Agentic Coding 自主軟體工程

．作者：Jollen／
．日期：Mon Jun 01 2026 08:00:00 GMT+0800 (台北標準時間)

將一群 AI Agents 搭建在一起，變成一個「類意識體」後，讓 AI 進行「自主開發」，這會是 Agentic Coding 的目標；而且似乎是「正在發生的事實」，而不是理想。

過去的科幻場景，正在發生中。AI 不會取代工程師，更不會讓軟體工程師失業；試想，如果沒有了工程師，誰來訓練 Base Models，誰又來搭建類意識體？Agentic Coding 需要工程師來打造自主軟體系統。

Agentic Coding 自主軟體工程

軟體産業將有越來越多的 Agentic Coding 系統；這時，就真的不需要「只會操作 AI 的工程師」了。

工具太好用，所以工具書與操作教學的電腦書，成為暢銷榜主流。「原理書」在現在的氛圍中，當然目光就少了許多。筆者認為，「原理」確實不重要，因為學習原理並無法提高生産力，會用 AI 才能創造高生産力。

但是，筆者發現真正高手，不這麼想。他們憑藉著過去所累積的深厚基礎，以及長期經驗所形成的電腦科學素養，正在打造下一代的 AI 軟體工程。其中之一，就是自動化 Agentic AI 平台。

由此來看，「理論與原理」，並失去重要性，只是短暫失焦；將很快，原理將成為 Agentic Coding 的通識教育。理論與原理，不再是電腦科學的專業科目，但也不會消失，而是成為基礎通識科目。

轉變是創新的一環

軟體工程的時代轉變：

從人類主導開發，轉換至 AI 主動開發
從人類主導流程，轉換至 AI 自主流程
從人類主流 Spec，改由 AI 來沉澱 Spec

筆者以 Claude、Codex 為基礎，試著搭建這樣的軟體自主平台；在 Agentic AI 與流程自動化的協助下，初期達成二個月上架十個 iOS App 的績效。近期，暫放下 Agentic Coding 的專案開發，開始整理筆記資料，預計暑假出版新書《Agentic Coding：從 Prompt 到自主軟體工程》。

透過寫作，能把過去的經驗匯整，也能補足尚未發現的知識缺口；雖然有 AI 能輔助寫作，但是 AI 不能幫你的大腦沉澱知識，它能把知識沉澱在 *.md。要內化知識，仍要「動手做一遍」；所以，用 AI 輔助寫作很快，但若要用 AI 輔助內化知識體系，要下的工夫不能免，該花的時間省不了。

新書介紹《Agentic Coding：從 Prompt 到自主軟體工程》

第 1 章：認識 Agentic Coding

1.1 從 AI 到軟體代理
1.2 三種 AI 開發角色
1.3 Agentic Coding 的基本循環
1.4 Agentic Coding 的四個輸入
1.5 一個最小任務描述範例
1.6 從 Prompt Engineering 到 Context Engineering
1.7 Skills 在 Agentic Coding 中的角色
1.8 MCP 與工具界面
1.9 人類工程師的新責任
1.10 本章小結

第 2 章：建立 Agentic Coding 的工作流模型

2.1 從需求到工作單
2.2 任務輸入的資料結構
2.3 Codebase awareness
2.4 Tool use 的工程邊界
2.5 Agent loop 的最小模型
2.6 Human-in-the-loop
2.7 從工作流到團隊規範

第 3 章：使用 Claude Code 完成可提交 Patch

3.1 Claude Code 的工程定位
3.2 啟動任務前的專案準備
3.3 用 Plan Mode 分離探索與實作
3.4 Prompt Verifiability
3.5 Feature implementation 任務流程
3.6 Refactor 任務流程
3.7 測試、lint 與 evidence-first review

第 4 章：使用 OpenAI Codex 與 Skills 建立可重複工作流

4.1 Codex 在 Agentic Coding 中的定位
4.2 Codex App、Codex Cloud 與 CLI 工作模式
4.3 從任務委派到可審查變更
4.4 AGENTS.md 與專案指令層
4.5 Skills 的基本概念
4.6 Skill 與 Prompt Template 的差異
4.7 SKILL.md 的基本結構
4.8 將 Claude Code 流程封裝成 Skill

第 5 章：Context Engineering 與專案知識管理

5.1 從 Prompt Engineering 到 Context Engineering
5.2 Repository-level context files 的角色
5.3 AGENTS.md 的基本設計
5.4 AGENTS.md 的分層使用
5.5 CLAUDE.md 與專案記憶
5.6 Cursor Rules 與 IDE 內的持續指令
5.7 GitHub Copilot custom instructions

第 6 章：MCP 與工程系統整合

6.1 MCP 在 Agentic Coding 中的位置
6.2 MCP Client、MCP Server 與 Host
6.3 Tools、Resources 與 Prompts
6.4 為什麼 agent 需要標準化工具界面
6.5 將 GitHub 接給 agent
6.6 將文件系統與知識庫接給 agent

第 7 章：IDE Agent 與 Terminal Agent 的工作模式比較

7.1 IDE Agent 與 Terminal Agent 的差異
7.2 Cursor Agent：IDE 內的任務導向開發
7.3 Windsurf Cascade：即時感知與連續任務操作
7.4 GitHub Copilot：從補完到 Coding Agent
7.5 Terminal Pair Programming

第 8 章：安全、權限與治理

8.1 Agentic Coding 的風險模型
8.2 權限最小化原則
8.3 檔案修改權限
8.4 Prompt Injection 與 Tool Injection
8.5 Secrets 與憑證保護
8.6 Sandbox 與隔離環境

Also read

Tags: vibe