從 Coder 到 Curator：寫 Code 變成揀 Code 的 AI 時代

寫 Code 嘅盡頭，係揀 Code 嘅開始

十年前，一個開發者嘅價值，同佢識寫幾多行 Code 成正比。你愈能夠由零到一實現複雜邏輯，你就愈值錢。但今日，當 Claude 可以喺三十秒內生成一個完整嘅 API route，當 GPT-4 可以寫出比你公司一半工程師還要穩定嘅程式碼，當 Cursor 同 Copilot 已經變成開發者嘅「標配」而唔係「神器」，一個根本性嘅問題浮出水面：如果 AI 識寫 Code，咁開發者仲做啲乜？

答案好簡單但亦都好衝擊：你唔再需要識寫 Code，你需要識揀 Code。你嘅價值唔再取決於你寫咗幾多行，而係取決於你揀咗邊個 AI Agent、組裝咗邊啲 Skill、點樣將佢哋串連成一個有效嘅工作流。換句話說，Coder 嘅時代 fading out，Curator 嘅時代正在 kicking in。

呢個轉變唔係將來式，而係進行式。只要睇下 AI Agent Marketplace 嘅爆炸性增長就知：成千上萬嘅 pre-built skill、prompt template、agent workflow 正在被創建同交易，開發者嘅角色從「建造者」逐步變成「策展人」。

YAML：新時代嘅程式語言

講到呢度，我要提出一個可能會令傳統工程師不安嘅 observations：YAML 正逐步取代 Python 同 TypeScript，成為 AI 時代最重要嘅「程式語言」。

聽落好荒謬，但認真諗下。今日你要 build 一個 AI agent，你唔使寫幾百行嘅 function call logic，你只要寫一份 YAML config：define 佢嘅 system prompt、bind 佢嘅 tools、set 佢嘅 temperature、指定佢嘅 memory policy。成個 process 就係咁。你唔使擔心 threading、唔使 handle edge cases、唔使寫 unit test for every single function。你要做嘅，係理解每一個 skill 嘅 capability、判斷佢哋之間嘅 compatibility、設計一個 robust 嘅 orchestration flow。

呢個 shift 唔係 dumb down programming，而係 abstraction level 嘅又一次躍進。Assembly 時代你 manage registers，C 時代你 manage memory，Python 時代你 manage libraries，YAML 時代你 manage AI capabilities。每一個層級嘅 abstraction 都令更多人能夠參與創造，同時令原本嘅 practitioners 必須向上移動。

Platforms 如 VSkill 同 PromptHub 就係呢個新世界嘅基建。佢哋提供嘅唔係 code snippets，而係完整嘅 AI capabilities — 一個經過測試、有 documentation、有 versioning 嘅「技能單元」。開發者嘅工作變咗：瀏覽 marketplace、比較 skill 之間嘅 quality 同 pricing、組合佢哋成一個 coherent pipeline、monitor 佢哋喺 production 嘅 performance。

Curator 嘅新技能棧

如果話傳統開發者嘅技能棧係 Programming Language + Framework + Database，咁 Curator 時代嘅技能棧就係 Evaluation + Composition + Orchestration。

Evaluation 係最關鍵嘅能力。當市場上有十個 AI Agent 都聲稱做到同一件事，你點樣衡量佢哋嘅真實表現？唔係睇佢哋嘅 marketing copy，而係設計 evaluation pipeline：accuracy、latency、cost-per-call、failure mode analysis。呢啲原本係 ML engineer 嘅工作，而家變成每個開發者都要有嘅基本功。

Composition 係第二層能力。唔同嘅 AI Skill 唔係 Lego block 可以隨便砌，佢哋有 implicit dependency、有 output format mismatch、有 context window constraint。一個好嘅 curator 可以睇到呢啲 hidden coupling，設計出 modular 而 resilient 嘅 composition。

Orchestration 係第三層。當你 compose 咗十幾個 AI skills 一齊做嘢，error handling 點做？rate limiting 點 manage？fallback strategy 點 design？呢啲問題唔係寫幾行 try-catch 就搞得掂，而係要真正理解 distributed system 嘅 tradeoffs。

講到呢到你可能會問：咁傳統嘅 coding skills 仲有冇用？有用，但佢哋變成咗「基礎設施能力」而唔係「核心競爭力」。識寫 Python 係 entry ticket，但決定你嘅 market value 嘅，係你識唔識得設計同管理一個 AI agent ecosystem。

創業者嘅新機會

呢個 shift 對創業者嚟講係一個 huge opportunity。如果開發者嘅角色從 Coder 轉向 Curator，咁整個 developer tooling 嘅市場都要重新設計。

第一，Agent Marketplace 本身係一個 massive 嘅平台機會。好似早年嘅 iOS App Store 或者 WordPress plugin ecosystem，第一個做到規模嘅 AI skill marketplace 有潛力 capture 整個 value chain。VSkill 呢類 project 就係喺呢條賽道上，佢哋做嘅唔係又一個 AI tool，而係一個 distribution channel for AI capabilities。

第二，Evaluation & Monitoring 係一個好痛嘅 problem。當你嘅 production system 由十幾個 AI agent 組成，邊個負責 answer quality？邊個 detect regression？呢啲問題今日仲未有成熟嘅 solution。任何創業者可以 solve 到呢個問題，就會有一個 sticky 嘅產品。

第三，YAML-first 嘅 developer experience 工具。既然 YAML 係新嘅 programming language，咁 syntax highlighting、validation、testing framework、version control integration — 呢啲 developer tools 全部要 rewrite for the AI age。

行動點：點樣準備呢個轉型

如果你係香港嘅開發者或創業者，唔好等到呢個 wave 打到你先行動。以下係幾個具體嘅建議：

開始用 Agent Framework 代替手寫 Code。 無論係 LangChain、Vercel AI SDK，定係其他 agent framework，逼自己用 declarative config 去定義 logic 而唔係 imperative code。感受下個 difference，理解當中的 tradeoffs。

建立你嘅 Evaluation 直覺。 每次用一個 AI skill，唔好只用一次就 judge。建立一個 systematic 嘅 evaluation process：test set、metrics、baseline。呢個習慣會變成你未來最值錢嘅技能。

留意 Skill Marketplace 嘅發展。 VSkill、PromptHub 呢類平台嘅 growth trajectory 好值得追蹤。佢哋嘅 success signal 會話畀你知個 market 去到邊個階段。

唔好再只係寫 Code，開始「寫系統」。 由 implementation 轉向 architecture，由 function 轉向 flow，由 code quality 轉向 system reliability。呢個 mindset shift 先係真正嘅 career moat。

Coder 嘅時代未完全過去，但 Curator 嘅時代已經開始緊。問題唔係呢個轉變會唔會發生，而係你準備好轉變未。