2026 年 10 月 2 日，GitHub 喺官方 Blog 嘅「AI & ML」欄目刊出一篇文章，作者係 GitHub 資深內容策略師 Gwen Davis。文章主旨係 AI 正改寫開發者嘅工作方式，寫 code 仍然必要，但開發者要越嚟越識得點樣指揮 AI、評估其輸出、溝通 trade-off（取捨）同做技術決定。
技能一：學指揮 AI agent，唔係淨係「用」
AI agent（能自主執行多步任務嘅 AI 系統）正逐層接手實現工作。文章以「加身份驗證流程」做例：傳統流程係開發者自己開 branch、寫 code、跑測試、開 pull request；新流程則係協調多個 AI agent，各別負責認證、文檔、測試，開發者定義工作範圍、審閲輸出、做技術決定。作者寫明：開發者對最終結果仍然負責。
技能二：唔好盲信第一個答案
文章建議用一個第二 AI 模型去批判第一個模型嘅工作，再用自己判斷評估兩個回應。舉例：一個模型生成咗「查回每個客户最近訂單」嘅 SQL 查詢，另一個模型指出佢冇處理重複 timestamp、冇推薦索引、喺大表上可能表現差。文章亦提及 GitHub Copilot 內置嘅 Rubber Duck agent 會用第二個模型去審 plans、code 同測試。作者原話：「信 AI 信到會用佢，但唔好信到跳過 review。」
技能三：用省落嘅時間做大問題
文章指當 AI 接手更多實現工作，開發者可以將時間用嚟理解客户需要、評估架構 trade-off、設計更好系統，以及做 AI 做唔到嘅技術決定。舉例：「加暗色模式」呢個 issue，AI 負責建實現、生成測試、更新文檔；開發者負責確認客户問題、審架構取捨、檢查無障礙（accessibility）、定義成功指標、批准方案。
呢篇係乜性質
呢篇係 GitHub 官方 Blog 嘅內容，作者係 GitHub 職員，文章帶出自家產品 Copilot 嘅功能。呢係廠商立場，唔構成獨立查證，全文冇提供任何數據、研究引用或第三方測試支持。
阿調搞兩下
阿調搞兩下：GitHub 嘅邏輯好清晰——AI 寫得多 code，你越要識審 code。呢個唔係「AI 取代你」，係「AI 做低級嘢，你做大級嘢」。但「大級嘢」喺文章入面係文檔、測試、客户需求確認、accessibility 檢查——呢啲係 AI 而家真係做唔到，定係佢哋先至做得差啲？
「用第二個模型審第一個模型」呢個概念，技術上叫 cross-model review。Copilot 嘅 Rubber Duck agent 係廠商自家產品功能，冇獨立第三方測試顯示呢個方法真係能捕獲到更多 bug。聽落合理，但唔應該當成已驗證事實。
對打工仔嚟講，真正要問嘅係：公司會唔會因為你用 AI 寫 code 就將你排期縮短？「省落嘅時間」會變成你嘅休息，定係老細嘅產出？呢篇文章冇答案，但係你應該問。
阿調｜深度調教
