阿舒托什·銳斯（Ashutosh Rath）打造一款命令列（CLI）工具「Atrophy」，試圖在技能退化成為不可逆的問題之前，幫助開發者及早發現並加以補救。
Atrophy 將程式能力細分為五個核心領域，分別進行獨立的追蹤與評估：
- 語法記憶（Syntax recall）： 系統會提供特定的規格需求，要求使用者從無到有撰寫出一個符合條件的小型函式。
- 除錯能力（Debugging）： 系統會提供一段看似正常、卻隱藏著 Bug 的程式碼片段，考驗使用者抓錯與修復的敏銳度。
- 程式碼閱讀（Code reading）： 測試開發者「大腦編譯器」的能力，要求不依賴電腦，直接在腦海中模擬並追蹤程式碼執行的最終結果。
- API 記憶（API memory）： 針對標準函式庫（Standard Library）的呼叫出題，考驗使用者精準填寫程式碼空白處的記憶力。
- 架構拆解（Decomposition）： 測試工程師宏觀的系統設計思維，評估其規劃與拆解整體程式架構的能力。
目前練習題涵蓋 Python 與 JavaScript 兩種語言，並分為三個難度等級，同時採用隨機種子生成機制（Seeded generation），確保使用者每次練習都能遇到全新的變化題，避免因反覆作答而淪為死記硬背。
靈感來自 Elo 等級分制度
Atrophy 的評分系統靈感來自西洋棋的 Elo 等級分制度，但並非完全照搬。五個技能領域皆各自獨立計分，初始分數均為 1,200 分，且沒有硬性的上下限。銳斯表示，評分會在每次練習後以「類 Elo 公式」進行動態調整，且早期練習對分數的影響幅度大於後期。若長時間未使用該工具，系統對評分準確性的「信心水準」會降低，但不會直接扣分。
使用者首先需完成一份基準測驗，每個技能領域各做一題，銳斯估計約需 25 分鐘。他建議每週進行兩三次、每次練習 5~10 分鐘。Atrophy 會自動選取最久未練習的技能領域出題，並設定一個軟性時間限制，雖然超時雖然仍可過關，但獲得的積分增幅會相應縮減。
此外，銳斯建議使用者每個月進行一次「有 AI 輔助」的練習。分數會被單獨記錄追蹤，以衡量「有 AI 協助」與「無 AI 協助」的落差，讓使用者清楚看見自己對 AI 的依賴程度是否隨時間推移加深。
銳斯強調，練習題只是真實技能的替代指標，分數本身不應被視為能力的絕對衡量標準。「Atrophy 的價值在於隨時間呈現的趨勢，讓開發者能聚焦 AI 可能正在侵蝕的技能領域。」他也澄清：「Atrophy 並不是要反 AI。我打造它是為了衡量『我在 AI 協助下能做到什麼』，以及『我靠自己獨立還能做到什麼』的差距，因為獨立寫程式的能力可能會在毫無預警的情況下悄悄生鏽。」
研究佐證：AI 確實可能削弱認知能力
銳斯的擔憂並非空穴來風，學術研究已提供相當程度的佐證。麻省理工學院（MIT）去年發表研究顯示，使用生成式 AI 聊天機器人輔助寫作的學生，大腦活動量明顯低於未使用 AI 的學生，且在事實記憶與內容回想方面表現更差。這最終會導致學習「淺層編碼」（Shallow encoding），以及脫離 AI 代理後獨立作業力下降。
（首圖來源：Unsplash）
科技新報粉絲團
加入好友
訂閱免費電子報
