Copilot 只是開胃菜？Google 的「反重力計畫」正醞釀一場 2026 年的軟體工程大滅絕...還是大躍進？
☰ 目錄 table-of-contents.md
一分鐘看懂：從 Copilot 到 AI Agent，軟體工程正在發生什麼事？
如果你只想知道結論：我們正從「AI 幫你補完程式碼」的 Copilot 時代，走向「AI 理解目標、自行規劃並完成整個任務」的 AI Agent 時代。而像 Google 這類擁有龐大程式碼庫的科技巨頭，正把目標推得更遠——追求軟體開發全生命週期的高度自動化，外界以「Antigravity（反重力）」這個概念性代號來形容這股野心。
這對開發者代表什麼？簡單回答：只會複製貼上、做重複性勞動的角色風險很高；懂架構、懂商業邏輯、能駕馭 AI 的工程師，反而迎來機遇。真正稀缺的能力，會從「會寫 How」轉向「能定義 What 與 Why」。以下這篇就帶你拆解這三個階段，以及你現在該怎麼準備。
身為一個每天在程式碼和伺服器設定檔之間打滾的資深工程師，最近有個話題在我們團隊內部炸開了鍋，甚至比 Nginx 設定檔忘加分號還讓人心驚膽顫。那就是，我們現在人手一把的 AI 屠龍刀——GitHub Copilot，可能真的只是盤開胃小菜。真正的主菜，一道可能顛覆整個軟體開發產業的「滿漢全席」，正在 Google 的秘密廚房裡醞釀，而它的代號，聽起來就像科幻電影一樣——「Antigravity」（反重力）。
你可能覺得，AI 寫程式嘛，不就是 Copilot 幫你補完程式碼、ChatGPT 幫你 debug，了不起再幫你寫點單元測試？老實說，一開始我也這麼想。這些工具確實把我們從一堆重複性的 boilerplate code 中解放出來，生產力提升個 20-30% 絕對不是問題。但這就像從手排車換成自排車，駕駛依然是你。你還是得知道目的地在哪、路線怎麼規劃、遇到突發狀況要怎麼處理。但如果我告訴你，下一代的 AI 不再是你的副駕，而是可以直接幫你把車從台北開到高雄，順便沿路完成採買任務，甚至自己找加油站和停車位的「全自動駕駛司機」呢？
這就是「從 Copilot 到 Agent」的典範轉移，也是 Google 這類科技巨頭正在豪賭的未來。今天，我們就來深入聊聊，這個所謂的 Google Antigravity 計畫到底是什麼？它又將如何引領一場可能在 2026 年就全面爆發的軟體工程革命。
第一階段：我們身處的「Copilot 時代」——AI 是你的副駕駛
在我們幻想未來之前，得先搞清楚現在的位置。目前我們正處於 AI 輔助開發的黃金時代。以 GitHub Copilot 為首的工具，本質上是基於大型語言模型（LLM）的「程式碼補完神器」。
Copilot 是怎麼運作的？
它的運作邏輯很單純（當然，背後的技術一點也不單純），核心就兩步：
- 理解上下文：它會讀取你目前開啟的檔案、你寫的註解、甚至是函式名稱，藉此推測你想做什麼。
- 生成建議：根據上下文，從它龐大的訓練資料（基本上就是海量公開程式碼）中，預測你接下來最可能想寫的程式碼。
這在很多場景下都超級好用，例如寫一個 WordPress 的 shortcode、一個常見的 API 請求、或是轉換資料格式。它擅長的，是那些「樣板化、模式明確、上下文已經給足」的片段。
Copilot 的三個天花板在哪？
身為工程師，我們也得囉嗦幾句它的極限——理解這些極限，正是看懂下一階段為何重要的關鍵：
- 它不會真正「思考」：Copilot 不理解你的「商業邏輯」。你叫它寫個登入功能，它能寫出來，但它不知道這個登入背後牽涉到你們公司複雜的會員等級、權限控管和第三方 OAuth 整合。它只是在做最高級的「模式匹配」。
- 可能產生有問題的程式碼：訓練資料裡有爛 code，它就有可能給你爛 code。安全性漏洞、過時的寫法、效能瓶頸……這些都需要開發者親自把關。有時候它給的程式碼，debug 的時間比自己重寫還久，這絕對是工程師的痛。
- 缺乏全局觀：它可以寫好一個函式，但很難幫你規劃整個專案的架構。它是一個戰術執行者，不是一個戰略規劃師。
簡單來說，Copilot 是一個能力極強的實習生，你給他明確的指令，他能快速完成。但你不能指望他獨力扛起一個複雜的專案。而這正是「Agent」要顛覆的地方。
第二階段：即將到來的「Agent 時代」——AI 是你的專案經理兼首席工程師
如果說 Copilot 是在「回應」你的指令，那麼 AI Agent 則是在「理解」你的「目標」。這是一個根本性的轉變：指令導向 vs. 目標導向。
AI Agent 和 Copilot 差在哪？三個核心特質
一個軟體工程領域的 AI Agent，不再只是被動地生成程式碼，它通常具備以下幾個關鍵能力：
- 任務拆解（Task Decomposition）：你給它一個模糊的高階目標，例如「建立一個 WordPress 外掛，讓使用者可以透過前端表單提交文章，並在後台審核」。Agent 會自己把這個目標拆解成數十個具體步驟，像是：建立外掛基本檔案結構 → 設計資料庫欄位 → 撰寫前端表單與驗證 → 處理後端表單接收與儲存 → 建立後台審核頁面 → 處理權限控管……等等。
- 工具使用（Tool Usage）：Agent 不只會寫程式碼，它還會「使用工具」。這包括執行終端機指令、安裝依賴套件（如
npm install）、運行測試框架、讀寫檔案、甚至瀏覽網頁查詢 API 文件。把工具串起來，它才能真正「動手做」，而不只是「給建議」。 - 自我修正（Self-Correction）：當 Agent 寫的程式碼在測試中失敗，或是在執行時報錯，它會自己閱讀錯誤訊息、分析問題根源、然後嘗試修改程式碼，再次測試，直到問題解決。這個「規劃 → 執行 → 反思」的循環，才是它最可怕、也最有價值的地方。
實際用起來像什麼？一個 WordPress 外掛的例子
想像一下這個開發流程：你不再是手動敲 function register_post_type(...)，而是對 Agent 下達一段像規格書的指令：
專案目標：
為一個房地產網站建置一個 WordPress 外掛。
主要功能：
建立一個名為「Property（房產）」的自訂文章類型（Custom Post Type），
並包含以下欄位：地址、價格、坪數（或面積）、臥室數量
（使用 ACF 進階自訂欄位）。
建立一個名為「Property Type（房產類型）」的自訂分類法
（Custom Taxonomy），例如：公寓（Apartment）、透天厝（House）、
大樓（Condo）。
建立一個前台搜尋表單，允許使用者依「價格區間」與
「房產類型」進行篩選。
在自訂的彙整頁（Custom Archive Page）中顯示搜尋結果，
並支援分頁功能。
確保所有程式碼皆符合 WordPress 程式撰寫規範
（Coding Standards），並具備防止 SQL 注入
（SQL Injection）的安全性。然後，你就去泡杯咖啡，回來時，Agent 已經幫你把外掛的初始版本、包含註解和基本測試都完成了。這聽起來很科幻，但這個方向已經是業界正在實作的事。
關鍵差異一句話：Copilot 補完你「正在寫的這一行」，Agent 嘗試完成你「想達成的整件事」。
實務上，下指令給 Agent 該怎麼下得好？
從上面的例子可以歸納出一個重點：Agent 的成效，很大程度取決於你的「目標描述」品質。實務上把握三件事：
- 講清楚邊界與約束：例如「需符合官方撰寫規範」「需防 SQL 注入」這類非功能性要求，要明確寫出來，否則 Agent 只會做出「能跑」但不一定「能上線」的東西。
- 給可驗證的成功條件：能被測試驗證的目標（如「支援分頁」「依價格區間篩選」），讓 Agent 的自我修正循環有依據可收斂。
- 分階段交付：與其一次丟一個巨大目標，不如拆成可審核的里程碑，每一段都人工把關，再往下走。
Google 的終極野心：「Antigravity」與自我演化的軟體
聊了這麼多，終於要提到主角 Google Antigravity 了。首先要澄清：在本文的脈絡裡，它更像是外界對於 Google 內部一系列旨在「徹底自動化軟體工程」計畫的統稱，而非一個你今天就能下載安裝的單一產品。Google 內部有龐大的程式碼庫，每天有無數次的提交和部署，傳統的人力開發與維護模式早已逼近極限。他們比任何人都更需要一個能自動化整個軟體生命週期（SDLC）的系統。
「Antigravity」想解決的是哪些問題？
它的目標，是涵蓋從需求分析、架構設計、程式碼撰寫、測試、部署、監控，到線上維護與修復的「一整條鏈」。具體展現在幾個方向：
- 自我重構與優化：系統能自動分析現有程式碼的效能瓶頸，並進行重構以提升效率。例如，自動找出跑得慢的資料庫查詢並建議加上索引。
- 自我修復（Self-Healing）：當線上服務出現 Bug 或 Crash，系統能自動分析 Log、定位問題根源，甚至自動生成補丁（Patch）並部署上線，理想上能減少人類工程師半夜被 call 醒的次數。
- 自動化遷移：當公司決定從一個舊的技術框架遷移到新的框架時，這個系統能自動完成大部分的程式碼轉換與適配工作。據報導，Google 內部已經有類似的 AI 工具在協助工程師進行大規模的程式碼遷移。
這聽起來就像軟體工程師的「天網」。到了這個階段，AI 不再只是一個工具，而是一個「系統」或「生態」。開發者的角色也將隨之徹底改變——當整條流程都自動化時，連過去最讓人頭痛的部署設定（例如 CI/CD 的 YAML 檔），都可能被收進這套系統的內部。
對 WordPress 開發者意味著什麼？我們該感到焦慮嗎？
每當有這種顛覆性技術出現，第一個問題總是：「我們會失業嗎？」
我的看法是：會，也不會。
那些只會用現成版型、複製貼上程式碼、做重複性勞動的「開發者」或「網站建置者」，風險非常高。因為 AI Agent 能比他們更快、更便宜、更少出錯地完成這些任務。
但是，對於真正理解客戶需求、懂得系統架構、能夠規劃複雜商業邏輯、並能與 AI 協作的「軟體工程師」和「系統架構師」來說，這反而是一個巨大的機遇。
未來的工程師，價值會落在哪三個角色？
- AI 指揮官與架構師：你的核心價值不再是寫出完美的迴圈，而是設計出一個穩固、可擴展的系統藍圖，並將其轉化為 AI Agent 能理解的清晰指令和約束。你的工作更像是打造一個 AI 驅動的引擎，而不是親手轉動曲軸。
- AI 產品經理：深入挖掘客戶的真實痛點，將商業需求轉化為技術規格。AI 可以實現功能，但它無法取代與人溝通、共情、並定義「什麼才是真正有價值的產品」。
- AI 系統的「質檢員」與「訓練師」：AI Agent 產出的東西依然需要審核。你需要確保程式碼的品質、安全性、以及是否完全符合商業目標。當 AI 犯錯時，你需要去「教」它，為它提供更高品質的範例與回饋——就像為網站串接一個會思考的大腦，但你得先確保這個大腦沒學壞。
現在就該開始累積的能力
從 Copilot 到 Agent，這條路可能比我們想像的要快。2026 年或許是一個樂觀的時間點，但方向是明確的。與其焦慮被取代，不如現在就開始練習這幾件事：
- 學會問好問題：把模糊需求逼問到清楚，是 AI 暫時取代不了的能力。
- 練習拆解複雜系統：能把一個大目標切成可驗證的小步驟，正是駕馭 Agent 的核心技能。
- 從更高維度思考：當 AI 能處理所有「How」的時候，人類的價值，就在於定義「What」和「Why」。
結語
技術的浪潮從不等人。浪花科技專注於將最新的技術趨勢轉化為能為企業帶來實際價值的解決方案。如果你也正在思考如何利用 AI 讓你的事業和網站邁向下一步，或是對未來的技術變革感到既興奮又有點不知所措，歡迎與我們聊聊。讓我們一起在這場即將到來的革命中，找到屬於自己的位置。
延伸閱讀
常見問題
AI Agent 和 GitHub Copilot 這類工具有什麼根本差異？
AI Agent 具備哪些 Copilot 沒有的核心能力？
如何下指令給 AI Agent 才能得到好結果？
面對 AI 自動化開發，哪種工程師最容易被取代？
訂閱免費電子報
把 AI 自動化、企業系統設計與 WordPress / Laravel 開發的真實案例和可直接照做的技巧，整理成電子報寄給你。只寄精選內容、不灌垃圾信，一鍵就能退訂。