AI 沒取代工程師，
但改寫了工作
Every 訪問 GitHub COO Kyle。GitHub 看到的不是工程師消失，而是更多知識工作者與更多 AI 代理人一起寫軟體。真正變稀缺的，是審核、脈絡、控制權與選擇模型的能力。
來源：Every YouTube 頻道
SCROLL
Every 訪問 GitHub COO Kyle。GitHub 看到的不是工程師消失，而是更多知識工作者與更多 AI 代理人一起寫軟體。真正變稀缺的，是審核、脈絡、控制權與選擇模型的能力。
來源：Every YouTube 頻道
訪談一開始問的是 GitHub 使用者的變化。Kyle 說，GitHub 一直用很寬的方式理解「開發者」。他自己不是資工出身，曾經只是為了自己要用的工具寫程式。現在同一件事正在更大規模發生。
GitHub Copilot app 不只被專業工程師使用。GitHub 內部的法務、財務，還有客戶公司的知識工作者，也開始用它做小型 app、資產或自動化工具。他們不是要轉職成軟體工程師，而是想把自己的需求做成可用的東西。
這支影片回答標題問題的方式很直接：AI 沒有讓開發者變少。它先讓更多人跨過「我可以寫一點軟體」的門檻。
這也是 GitHub 產品路線的壓力。它仍然要服務嚴肅開發者，也要替第一次寫程式的人留下入口。當非工程背景的人可以用自然語言啟動代理人，開發者工具就不再只面向原本那群人。
GitHub 站在這波變化的最前面。Kyle 提到，去年 GitHub Universe 分享全年度有 10 億個 commit；如果今年成長線性推進，可能走向 140 億。三月光是由代理人建立的 pull request，就有 1,700 萬個。
這不是單純的「垃圾程式碼」問題。當更多程式碼被提出來，開源 maintainer 和公司團隊都會被 review 壓力淹沒。GitHub 的解法不是替社群訂出唯一規則，而是提供更多控制工具。
這段對創業者很重要。AI 時代的開發者工具，不只要產生更多程式碼，也要幫人決定什麼值得看、什麼可以自動處理、什麼必須留給社群或團隊判斷。
主持人問到商業模式時，用了一個很實際的問題：freemium 在人類使用者為主的世界很好理解，因為人會下班、睡覺。但代理人可能在你睡覺時還在工作，原本的 API rate limit 和訂閱方案就會遇到壓力。
Kyle 沒有說市場已經有定論。他把 GitHub 的原則放在前面：個人開發者要有足夠好用的核心體驗，企業則需要能在規模下運作的能力。過去 GitHub 從免費 public repo 演進到免費 private repo，也是隨著社群需求改變。
這也解釋為什麼他反覆提到 model router。昂貴模型適合解難題，但最後一步可能只是改命名、整理檔案或做 find and replace。未來工具如果能理解任務意圖，就能把昂貴 token 留給真正需要的地方。
訪談談到 Microsoft 與 GitHub 的關係時，Kyle 的說法很一致：GitHub 不是為採購者設計工具，而是為開發者設計工具。企業會買單很好，但產品判斷仍然要回到使用者怎麼建造軟體。
在競爭最激烈的 AI 開發者工具市場，GitHub 的差異化也不是把所有人鎖進同一個模型或同一套代理人。Kyle 說，他們會投資 Microsoft 自己的模型，也會繼續和 Anthropic、OpenAI、Google，以及其他帶著模型或 coding agent 進市場的公司合作。
GitHub 的位置很特殊。不管開發者在哪裡產生程式碼，最後常常還是要回到 GitHub 分享、協作、發 PR、跑 CI、處理政策與合併。平台價值不只在 codegen，而在整個軟體交付流程。
主持人問到內部 dogfooding 與外部工具的取捨。Kyle 說，GitHub 團隊當然把大量精力放在自家工具，但如果只看自己的工具，很容易失去市場感。
他自己平日用 Mac，也保留 Windows PC 和 Linux 機器。GitHub Copilot app 他刻意只在 Windows 上用，因為 Windows 開發者也應該得到好的 app 體驗。團隊也會試 coding agent、desktop app、memory management 和各種新工具。
這段對產品團隊有一個清楚提醒。速度很重要，但只低頭衝刺會讓產品變窄。AI 工具變化太快，團隊需要固定看外面正在發生什麼，理解哪些體驗值得吸收，哪些不符合自己的目標。
Kyle 提到 Microsoft 和 GitHub 內部很常講 hill climbing。意思不是押一次大賭注，而是用工具使用資料、thumbs up/down、接受率、軟硬指標與使用者感受，持續調整模型與產品。
他也提醒，硬指標和體感可能不一致。eval 顯示進步，使用者情緒卻可能下滑。這表示 AI 產品不能只看 benchmark，也要看工作流裡的人是否真的覺得順。
這是影片裡最接近產品策略的段落。代理人真正好用，不只是模型更大，而是更懂你的資源、偏好、工作脈絡與當下任務。當工具能幫你自動選模型、帶入脈絡、修正評估迴圈，使用者才會感到成本與品質同時被控制。
訪談最後有個小插曲。主持人說自己做了一個 AI 版 Kyle，用來練習訪談。Kyle 不覺得奇怪，反而說他也做類似的事。他會讓代理人讀自己寫過和說過的內容，每天給一份溝通回饋。
代理人會指出他哪些說法不清楚、哪些比喻可以更好、過去七天有沒有照建議改善。Kyle 說，人比較願意接受機器給的批評，因為威脅感比真人低。
這讓 AI 工作不只停在「幫我寫程式」。它也能變成一面鏡子，回頭檢查人的溝通、決策與工作習慣。
所以「AI 為什麼還沒取代工程師」不是因為 AI 不會寫程式，而是軟體工作從來不只是在寫程式。它包含理解需求、選工具、設界線、審 PR、決定成本、照顧社群、負責上線結果，還有讓團隊持續變好。
AI 讓程式碼變多，不會讓判斷變少。工程師的工作，正在從親手寫每一行，移到指揮、審核與負責結果。
GitHub 看到的是一個「人帶著多個代理人」的軟體世界。工具要服務的不是替代人，而是讓人能承擔更大的建造範圍。
選完之後，分享你的觀點
這頁整理自 Every YouTube 頻道。原始影片保留了 GitHub COO Kyle 對 AI 代理人、開源維護者、模型成本、Microsoft 開發者策略與個人工作迴圈的完整討論。
前往 YouTube →喜歡這種分析嗎？
從 AI 代理人、軟體產品到平台策略，用台灣讀者看得懂的語言，把複雜的產業變局說清楚。目前已有超過 2 萬位讀者訂閱。
免費訂閱區塊勢 →也可以直接付費支持，解鎖每週完整文章