一個不寫 code 的人，為什麼能在 30 天內用 AI 產出 263 個 commits？
AI 把執行成本壓低之後，真正稀缺的變成規劃、判斷，以及知道該先做什麼。
TL;DR
先看重點
>AI 把 execution cost 壓低之後，真正稀缺的能力會往 planning、判斷和 orchestration 移動。
>所謂不寫 code 的工程師，不是完全不碰技術，而是把重心移到拆解問題、定義流程和驗證方向。
>這篇文章想討論的是職能重心轉移，而不是用 AI 取代工程師的聳動標題。
#讓工作輕鬆一點 一個不寫 code 的人，為什麼能在 30 天內用 AI 產出 263 個 commits？
最有趣的是，這個人根本不是工程師。
Matt Van Horn 是連續創業者，不是傳統寫 code 出身的人。但他最近分享的一套 Claude Code workflow，在 30 天內產出了 263 個 commits 和 70 個 plan files。
等等，plan files 比 code commits 還多？對，這其實正是重點。
1. 倒過來的 80/20
傳統軟體開發很常是 80% 時間在寫 code，20% 時間在想要怎麼寫。
Matt 幾乎直接把比例倒過來：80% planning，20% coding。
他花大量時間用語音口述想法、定義需求、拆解任務，然後同時開 4-6 個 Claude Code session 平行工作。每個 session 分工不同：有人做 feature，有人跑測試，有人寫文件。
這個 workflow 聽起來很極端，但它有一個很有意思的提醒：在 AI 變強之後，真正慢的地方開始不是寫，而是想清楚。
2. 不是工程師，反而可能是一種優勢
這裡有個很反直覺的點。
Matt 不是工程師，所以他從頭到尾想的都不是「我要怎麼寫這段 code」，而是「我要 AI 幫我達成什麼結果」。
這聽起來像廢話，但其實我自己也很有感。很多工程師（包括我自己）很容易不自覺掉進實作細節裡，反而忘了退一步看全局。Matt 沒有這個包袱，所以他的合作方式天然就更像在做 orchestration。
3. 判斷力才是真正的門檻
那工程師的價值到底在哪？
我在 dentall 帶產品事業處的經驗是，隨著 AI 工具越來越強，「寫得出來」本身已經沒有以前那麼稀缺了。真正稀缺的是：
- 什麼該做、什麼不該做
- 什麼先做、什麼後做
- 哪個方向有坑、哪個方向值得繼續挖
這些判斷力，來自踩過的坑、來自商業 context、來自你知道以前哪件事為什麼爆掉。這部分 AI 目前還接不上。
4. plan.md 可能會變得越來越重要
Matt 還有一個做法我很喜歡：他把 plan.md 幾乎用在所有事情上。
產品規格、競品分析、策略文件、甚至寫文章，全部都從一個 plan 開始。這件事看似簡單，但如果你真的把 planning 變成 workflow 的入口，整個工作模式就會不一樣。
我之前做 LINE AI Bridge 的時候，其實也在碰很像的需求：人在外面突然有想法，能不能立刻讓 AI 動起來，而不是等回到電腦前再開始。
5. 這不只是工程師的事
所以「不寫 code 的工程師」這句話，換個角度看，其實是在講更大的變化：
未來不管你是 PM、設計師、行銷、顧問還是創業者，你的工作很可能都會慢慢變成：
- 80% 規劃和判斷
- 20% 執行
因為 AI 把執行成本壓低了，所以「想清楚要做什麼」這件事的價值反而被放大。
後記
這篇對我最大的提醒是：AI 改變的可能不只是工具，而是整個工作重心。
如果以前最值錢的是能不能自己把東西做出來，那接下來更值錢的，可能會是你能不能把方向定對、把工作拆對、把資源放對地方。
PS
Matt 那篇文章裡提到他用 Telegram + Mac Mini 遠端操控 AI。跟我之前做的 LINE AI Bridge，其實是很像的概念。
英雄所見略同，或者更準確地說，懶人所見略同。
