A.5.1 開源工程師所需具備的新技能

1. AI 協作與監督能力

  • 提示工程 (Prompt Engineering)：能夠精準地向 AI 代理提出需求，引導其生成高質量的程式碼、測試或文檔。
  • AI 輸出審查：具備審查 AI 代理生成內容的能力，識別潛在的錯誤、偏見或安全漏洞。
  • AI 代理管理：能夠配置、部署和監控 AI 代理，確保其高效運行。

2. 高階抽象與系統設計能力

  • 當 AI 代理負責底層程式碼實現時，人類工程師將更多地專注於高階的系統設計、架構規劃和複雜問題解決。
  • 需要具備將複雜業務需求轉化為可由 AI 代理執行的任務的能力。

3. 倫理與安全意識

  • 理解 AI 代理可能帶來的倫理問題（如偏見、隱私）和安全風險（如 AI 生成的漏洞），並在開發中加以考慮。
  • 具備對 AI 代理進行安全審計和風險評估的能力。

4. 跨領域知識

  • 除了技術知識，還需要具備更廣泛的業務領域知識，以便更好地理解需求並指導 AI 代理。
  • 了解 AI 技術的最新發展趨勢和應用場景。

5. 人際溝通與協作

  • 雖然 AI 代理會處理部分溝通任務，但人類工程師之間、以及與非技術人員之間的溝通與協作將變得更加重要，特別是在處理複雜、模糊或需要創意解決方案的問題時。

A.5.2 開源文化的再定義

Agentic AI 的引入將促使開源文化的核心價值觀進行重新詮釋：

1. 開放性 (Openness)

  • 傳統：程式碼、文檔、討論的開放。
  • AI 時代：除了傳統的開放，還需要考慮 AI 模型、訓練數據、AI 代理的決策過程的開放性。如何確保 AI 代理的透明度和可解釋性，將成為新的開放議題。

2. 協作性 (Collaboration)

  • 傳統：人類開發者之間的協作。
  • AI 時代：演變為「人機協作」。人類開發者與 AI 代理共同完成任務，AI 代理之間也可能進行協作。如何建立高效、信任的人機協作模式，將是新的挑戰。

3. 貢獻性 (Contribution)

  • 傳統：人類開發者提交程式碼、文檔等。
  • AI 時代：AI 代理也將成為貢獻者。如何評估 AI 代理的貢獻？如何確保 AI 貢獻的質量和合規性？人類開發者將更多地貢獻高階設計、創意和倫理判斷。

4. 社群導向 (Community-driven)

  • 傳統：社群成員共同決定專案方向。
  • AI 時代：AI 代理可能參與社群治理和決策。如何確保 AI 代理的參與不會削弱人類社群的自主權和民主性？如何利用 AI 代理更好地服務社群？

5. 信任與透明度

  • 傳統：基於人際互動建立信任。
  • AI 時代：需要建立對 AI 代理的信任機制，確保其行為可預測、可解釋、符合倫理。

A.5.3 應對策略與未來展望

1. 重新設計人才培養體系

  • 教育機構和企業應調整課程和培訓內容，將 AI 協作、提示工程、AI 倫理等納入開源人才培養體系。
  • 鼓勵工程師從程式碼編寫者轉變為 AI 代理的「訓練師」和「監督者」。

2. 建立新的開源文化規範

  • 開源社群應討論並制定關於 AI 代理參與的行為準則、貢獻規範和倫理原則。
  • 鼓勵社群成員積極探索 AI 代理在開源中的應用，並分享最佳實踐。

3. 強調人類的獨特價值

  • 在 AI 時代，人類的創意、批判性思維、倫理判斷、情感智慧和人際溝通能力將變得更加寶貴。
  • 開源文化應繼續強調這些人類獨特的價值，並將 AI 代理視為增強人類能力的工具。

Agentic AI 將帶來開源人才需求和文化定義的深刻變革。那些能夠積極適應、不斷學習並重新定義自身角色的工程師和社群，將在未來的開源生態中繼續發光發熱。

本頁導航