關於copilot

身為一個資科系的學生，一直以來都會用chatGPT、Copilot 和 Claude來寫程式碼，今天也在課堂中得到了新技能，從來沒有想過這些方法

• 先寫註解，讓AI在下面為你生成

  以前我都是直接把我的需求丟給AI，再把code貼上來，但現在發現這個方法更好用，也讓程式碼有我寫的註解，也不用一直去來回複製程式碼!

  

• AI其實是很好的學習工具，就像老師上課說的，其實有些人會寫程式碼，只是可能碰到新的語言或環境，之鑰要做什麼但因為不熟悉library怎麼用，所以傳統的做法可能是去reference找，但現在有了AI，他就是你的reference，直接告訴他你做什麼，他就會告訴你怎麼做，學習效率比以往高出許多。

• 這一次的作品利用一些預先劃好的素材，利用程式碼拼貼在一起，再加上一些顏色的調整與額外的旋轉功能

  openprocessing.org/s...

結論

其實我常常覺得，在寫程式碼的過程中，真正的重點應該放在「設計」這件事情上。程式碼只是實作設計的工具，核心價值是在於怎麼把需求轉換成一個合理的架構，怎麼設計資料流、模組邏輯以及介面互動，而不是被繁瑣的細節拖住腳步。很多時候，我們反而花了大把時間在環境設置、套件版本相容、路徑問題，甚至是不同語言或框架各自的語法習慣上。這些雖然必要，但對於最終的創意與解決方案其實幫助有限。

在工程領域裡，有一個很重要的概念叫做 abstract（抽象化）。它的精神就是：你不需要從電腦最底層的硬體電路開始，一路刻到系統核心，才去寫你的應用程式。作為一個軟體工程師，你應該把專注力放在「軟體要解決什麼問題」上，而不是陷入每一個底層實作的細節。抽象化幫我們隔離了不必要的複雜性，讓開發者可以站在既有的基礎上往更高層次思考。

AI 的出現正好延伸了這個抽象化的精神。它不只幫我們解決環境錯誤、語法差異，甚至能直接提供範例程式碼與最佳化建議。換句話說，AI 就像是更上一層的抽象工具，把那些會分散心力的雜務收斂起來，讓我們更能專注於系統設計、使用者需求，以及軟體真正的價值所在。

這樣的轉變也許會讓程式設計更回歸到它的本質：一種思考、設計、解決問題的過程，而不是無止境的環境對抗與語法記憶比賽。