AI 會取代工程師嗎？我關掉全自動寫文工作流，決定回來跟它一起動手

前言

做行銷、經營內容、寫程式的人最近都在問同一件事：AI 會不會把我取代掉。我的答案是——它會吃掉「打字那部分」，但不會取代你。我做過一條 n8n 全自動寫文章工作流，從選題到上站完全不用人碰，跑了一陣子，結果是沒人看。後來我把它關掉，改成每一關都自己把關。這篇講我為什麼回頭，以及 AI 接手寫程式這件事真正的分界線在哪。

我做過一條「主題到發布全自動」的寫文工作流

先講清楚，這不是空談。我真的用 n8n 串了一條全自動寫文章工作流，目標很單純：我什麼都不做，它自己生出一篇文章、自己貼上網站。下面這張就是它的本體。

用 n8n 串全自動寫文工作流：選題、分章生成到自動發布

整條鏈從左到右是這樣跑的：先用一個 Code 節點產出當天要寫的主題，丟給 AI Agent 規劃文章架構，接著一個 Switch 節點把文章拆成前言、各個 H2、H3 段落、FAQ、總結這幾塊，每一塊各自交給一個 Groq 大語言模型分開生成，再用 Merge 把所有段落合回來、照順序排好、轉成 HTML，最後一個 HTTP Request 節點直接把成品 POST 到我的網站上。從頭到尾，沒有任何一個節點需要人按確認。

全自動發文的好處：從主題到上站完全不用人工

這條工作流剛跑起來的時候，老實說很爽。它的好處全寫在「不用人」這三個字上：

• 快：按一下，幾分鐘後網站上就多一篇文章，比我自己寫快上幾十倍。
• 便宜：Groq 跑這種生成幾乎不花什麼錢，一篇的成本低到可以忽略。
• 量大：理論上我想一天上十篇都行，排程設好，它半夜自己生自己發。

當時我心裡盤算的是：內容行銷不就是要量嗎？讓 AI 把產線開到最大，文章鋪滿整個網站，搜尋流量自然會來。這個假設，後來被數據打臉得很徹底。

全自動跑出來的文章，下場是沒人看

工作流跑了一段時間，我去 Google Search Console 看這些全自動文章的表現。結果不是「成長慢」，是根本沒有表現。

AI 全自動生成的文章，為什麼搜尋零曝光、排不上 Google

我把那批純 AI 生成的文章拉出來看數據，連續觀察了 28 天：曝光次數是 0。不是點擊少，是連被 Google 拿出來顯示的機會都沒有。同一個網站、同一段時間，我自己一個字一個字寫、放了真實操作截圖和實際遇到的問題的文章，卻爬上了某些關鍵字的第一頁。差別不在「是不是 AI 寫的」，而在內容有沒有東西。

那批全自動文章的問題，現在回頭看很清楚：它們把網路上講過一百遍的東西，用通順的句子再講一遍。沒有任何一句是只有我寫得出來的——沒有我實際接案遇到的狀況、沒有截圖、沒有「這裡卡了三小時最後發現是 ID 填錯」這種細節。Google 要的不是更多通順的字，是有人真的做過、能幫到讀者的內容。一篇沒有經驗含量的文章，寫得再順，對搜尋來說也只是雜訊。

AI 寫文章的真正問題：整條流程裡沒有人做判斷

把工作流拆開看，我才意識到問題不在哪個節點壞了，而在整條流程裡，從頭到尾沒有一個地方是「人停下來做判斷」的。AI 很會生成，但它不會判斷這個主題值不值得寫、這個角度有沒有人講過、這段話是不是其實在唬爛。這些全部被我省掉了。下面這張表，是我把「全自動」和「我自己接手」兩種做法擺在一起比，才看懂自己到底省掉了什麼：

環節	全自動工作流	人接手之後
選題	AI 隨機湊一個主題	我先查這個字有沒有人搜、值不值得寫
角度	跟網路上所有文章一樣的通用講法	挑一個只有我做過、能講細節的切角
事實查核	沒有，AI 講錯也照發	每個數字、每個說法我自己對過
經驗含量	零，全是二手資訊	放實際截圖、實際卡住的地方
取捨	有生成的全部塞進去	該砍的段落砍掉，留下有用的

看懂這張表的那一刻，我就決定把那條全自動工作流關掉了。不是它做得不好，是「完全不用人」這個目標本身就設錯了。

我決定回來跟 AI 一起寫

關掉全自動，不代表回去當苦工、一個字一個字硬刻。我把 AI 從「自動產線」改成「並肩的工具」——它還是負責生成，但每一個轉折點都換成我來踩煞車。

人在迴路的 AI 寫作流程：關鍵字、標題、大綱、下筆逐關把關

現在我寫一篇文章，是這樣切成四道關卡走的，每一關都要我點頭，AI 才能進下一關：

• 關鍵字：AI 提一批，我看哪些是真的有人搜、跟我能寫的東西對得上，挑定才往下。
• 標題：對著選好的關鍵字想，讀者會搜什麼、痛點在哪，不滿意就重來。
• 大綱：H2、H3 一條條排，這關最關鍵——文章的骨架對不對，這裡就決定了。
• 下筆：骨架確認後才讓 AI 補肉，我再逐段改、補進自己的經驗和截圖。

而且這四關不是「看一眼按核准」那麼輕鬆——更多時候我回的是修改指令：標題太技術，要它改從痛點切；大綱哪個段落順序不對，當場調；草稿寫歪的地方直接退回重來。真正動筆之後，我還會把整篇丟進自己的編輯器逐段潤、補上只有我知道的細節和截圖，才送上站。AI 出草稿，我出判斷、也出那雙改稿的手。

跟全自動最大的差別是：全自動是一條龍跑到底，錯了你最後才看到；人在迴路是每一關都有個閘門，方向歪掉當下就攔住。慢嗎？比按一下慢很多。但跑出來的東西有人看，這才是重點。

哪些交給 AI、哪些得自己留著

這個分工其實可以講得很乾脆：會生成的交給 AI，要判斷的留給自己。把一段大綱擴寫成通順的段落、把一個概念換三種說法、把英文資料翻成白話，這些 AI 做得又快又好，我沒必要跟它搶。但「這個主題值不值得寫」「這個說法是不是唬爛」「這段該不該砍」——這些沒有標準答案、要靠經驗權衡的，我一個都不敢交出去。AI 給我的是草稿和素材，不是決定。決定永遠是我的。

寫 code 也一樣：我把判斷全交給 AI，吃過大虧

你可能會說，寫文章要判斷我懂，但寫程式不是有標準答案嗎？讓 AI 自動寫完不就好了。我也這樣想過，直到我做一個串珠 App 的時候，被一段看似簡單的動畫卡到懷疑人生。

那個 App 叫掌上靈珠，有個功能是：使用者點抽屜裡的珠子，珠子要飛進串珠盤、沿著一條串珠線一顆接一顆排好，而且不能重疊。聽起來很單純對吧？我一開始也覺得這交給 AI 三兩下就搞定。

結果 AI 寫出來的版本，珠子跟線就是串不起來——不是擠成一團重疊，就是飛到奇怪的位置。我跟它來回改了好幾輪，它每次都很有自信地說「這次修好了」，但珠子還是亂的。後來才發現，問題卡在兩個我一開始沒看懂、它也沒主動講清楚的地方。

第一個是角度。那條串珠線其實是斜的，轉了 45 度，珠子要順著線滑，位移就不能照水平垂直直接加，得用三角函數（cos 45 度，約 0.707）把距離投影到斜的方向上。AI 一開始根本沒處理這層投影，珠子自然就對不到線上。

第二個是它擺珠子的方式。它用的是一種「鏈式」算法：第二顆的位置等於前一顆減掉前一顆的大小，第三顆再參照第二顆，一路往後接龍。但每顆珠子大小都不一樣（小珠 18、中珠 25、大珠 60 像素），這種一顆接一顆往回算的方式，誤差會一路累積放大，串到後面就整條歪掉。

我卡在這裡的時候，最大的錯就是一直盲信 AI「再修一次就好」，跟著它在錯的框架裡繞圈。後來我停下來，逼自己重新想這件事的本質：珠子到底該怎麼定位才不會累積誤差？想通之後我回去跟它重新討論，把定位邏輯整個換掉——不要每顆參照前一顆，改成所有珠子都參照「第一顆的終點位置」，再依前後珠子的大小組合查一張間距表（前大後小、前小後小、前大後大各給不同間距），算出每顆相對第一顆的偏移，最後統一投影到那條 45 度線上。換完邏輯，珠子一次就乖乖串好了。

這段經驗對我來說是個分水嶺：真正解掉問題的不是 AI 多寫了幾行 code，是我回來重新「定義問題」。AI 能在我給的框架裡寫得飛快，但框架本身錯了，它只會用越來越漂亮的 code 把你帶得越來越偏。那次之後我才真的相信，把判斷整包丟給 AI 是會出事的——這跟版本控制一樣，是我用代價換來的教訓（順帶一提，被 AI 改爛專案、最後靠 Git 救回來的故事，我寫在〈git 倉庫是什麼〉那篇）。

這件事讓我想通：會讓 AI 自動把事做完，已經不是工程師的價值

把寫文章和寫程式這兩段擺在一起看，我發現它們講的是同一件事。

不管是串 n8n 工作流，還是用 AI 寫 code，門檻都被踏平了

過去你會佩服一個人「能讓系統自己跑」「能寫出一段動畫」，是因為這些事有門檻、不是人人做得到。但現在呢？串一條 n8n 工作流、讓 AI 生一段 code、做一個會動的小功能，這些「讓 AI 自動把事做完」的能力，門檻已經被踏平了。我一個文組背景的人都能串出全自動發文工作流，這件事本身就說明它不再稀缺。當一個能力人人都有，它就不再是你的價值。

AI 取代不了的工程師能力：判斷、定義問題、人在迴路把關

那剩下什麼是 AI 取代不了的？就是判斷、定義問題、和人在迴路把關這三件——也就是我那條全自動工作流裡，完全沒有的東西。

講個我自己現在還在跑的真實系統：我做了一套 Threads 的新聞轉發工作流，刻意拆成兩半。前半段（上圖）每天定時自動去抓科技新聞、用 AI 把每一則改寫成一段原創貼文草稿，再依分數過濾、寫進一份「候選清單」，然後 LINE 通知我有新貨進來。後半段（下圖）才負責發文，但它不會自己亂發——它只會挑出我在清單上親手把狀態改成「核准」的那幾則，才自動建立貼文、發到 Threads，最後標記已發。

中間那道「我改成核准它才發」的關卡，是我刻意留的。我大可以把它拿掉、讓整套從抓新聞到發文一路全自動跑，但我不會。因為「這則值不值得轉、改寫得有沒有走味、會不會洗版」這種事需要判斷，而判斷正是我留在自己手上的部分。AI 負責把繁瑣的抓取和草擬做完，我只負責那一下「該不該發」。這道核准閘門，就是工程師價值還在的地方。

所以工程師會被 AI 取代嗎？會消失的是「打字的那部分」

繞了一圈，回到最開始的問題。我的答案不是非黑即白的「會」或「不會」。

會消失的，是「打字的那部分」——把規格翻成 code、把大綱補成段落、把重複的邏輯刻出來，這些 AI 已經做得比多數人快。如果你的價值只建立在「我會打這些字」，那確實危險。但不會消失的，是判斷該做什麼、定義問題到底是什麼、以及在 AI 跑歪的時候有能力把它攔下來。這部分 AI 不只做不到，它還更需要有人做——因為它越能自動，錯起來就越快、越大。

所以與其問「工程師會不會被取代」，我覺得更準的講法是：大家以後都會寫 code、都會串自動化，只是這件事不再特別到要叫你一聲工程師。真正還值錢的，是你能不能在一堆「自動做完」的選項裡，做出對的判斷。打字交給 AI，判斷留給自己，這就是我關掉全自動工作流之後，最實在的一個結論。

常見問題 FAQ

Q1：我不是工程師，想做全自動的東西可行嗎？

工具層面完全可行，我自己文組出身都串得出全自動發文工作流。但「可行」不等於「該全自動」。越是沒有技術背景，越容易看不出 AI 哪裡做歪了，這時候全自動反而最危險——它會用很有自信的語氣，把錯的東西做得很完整。建議從「半自動」開始：讓 AI 做繁瑣的部分，關鍵決定留一道你自己確認的關卡。

Q2：那全自動不行，AI 到底該怎麼用才對？

把 AI 當「生成器」而不是「決策者」。需要量、需要快、有標準答案的部分（擴寫、翻譯、整理格式、寫重複邏輯）儘量交給它；沒有標準答案、要靠經驗權衡的部分（選題、角度、事實查核、該不該砍）自己留著。一句話：AI 給你草稿和素材，決定權留在自己手上。

Q3：你那條 n8n 全自動發文工作流，會教或開放嗎？

那條已經被我關掉了，我也不建議任何人拿去全自動發文——理由整篇都講了。但如果你想做的是「半自動、有人把關」的自動化（自動報表、自動草擬、定時整理資料這類），這就很值得做，而且我實際在幫客戶建。可以看看我的 n8n 自動化建置服務，我們會把人該把關的閘門留在對的位置，而不是盲目追求全自動。

Q4：為什麼 AI 全自動寫的文章排不上 Google？

因為它沒有「經驗含量」。AI 生成的內容多半是把網路既有資訊重新講一遍，沒有實際操作、沒有截圖、沒有只有你才知道的細節。Google 現在很吃這套「有沒有人真的做過」，一篇通順但空洞的文章，對搜尋來說跟雜訊差不多。我自己的網站上，純 AI 薄文 28 天 0 曝光，有真實經驗的文章才爬上第一頁。

Q5：AI 時代，該學什麼才不會被取代？

少花一點時間在「怎麼把這段 code 打出來」，多花一點在「怎麼判斷該做什麼、怎麼定義問題」。工具會一直變、門檻會一直降，但「在一堆自動選項裡做出對的取捨」這個能力不會貶值。具體一點：練習拆解問題、練習質疑 AI 給的答案、練習在它跑歪時看得出來——這些才是越來越值錢的部分。

總結

我做過一條從選題到上站完全不用人的 n8n 全自動寫文工作流，跑出來的文章搜尋零曝光、沒人看，所以我把它關掉，改成關鍵字、標題、大綱、下筆每一關都自己把關。寫程式那邊我也學到同一課：盲信 AI 把判斷整包交出去，串珠動畫就是串不起來，回來重新定義問題它才算對。會被 AI 取代的是「打字那部分」，判斷、定義問題、人在迴路把關不會。我現在不管寫文章還是接案做自動化，都是這樣一關一關把關著走。想把繁瑣的事交給自動化、又想把該把關的閘門留在對的位置，可以看看我的 n8n 自動化建置服務。