關於 #經驗 的內容

在 2025 年，我們經歷了 LLM（大型語言模型）快速進步的一年，以 AI Agent 形式的工具越來越多，用於開發軟體的 Coding Agent 也逐漸成熟到變成標準配備，而不是用來快速修改檔案的手段之一。

然而，對於軟體工程師來說，我認為 2026 年最值得投資的並不是學會 Coding Agent 這類工具的使用，而是更根本的能力。

你是否看到 Claude Code 的 Sub-Agent 功能就想設計一堆來用？Backend Agent、Frontend Agent 等等，感覺得到更強的工具，但真的需要嗎？

WebConf 2025 期間跟朋友聊到這個話題，才發現大家對 Sub-Agent 的使用時機還是相對陌生。今年有兩場演講提供了不錯的切入點：ihower 大大的 AI Agents 開發 以及 91APP 首席架構師安德魯大大的 從 Service 到 Agent。

因為 LLM 的不確定性，再加上大多數服務都會採取呼叫 API 的方式來使用，我們很難在測試中直接呼叫，比較好的做法是將 LLM 呼叫使用 Mock 方式處理。

如果要測試 LLM 的表現，則會使用 Evaluation（評估）的方式，並不在這系列討論的範圍中

上週五跟 Stan 也是台灣第一位 Ruby Committer（核心貢獻者）和幾位 Ruby Taiwan 核心社群成員在酒吧討論明年社群活動（RubyJam）的規劃，這就需要面對這幾年大部分社群都有實體活動衰退的問題，以及我們都認同的觀點——社群活動不是以學習知識為目的，而是以知識交流前提建立連結。

如果直接使用 Vitest 來撰寫測試，我們需要模擬大量的 API 請求和回應的檢查，這會造成單一測試非常不好閱讀，在維護新的功能時也需要反覆的產生大量重複的程式碼。

我們可以模仿 BDD（Behavior-Driven Development）風格的方式，設定「步驟」的概念，來讓測試案例變得容易理解，也能讓 AI 擴充測試時更加穩定。

前面的內容我們都注重在功能的實現，然而使用 AI 開發使用測試來確保功能的穩定也是非常重要的，至少我們不會因為產生的程式碼有一些預期外的改動，而破壞整個功能的完整性。

使用 AI 工具可以讓我們在初期很快地進行開發，大部分物件也不太需要對依賴注入的問題進行管理。然而在測試階段，能夠透過統一的介面切換測試用的物件，對於後續開發還是非常有幫助的。

我們接下來會使用 AI 協助我們一開始設定的 tsyringe 套件，正式導入到專案中。

前面的實作都是將對話編號寫死為 default 接下來我們要讓每個使用者開啟後都能夠產生一個新的對話，而且持續 60 分鐘都可以使用相同的對話串來進行購物。

可以查詢商品後，我們就可以透過對話得到能購買的商品，那麼就可以加入更新購物車商品的設計。基於前面我們已經有很多基礎，加入新功能的速度會快上不少。

撰寫本文時 Claude Code 變得非常熱門，後續的文章會使用 Claude Code 作為範例。

處理完讀取購物車資訊後，我們還需要讓使用者可以取得能購買的商品。因為是對話式的介面，所以需要將查詢商品的功能變成 AI 助手工具的一部分，雖然會因為語言模型的能力影響好用程度，不過以實驗性專案的情境還是蠻有趣的。