一個北海道西蘭花農把 Codex 當工程師用，比任何「AI 取代工程師」的爭論都有說服力

前幾天滑到一則整理貼文，主角是北海道一個種田的農民，富安（Hiroki Tomiyasu），列了他這一年用 ChatGPT 和 Codex 做過的事。我看完愣了一下。

先說清楚他不是玩票的小菜農：經營約 100 公頃，種西蘭花、南瓜、青蔥、大豆，有曳引機要跑。但他本行就是種田——用日本媒體的說法，是個「程式知識為零的文科農家」。而那一串他做出來的東西，每一件我都大概知道「正規做法」要花多少錢、要請什麼樣的人。他一個人，靠一個聊天框，全做了。

他做了什麼

挑幾個我覺得最有代表性的講。

他拍一張西蘭花的照片丟給 AI，問這是什麼病。這個你可能覺得還好，手機 App 早就能做。但接下來的就不太一樣了。

他用衛星資料抓自己田的 NDVI。NDVI（Normalized Difference Vegetation Index，歸一化植被指數）是用衛星的近紅外和紅光波段算出來的一個值，反映植物長得有多茂盛、多健康——數值越高通常代表越健康，不過確切門檻會隨作物、生長期、感測器而變。這是精準農業在用的東西，正規的農業遙測服務多半要付費訂閱，他則是自己串免費的衛星資料，把影像疊到自家田的地圖上看。

他拿一塊 ESP32（一片幾十塊台幣的 Wi-Fi 微控制器）配上 LINE 機器人，做了一套遠端控制溫室卷簾的系統，人在外面用 LINE 就能開關。他還幫農場的群組做了個機器人，管溫度、排播種的時程，甚至從聊天記錄裡回頭統計這季播了多少種子。

最讓我停下來的是這個：他想搞清楚 RTK-GPS 自動轉向是怎麼運作的——就是那種讓曳引機沿著公分級精度的直線自己跑的技術——讓 AI 教他原理，再幫他評估自己做一套要花多少錢（自建大概數十萬日圓，商用方案貴上一截）。

他講過的一句話，大意是：AI 讓那些本來貴到不敢想的自動化，變成普通農民也碰得到的東西，「像身邊隨時有一個超級工程師」。日本媒體報導他時下的標題更直接——這些東西，他用外包價格的十分之一就做出來了。

我的第一反應，和第二反應

老實說，我的第一反應有點酸。

身為一個寫了十幾年 code 的人，看到「拿 ESP32 配 LINE bot 控溫室」這種句子，職業病會立刻冒出來：那段 code 品質怎麼樣？錯誤處理有嗎？卷簾控制器要是半夜當機把棚悶壞了，誰來修？他自己看得懂那些 code 嗎？

這些問題都成立。這類 AI 趕出來的原型，常見的毛病是能跑、但禁不起細看：沒有測試、沒有監控，出錯了大概只能再拍張錯誤截圖丟回去問 AI。拿溫室卷簾這種會動的硬體來說，一個工程師會立刻追問的是——馬達有沒有限位開關擋住它轉過頭？網路斷了，系統的預設狀態是停在原地還是繼續動？控制溫室的那把金鑰存在哪、會不會被同個 LINE 群裡的人誤觸？這些不是吹毛求疵，是「會動的東西」跟「純軟體」的根本差別。從這個標準看，他這套系統是脆弱的。

但我的第二反應把第一反應蓋掉了。

我問了自己一個問題：在 AI 出現之前，這個農民有別的選擇嗎？

沒有什麼好選的。請一個工程師幫他做溫室遠端控制、再長期養著維護，對一個農業經營來說並不划算；買現成的商用自動化方案，價格又貴一截。他真正的對照組，不是「一套寫得很好的系統」，而是「根本沒有系統，繼續每天親自跑一趟開關卷簾」。跟「沒有」比，一套會壞的系統是巨大的進步。

工程師的標準，不是所有人的標準

這件事戳破了一個我們這行很容易有的盲點。

我們習慣用「能不能上生產環境」的標準去評判所有 code。沒測試的扣分、沒處理邊界的扣分、會單點故障的扣分。這套標準在我們的工作裡是對的——因為我們的 code 要服務成千上萬人，壞一次代價很大。

但富安的系統只服務他一個人，一座溫室。它的容錯需求跟一個政府系統、一個電商後台，根本不在同一個量級。對他來說，「卷簾偶爾要手動開一次」是完全可以接受的故障率。我們眼中的「技術債」，在他的場景裡是合理的工程取捨。

把我們的標準硬套到他頭上，是搞錯了問題的規模。

「AI 取代工程師」這個問題，可能問錯了

過去兩年，「AI 會不會取代工程師」吵到爛。富安這個案例讓我覺得，這個問題的框架從一開始就歪了。

AI 在富安身上做的，不是取代一個工程師——他本來就沒有工程師可以被取代。AI 做的是把工程能力的價格，從「請得起一整個人、或買得起商用方案」打到了「會打字問問題就行」。連一個要管 100 公頃、本行是種田的人，都能靠這個把成本壓到外包的十分之一；那些規模更小、更請不起人的——街角的店、一個人的工作室——能受的惠只會更多。

這對我們這行的衝擊，不是「飯碗被搶」那麼簡單。真正的變化是：只把功能堆出來能跑，這件事正在快速貶值——因為連一個本行是種田的人，都能讓 AI 生出能跑的東西。那工程師的價值往哪去？往富安和他的 AI 還搞不定的地方去：系統壞了怎麼定位、規模上去了怎麼撐住、安全邊界畫在哪、什麼樣的架構十年後還改得動。前面那串溫室卷簾的隱憂，就是這種價值最具體的模樣——重點從來不是把東西做出來，是知道它會在哪裡壞掉。