2026年11月15日 星期日

AI 已經會寫程式了,資深後端工程師還剩下什麼價值?

AI 已經會寫程式了,資深後端工程師還剩下什麼價值?

從 17 年 PHP / Laravel 開發經驗,看後端工程師下一階段的競爭力

做了這麼多年 PHP,從早期的 PHP 開發,到 Laravel、Redis、Docker、Swoole,以及各種 API 整合與高併發系統的維護,我越來越有一個感受:

寫出程式碼,可能已經不是資深工程師最重要的競爭力。

尤其現在 AI Coding Agent 發展得非常快。

以前需要花幾個小時完成的 CRUD、API、資料庫操作,現在 AI 已經可以協助完成大量工作。

但有一件事情,AI 仍然無法替工程師承擔:

當系統真的出問題時,你是否知道問題在哪裡?當流量增加十倍時,你是否知道原本的架構還能不能撐住?

這也是為什麼我最近特別推薦一個 GitHub 開源專案:

System Design Primer

GitHub:https://github.com/donnemartin/system-design-primer

這是一份非常值得後端工程師深入閱讀的系統設計教材。

它不只是準備 Senior Backend、Tech Lead 或 Architect 面試的工具,更重要的是幫助工程師建立完整的系統架構思維。


一、真正困難的,從來不只是把功能做出來

剛開始做後端開發時,我們關注的通常是:

  • Controller 怎麼設計?

  • Service 怎麼拆分?

  • SQL 怎麼寫?

  • API 怎麼串接?

  • Redis 怎麼使用?

  • Queue 怎麼執行?

這些都是日常開發的重要工作。

但當系統逐漸成長,真正的問題就會開始出現。

例如:

  • 會員數增加,資料庫查詢開始變慢。

  • API 請求增加,單台 Application Server 不再足夠。

  • Redis 快取失效,大量請求同時打進 MySQL。

  • Queue 工作累積,背景任務開始延遲。

  • 多台 Server 同時處理資料,出現重複執行或資料不一致。

  • 某個服務故障,連帶影響其他系統。

這時候,你會發現問題已經不只是某段程式碼寫得好不好。

而是整個系統的設計是否合理。

System Design 學的不是單一技術,而是如何讓一個系統在規模持續成長時,依然能夠穩定運作。

二、沒有百萬流量,也需要 System Design

很多工程師看到 System Design,第一個反應可能是:

「我們公司又沒有 Google、Facebook 那種流量,為什麼需要學這些?」

其實這是很常見的誤解。

即使是一套只有幾萬名會員的企業管理系統,也可能遇到:

  • MySQL CPU 使用率突然飆高。

  • Redis 記憶體不足。

  • Queue 工作大量堆積。

  • API Response Time 越來越長。

  • 多人同時操作造成資料競爭。

  • 大量檔案上傳導致系統資源耗盡。

這些問題本質上都是系統設計問題。

差別只是系統規模不同,解決方案的複雜程度不同。

不需要一開始就導入微服務、Kafka 或 Kubernetes。

真正重要的是知道:

什麼時候需要 Cache?什麼時候需要 Queue?什麼時候應該拆分服務?什麼時候單體架構反而比較適合?

這才是架構思維。

三、System Design Primer 值得學習的核心內容

這個專案整理了非常多系統設計的基礎知識。

我認為有幾個領域,對有經驗的後端工程師特別重要。

1. Scalability:系統擴充能力

當流量持續增加,如何讓系統繼續運作?

需要理解:

  • Vertical Scaling:垂直擴充

  • Horizontal Scaling:水平擴充

  • Load Balancer:負載平衡

  • CDN:內容傳遞網路

例如:

Client → Load Balancer → Application Server Cluster

當單台 Server 無法承受流量,就必須思考如何透過多台 Server 分擔工作。

2. Caching:快取架構

Redis 是很多 Laravel 工程師熟悉的工具。

但真正值得深入研究的是快取策略:

  • Cache Aside

  • Write Through

  • Write Back

  • Cache Invalidation

  • Cache Stampede

例如 Cache Aside:

Request → Redis → Cache Miss → MySQL → Redis

快取不只是為了讓 API 變快。

還必須考慮資料一致性、過期策略、失效時的流量衝擊,以及快取與資料庫之間的同步問題。

3. Database:資料庫架構

這是我認為資深後端工程師一定要深入的領域。

包括:

  • Indexing

  • Query Optimization

  • Replication

  • Sharding

  • Transaction

  • Database Locking

例如 Database Replication:

Master → Read Replica 1 / Read Replica 2

將寫入與讀取分流,可以降低部分資料庫負載。

但同時也會帶來 Replica Lag、讀寫一致性與故障切換等問題。

架構設計永遠不是只有好處,還必須理解它帶來的代價。

4. Message Queue:非同步架構

當 API 需要執行耗時任務時,不應該讓使用者一直等待。

例如:

API → Queue → Worker → Background Processing

常見技術:

  • Redis Queue

  • RabbitMQ

  • Kafka

  • AWS SQS

這對 Laravel 工程師尤其熟悉。

但真正要理解的是:

  • 如何避免重複消費?

  • 如何設計 Retry?

  • 如何確保 Idempotency?

  • 如何處理失敗任務?

  • 如何避免 Queue 堆積?

會使用 Laravel Queue 是一回事,能設計可靠的非同步處理機制又是另一回事。

5. Distributed System:分散式系統

當系統從單一 Server 發展到多個服務,就會遇到更多問題:

  • CAP Theorem

  • Strong Consistency

  • Eventual Consistency

  • Distributed Transaction

  • Fault Tolerance

例如:

當資料寫入 Node A,但 Node B 尚未同步完成,使用者立即讀取時,應該如何處理?

這些問題在大型平台、微服務與跨系統整合中都非常重要。


四、如果你是 PHP / Laravel 工程師,我建議這樣學

不需要為了學 System Design,就把原本熟悉的 Laravel 技術全部丟掉。

反而應該把過去的實務經驗與系統設計觀念結合。

我會建議以下順序:

第一階段:資料庫能力

  • SQL Optimization

  • Indexing

  • Transaction

  • Replication

  • Sharding

第二階段:效能與快取

  • Redis

  • Cache Strategy

  • Cache Invalidation

  • Rate Limiting

  • High Concurrency

第三階段:非同步與分散式架構

  • Queue

  • Kafka / RabbitMQ

  • Event-Driven Architecture

  • Idempotency

  • Eventual Consistency

第四階段:完整系統設計

試著自己設計:

  • URL Shortener

  • Instagram

  • Twitter

  • WhatsApp

  • YouTube

不要只是看別人的架構圖。

試著從需求分析、流量估算、資料庫設計、API 設計,一路推導到完整架構。

這個過程才是真正的學習。

五、推薦學習資源

System Design Primer

GitHub:https://github.com/donnemartin/system-design-primer

建議搭配 Alex Xu 的《System Design Interview》第一冊與第二冊。

前者適合建立完整的知識架構,後者則適合練習實際系統設計題目。


六、AI Coding Agent 時代,工程師真正的價值在哪裡?

這是我認為最值得思考的部分。

現在 AI 已經可以協助:

  • 產生 Laravel Controller。

  • 撰寫 API。

  • 建立資料庫 Migration。

  • 撰寫 Unit Test。

  • 分析 SQL 效能問題。

  • 重構既有程式碼。

  • 協助處理跨檔案修改。

甚至可以讓 AI Agent 參與一整個開發流程。

但我認為,這不代表工程師不再重要。

反而讓工程師必須把能力往更高的層次提升。

例如:

當 AI 提議使用 Redis,你是否知道這個快取策略會不會造成資料不一致?

當 AI 建議拆成微服務,你是否知道這會增加多少部署、維護與通訊成本?

當 AI 幫你完成一段非同步處理,你是否知道它有沒有考慮重複執行、失敗重試與資料一致性?

當 AI 修改了十幾個檔案,你是否有能力判斷整體架構是否仍然合理?

這些才是資深工程師應該掌握的能力。

我一直認為,AI 最適合扮演的是一位可以協助完成工作的 Junior Engineer。

但需求拆解、架構決策、技術取捨、品質驗證與交付風險,仍然需要工程師負責。

AI 可以幫你寫程式碼,但不能因為程式碼能執行,就代表系統設計是正確的。


結語:從 Framework Engineer 走向 System Designer

17 年的 PHP 開發經驗,讓我越來越確定一件事:

技術框架會變,程式語言會變,開發工具也會持續進化。

從 PHP 到 Laravel,從傳統 PHP-FPM 到 Swoole,從單體架構到分散式系統,再到現在的 AI Coding Agent。

真正值得持續累積的,不是對某個框架的熟悉程度,而是解決複雜工程問題的能力。

AI 可以幫你寫程式碼,但無法替你承擔架構決策。

當系統規模持續成長時,真正有價值的工程師,不是打字最快的人,而是能正確拆解問題、選擇架構、評估技術取捨,並對整個系統的品質與穩定性負責的人。

這也是我認為每一位想往 Senior Backend、Tech Lead 或 Software Architect 發展的工程師,都值得花時間深入學習 System Design 的原因。

#SystemDesign #PHP #Laravel #BackendEngineering #SoftwareArchitecture #Redis #HighConcurrency #AI #CodingAgent #TechLead

2026年11月6日 星期五

【AI 開發工具推薦】RTK 實戰指南:自動過濾冗長日誌,讓 Claude Code 跑得又快又省


🚀 【實戰教學】用 RTK 幫 AI 程式碼助理瘦身!大幅節省 60%~90% Token 消耗

在日常使用 Claude Code、Cursor、Trae 或 Gemini CLI 等 AI 輔助開發時,終端機(CLI)輸出的落落長訊息(例如:git status 列出一大堆變更、npm test / pytest 噴出幾百行測試日誌)往往是吃掉上下文 Token 的元兇。

RTK (rtk-ai/rtk) 是一款用 Rust 撰寫的超輕量 CLI 代理工具,能自動攔截並智慧過濾這些冗長輸出,在不損失重要錯誤訊息的前提下,將 Token 消耗直接砍半甚至減少 90%!

📋 目錄







一、環境需求與前置觀念

  • 作業系統:Windows 11

  • 開發環境:VS Code 內建 Terminal(建議切換至 Git Bash)

  • 運作原理: RTK 扮演輕量級代理。當 AI 或你手動執行指令時,RTK 會在本地端進行去重複、壓縮樣板文字(Boilerplate)、群組化檔名,最後僅將高濃度的資訊傳給 AI 讀取。

第一步:Windows 11 下的手動安裝與 PATH 設定

由於 Windows 上的 Git Bash 環境無法直接執行 Linux 的 Shell 安裝腳本,手動下載單一 .exe 執行檔是最快且最穩定的方式。

1.下載 rtk.exe:獲取最新版 Windows 執行檔。
  1. 開啟瀏覽器前往 RTK GitHub Releases 頁面。

  2. 在最新版本的 Assets 區塊中,下載適用於 Windows 的壓縮檔(如 rtk-x86_64-pc-windows-msvc.zip)或直接下載 rtk.exe。

  3. 將壓縮檔解包,確認取得 rtk.exe 主程式。

2.放置執行檔:建立專用二進位工具資料夾。
  1. 在系統磁碟機中建立一個集中管理工具的資料夾,例如:C:\tools。

  2. 將 rtk.exe 移動至 C:\tools\rtk.exe。

3.設定系統環境變數 (PATH):讓任何 Terminal 都能直接呼叫 rtk。
  1. 按下 Win + S 搜尋「編輯系統環境變數」並開啟。

  2. 點擊視窗右下角的「環境變數...」。

  3. 在「系統變數」區域找到 Path 變數,雙擊進去編輯。

  4. 點擊右側「新增」,輸入:C:\tools。

  5. 連續點擊「確定」儲存關閉。

4.確認安裝成功:重開 VS Code 驗證。
完全關閉並重新開啟 VS Code,打開 Git Bash Terminal 輸入:

Bash
rtk --version
若正確輸出版本號(如 rtk 0.x.x),代表 PATH 已正確載入!

第二步:專案與全域初始化設定

安裝完成後,需要讓 RTK 知道要在哪些專案中介入運作。

1. 單一專案初始化(專案目錄下執行)

切換到你當前開發的專案根目錄,執行:

Bash
rtk init
  • 運作結果:

    • 會自動建立/更新專案中的 CLAUDE.md(或 IDE 指示檔),提示 AI 開發助理主動套用 rtk。

    • 會生成 .rtk/filters.toml,供你針對該專案自訂過濾規則。

2. 全域 Hook 與代理初始化(推薦)

如果你希望這台電腦上的所有專案、以及 AI 代理執行的 Bash 命令預設都經過 RTK 過濾,請執行:

Bash
rtk init -g
  • 運作結果:

    • 將 Hooks 與 Proxy 設定寫入全域設定(如 ~/.rtk/),讓 CLI 工具在背後發起的命令自動被攔截與瘦身。

第三步:日常使用技巧與語法實戰

1. 自動化模式(最常用)

在 rtk init 後,像 Claude Code 或 Trae / Cursor 內的 Agent 在 Terminal 幫你跑 git status、git diff 或 npm test 時,AI 自動就會讀到被 RTK 壓縮後的版本,你不需要改變任何操作習慣!

2. 手動前綴測試

如果你自己在寫 Prompt,或者想看看某個指令被壓縮成什麼樣子,直接在指令最前面加上 rtk:

Bash
# 測試 Git 狀態過濾
rtk git status

# 測試大型測試套件過濾
rtk npm test
# 或
rtk pytest

# 測試目錄樹過濾
rtk ls -la

3. 查看累積省下了多少錢 (Token)

想知道 RTK 實際上幫你省了多少資源?隨時輸入:

Bash
rtk gain
系統會印出漂亮的統計儀表板,顯示:

  • 處理過的指令總數

  • 原始輸出的位元組 / Token 數

  • 壓縮後節省的 Token 數與百分比

第四步:自訂過濾規則 (.rtk/filters.toml)

執行 rtk init 後產生的 .rtk/filters.toml 是你控管壓縮邏輯的核心。你可以針對專案特有的 Log 或輸出格式進行微調:

Ini, TOML
# .rtk/filters.toml 範例

[general]
# 是否啟用過濾器
enabled = true

# 針對特定指令的過濾樣式
[filters.git]
# 自動隱藏未追蹤檔中的雜項編譯檔
ignore_patterns = [
  "*.log",
  "node_modules/",
  "vendor/"
]

[filters.test]
# 只保留失敗的測試案例 details,通過的測試自動收摺為計數
show_only_failures = true
小技巧:如果發現某個第三方套件輸出的 Warning 訊息太洗版,可以在 ignore_patterns 加入關鍵字,直接在送給 AI 之前將其過濾。

五、常見問題與維護指令

問題 / 需求解決方案 / 命令
想要停用或啟用匿名遙測 (Telemetry)
停用:rtk telemetry disable


啟用:rtk telemetry enable

下指令後出現 command not found: rtk代表環境變數未載入,請確認 C:\tools 已加入 PATH,並重新開啟 VS Code / Terminal。
不想讓某個指令被 RTK 過濾直接執行原指令即可(不要加 rtk 前綴),或是暫時停用 .rtk/filters.toml 中的對應選項。
想更新 RTK 到最新版本至 Releases 頁面下載最新 rtk.exe 覆蓋 C:\tools\rtk.exe 即可。

💡 總結

設定好 rtk.exe 並完成 rtk init -g 後,你不需要改變任何開發習慣,系統就會在背景默默壓縮每一次 terminal 輸出。對於長度動輒幾千 Token 的大型專案而言,能顯著降低 API 成本並提升 AI 助理的回應速度!

AI 已經會寫程式了,資深後端工程師還剩下什麼價值?

AI 已經會寫程式了,資深後端工程師還剩下什麼價值? 從 17 年 PHP / Laravel 開發經驗,看後端工程師下一階段的競爭力 做了這麼多年 PHP,從早期的 PHP 開發,到 Laravel、Redis、Docker、Swoole,以及各種 API 整合與高併發系統的維...