先質疑、再驗證、才採用：v-conf 2026 聽 Ray 講「打造 AI 無法取代的我」
本文是 v-conf Taiwan 2026 議程「打造 AI 無法取代的我」的心得，講者是六角學院資深軟體工程師 Ray（部落格《是 Ray 不是 Array》）。
內容來源是我現場的筆記、拍的投影片，還有大會的 HackMD 共筆。文中是我聽完後的整理與轉述，不是講者原話的逐字紀錄。理解有偏差的話是我的問題，不是講者的。
這場我最想帶回家的，是一句很短的話：永遠先質疑、再驗證、才採用。
整場其實都在講這件事。用 AI 學東西要先質疑它；寫東西要自己寫、讓 AI 驗證；Agent 做不到的，剛好就是「質疑」跟「為結果負責」。最後連個人品牌，Ray 也把它拉回同一條線：你累積了多少「別人查得到、而且不會失望」的東西。
失業是別人決定的，失能是自己造成的
Ray 一開場先講他常收到的學生訊息。
不是「我被 AI 取代了」，而是：用 AI 之後越來越不會寫程式、腦袋越來越少思考、對 AI 產出來的東西越來越不熟悉。效率明明提高了，產出也變多了，卻有一種自己正在被掏空的感覺。
他說這不是錯覺。
網路上大家都在討論 AI 會不會讓人失業，但他覺得那是比較表面的問題。真正的問題是失能：你對某件事好像懂，真的要你講清楚、自己做一次，卻發現做不出來。
失業是公司決定的，你控制不了。失能是自己一點一點交出去的。所以要談失業之前，要先談失能。
這段我聽得很有感。今年八月我剛經歷裁員、找了兩個月工作，那段時間最常提醒自己的，就是不能只剩下「會叫 AI 做」。
以前怎麼學：三到五天打底，一年寫兩百多篇
Ray 先分享他以前的學法，他自己也說「真的蠻傳統的」。
學一個新東西，先花三到五天看文章、上課、看影片打底。接著想這些知識可以用在哪，自己實際做做看。做完之後寫成文章，或像這樣上台分享，把它內化進自己的腦袋。
他說最拚的時候，一年有兩百多天都在這樣學、這樣寫，常常一整天都坐在電腦前。遇到卡住就去問人、去查，很多時候等於從頭來過，效率不高。
但這個「自己走過一遍」的過程，是他後來覺得最不能省的。
現在怎麼學：問 AI → 實踐 → 深化
用了 AI 之後，他的流程變成三步。原則跟以前差不多，只是快很多。
第一步，問 AI，但不要馬上相信它。
AI 回答得很快，也很像真的。Ray 特別提醒，它有可能為了配合你，講你想聽的話。你在問題裡帶了期待，它就很會附和你。
所以拿到答案之後，他會想三到五個問題反過來挑戰它。這個說法的來源在哪？為什麼要這樣做？如果它給不出來源，或來源本身有問題，那這段內容就要打問號，自己去查、去驗證哪邊對、哪邊錯。
他說這樣做看起來比較慢，但實際算下來，以前三到五天才打得好的基礎，現在大概三十分鐘就能有基本認識。
第二步，實踐。
還是會請 AI 幫忙想「我剛學的東西，在工作上可以怎麼用」，但做的人是自己。做的過程一定會卡住，卡住的地方就是你理解有落差的地方，再回去跟 AI 反覆修正。
這一步他通常還是會花個兩天。但他說，比起去約一位業界專家，自己先試、把問題整理好再去問，對專家來說也比較好回答。
第三步，深化：自己寫，AI 只負責 Review。
這是他很堅持、而且說「沒辦法簡化」的一步。
文章一定自己寫。因為寫的時候，他才會去想要怎麼表達、哪邊有錯、哪邊講得不夠清楚。寫完再請 AI 幫忙看。
但他提醒，很多人問 AI 的方式是「你覺得我寫得好不好？」，AI 就會說寫得很好。就算你寫得不好，它還是跟你說「你說得對」。所以他會直接要 AI 列出問題、明確指出哪裡可以改。
他也舉了以前常遇到的狀況：AI 給你過時的寫法、把兩種寫法混在一起，或是專案明明用 Vue 3，它給你一段 Vue 2 的寫法。現在模型進步很多，這種狀況變少了，但「你要驗證它」這件事沒有變。
問題是，你沒有基礎知識，要怎麼知道它對不對？
所以他的結論有三條：
- 不要盲信 AI。它能力再高，給的東西都要驗證過才吸收。
- 內容自己寫，AI 用來 review，而不是用來生成。
- 你越專業，AI 越好用。AI 是放大器，你要先有東西，它才有東西可以放大。
Agent 還做不到的三件事
前面幾位講者已經講了很多 Agent 有多強，Ray 這段反過來講它還做不到什麼。
第一，質疑需求。
資深的人接到一個需求，第一句通常是「你為什麼要做這個？」背後的目的是什麼、現有條件下真的需要嗎、有沒有更好的做法。
Agent 不太會問。你說「我想在專案加一個功能」，它就說 OK，然後直接做下去。他說他帶人的時候，遇到新人想直接動手，第一件事就是反問「你真的需要嗎？」這種反問，Agent 現在還太過附和使用者。
第二，主動性。
有人會說 Agent 不是會自己找資料、自己做事嗎？Ray 的回答是：那個任務是你決定、你要求它做的。它並沒有主動去看。真正有價值的，是你沒想到、但有人先想到並且做了。
第三，承擔責任。
他用了一個很台的說法：背鍋。
當你按下 Enter，你就要為它負責。系統出包的時候，老闆不會問是哪個 Agent 寫的，而是一路往下問到是誰按的。責任最後還是回到按下 Enter 的那個人身上。
能質疑需求、能在沒人講的地方先動起來、願意為結果按下 Enter，這三件事剛好就是現在還沒辦法交出去的部分。
自我盤點：把時間搬到「只有我能做」的地方
接著是一個小練習。Ray 先放了一張讓全場安靜的投影片：
下班後真正屬於自己的時間會越來越少，所以更要把力氣放對地方。
練習是這樣：寫下你工作上的三個主要任務，每一個都標註分類。
- Agent 可以做的（或半年內可以做的）：交給 Agent 放大效率。你的角色是定義方向、做 review、最後決策。
- Agent 還做不到的：這才是你真正的價值所在。AI 幫你省下的心力，全都往這邊投入。
他拿自己當例子：
追蹤 AI 趨勢這件事，爬資料、做摘要，Agent 做得又快又好。但「這是真的還是炒作」「對我的學生有沒有意義」「要不要跟主管講」，全部是判斷。
他說盤點完你會發現，Agent 做不到的地方，大多都卡在判斷。而那剛好就是最難被取代的部分。
個人品牌，就是你的搜尋結果
最後一段是建立品牌，Ray 先把定義講得很直白：
個人品牌是搜尋結果。
面試官、HR、客戶想認識你，第一件事就是 Google 你的名字。搜得到什麼，就是你的品牌。
他還放了一組我很喜歡的公式：
能力 = 你能做什麼 品牌 = 別人相信你能做什麼 品牌 = 時間 × 不讓人失望
L1 是被搜尋到，你得先寫東西、做東西、發出來。L2 是被記住，要持續產出、風格穩定，而且是你自己的觀點，不是 AI 的。L3 是被信任，有案例、有人推薦，案子會自己找上門。
他說自己是從寫文章、被搜尋到開始，後來慢慢多了表達觀點，現在大多在 L2 累積，L3 也還在努力。
不喜歡寫作也沒關係。投影片上列了四種一樣算數的痕跡：GitHub 上的 commit、Side Project、issue；做過的專案與作品集；在社群上發表看法；在公司、社群、學校的分享。重點是它們都是可以被找到的痕跡。
最後他提醒三個常見的盲點：
- 追求更新頻率，結果每篇都很空。
- 把寫作當成額外任務，而不是工作的一部分。
- 讓 AI 生成，而不是讓 AI 驗證。
第三點又繞回了整場的主軸。
Ray 留的三份作業
Ray 說他是老師，所以最後一定要出作業。
- 今天就做：挑一個正在學或正在做的主題，照流程跑一次 AI。挑主題 → 自己先寫下猜測 → 問 AI → 反問 3 題挑戰它 → 用自己的話總結。感受一下「答案來源」跟「思考對手」的差別。
- 這一週就做：把做過的一件事寫成 300 字分享到社群。先自己寫初稿 → 請 AI 幫你 Review → 發到你最常用的社群。他還直接舉例：可以寫今天參加 v-conf 的心得。
- 這個月：把工作裡 Agent 做不到的三件事寫出來，排進每週的時間表，一個月後回頭看時間分配有沒有改變。他預期你會發現，時間正從「Agent 能做」慢慢移到「只有我能做」。
我帶回家的三件事
- 問 AI 之前，先寫下自己的猜測。 先猜一次，才分得出 AI 的答案是在幫我確認，還是在替我思考。
- 請 AI review 的時候，要它列問題，不要問它「好不好」。 問好不好，它幾乎一定說好。
- 把寫部落格當成工作的一部分。 這個部落格大概在 L1 走向 L2 的路上。我下週一就要去新公司報到，白天的時間少了，下班後那幾個小時更要留給 Agent 做不到的事。
Ray 的第二份作業是寫 300 字分享，我好像寫超過了一點。
謝謝 Ray 把這麼實用的方法整理得這麼清楚，也謝謝 v-conf Taiwan 的工作人員和整理共筆的大家。