AI 帶來的不確定性
過往的城市訓練都會告訴學習者某段程式能得出某個結果，這個結果是確定的，我們的大腦被訓練著像是電腦執行程式一樣思考，藉著這樣的訓練我們成為軟體工程師，但是 AI 同樣的 prompt 下不一定每次都會產生相同的輸出結果，這對於使用 AI 來 vibe coding 的產物增加了不確定性，但文章舉例了結構設計師，結構設計師除了在數學上計算出來的值以外，還會另外加安全值來確保各個材質不同導致的不確定性，或許 AI 的出現反而讓軟體工程師這一職業更接近物理世界。
學習迴圈的重要性
學習迴圈是指過往我們在學習程式時，我們會嘗試撰寫然後執行，發生錯誤，接著去尋找答案以及不斷測試執行的過程， AI 時代下我們可能會直接得到結果，中間少了學習迴圈，這樣 AI 就像是個黑盒子一樣反而剝奪了我們的學習機會。
測試與重構的重要性
AI 時代下重構變得簡單，測試也因為不確定性更顯得重要，AI 是透過 機率 來生成程式，但結果有可能是正確的也有可能是錯誤的，因為對 AI 來說只是機率的高低，所以在這種情況下 AI 是有可能 說謊 ，因此 測試 更為重要。
工具的選擇
在這段時間工作使用 AI 的過程中，其實可以很明顯的發現，一股腦地把所有工作都讓 AI 處理是有可能漏掉或做不好的，不但沒做好還會失去大量 token 使用量，在工作過程中別忘了我們還有 IDE, CLI 等等人類的智慧結晶可以更好更有小效率的完成工作
學習還是偷懶
使用 AI 偷懶會讓人越來越弱，相反如果把 AI 當成老師的話那個人實力的增強也是非常顯著