你要知道，現在的程式開發跟過往已經完全不一樣了。工程師與非工程師都開始用 AI 開發，但同樣是用 AI，工程師做出來的系統往往更可靠。為什麼？
二十年前，要做出一個能用的軟體，你得先花好幾年把語法、框架、工具鏈一個一個啃下來。今天，一個沒寫過半行程式的人，可以在一個下午做出一個能跑的 App。
在 AI 時代，人類在「寫程式」這件事上，做的事情越來越少，但決定的事情越來越多。作為新時代的開發者，光靠精熟一兩門程式語言是不夠的。你一定要有更高層次的全局觀才能安全有效的駕馭 AI。而這個單元，就是要讓你知道現代開發者真正需要學習的重點是什麼！
這個 Unit 結束後，你會有能力：
把整段歷史想成「人跟機器溝通的方式，一直在往人這邊靠近」。一開始，是人去遷就機器、講機器聽得懂的話；到後來，是機器越來越能聽懂人話。
早期：人必須講「機器的母語」——0 與 1、暫存器、記憶體位址。痛苦，但完全掌控。
中期：發明了「翻譯層」——高階語言、框架、函式庫。人講比較像人話，機器自己翻成母語。
現在：人直接講「自然語言」——你說「做一個登入功能」，AI 把它變成程式。
每往上一層，你需要記的細節變少，但你要「想清楚自己要什麼」這件事，變得更重要。
同樣是「在畫面上顯示一行字」，三個時代的工作量天差地遠。點下面的標籤切換看看。
重點來了：新的一層不會讓底下消失。AI 寫的程式，最後還是會變成高階語言、再被翻成機器碼去跑。底層一直都在，只是被「藏起來」了。這就是為什麼你不用會組合語言，但你還是得大致知道底下發生什麼事。
🤖 自然語言 / AI 協作
你現在站這裡「幫我做一個登入功能」
🗣️ 高階語言 / 框架
Python、JavaScript、React、函式庫
🧮 組合語言 / 機器碼
暫存器、記憶體位址、0 與 1
🔌 硬體
CPU、記憶體、電晶體
💡 你不需要從最底層學起。但你要知道「樓下有哪些樓層」，這樣 AI 在某一層出問題時，你才知道問題大概出在哪、該怎麼問。
時代往前走，工程師「打字寫程式」的比例越來越低，「思考、判斷、溝通」的比例越來越高。拖拉看看。
上面講的趨勢線，不是預測。現在很多工程師已經不是從空白檔案開始一行一行寫，而是把 AI 當成協作夥伴：人負責定方向、拆問題、檢查結果，AI 負責快速產生草稿。
先把問題拆清楚：工程師不會只說「幫我做登入」。他會先交代使用情境、資料要放哪、錯誤怎麼處理、哪些範圍先不要做，讓 AI 知道邊界在哪。
把 AI 的產出當草稿審查：AI 寫完後，工程師會看資料流程有沒有錯、權限有沒有漏、會不會影響既有功能。不是因為 AI 不好，而是可靠系統本來就需要人判斷。
用小步驟反覆驗證：工程師通常不會一次叫 AI 做完整系統，而是先做最小版本、跑起來、測一輪，再要求 AI 修改。每一步都有人確認方向沒有偏掉。
💡 所以差別不在「有沒有用 AI」，而在你是不是知道該怎麼指揮、怎麼檢查、怎麼把模糊需求變成可靠系統。這正好印證了上面那條趨勢線。
很多人以為 AI 時代的關鍵是「找到神奇咒語」。但真正拉開差距的，通常不是句子漂不漂亮，而是你知不知道要交代哪些條件：使用者是誰、資料怎麼流、失敗時怎麼辦、哪些地方不能亂改、做完要怎麼驗收。
Prompt 不是把願望丟給 AI，而是把你的判斷、限制和驗收標準講清楚。
所以接下來你要學的，不只是「怎麼問 AI」，而是「怎麼想清楚一個軟體需求」。
從機器碼到 AI，每一次跳躍都是把「重複的勞動」交給工具，把人解放出來去做「判斷」。AI 時代把這條趨勢推到極致：打字這件事 AI 幾乎全包了，剩下的——要做什麼、為什麼、做得對不對——全是你的事。
所以下一個問題很自然：既然不用再背語法，那這個時代到底該學什麼？這正是 Unit 1.2 要回答的。
下一站：Unit 1.2
AI 協作開發的時代，你應該學什麼？