各位軟工前輩,都 2026 年中了,從去年的 Agent 大爆發到現在,感覺 Vibe Coding 的模式也逐漸成熟。身邊不少軟體工程師朋友(包括我自己)現在很大一部分時間都在扮演「架構師」和「Reviewer」,純手刻 Code 的比例真的降了不少。
最近想了解一下台灣各家科技公司、大廠在「導入 AI 協作」上的真實生態。畢竟每家的資安底線跟給資源的大方程度真的差很多 😅 或許該篇文章也能讓求職者有更多的參考
想請大家分享一下你們公司目前認可的開發模式!大致上包含以下~~
# 公司類型 / 產業:
例如:外商、台廠一線 IC、金融業、純軟新創...等)
# 開發環境限制:
公司是完全不能連外網,只能跑地端模型(如 Llama 3 衍生 公司內網版)?還是只要透過內部 Proxy,一樣能開開心心用外網模型?
# 資安與模型限制:
公司對 Prompt 的限制嚴格度?(例如:嚴禁貼產品原始碼、嚴格禁止使用中國的模型)是只允許登入「公司簽約的企業合約帳戶」(確保資料不會被拿去訓練),還是其實大家都偷偷用個人帳號?
# 公司給的資源:
公司有幫忙訂閱 GitHub Copilot Enterprise / 補助金額 / 直接提供 API key
# 擴充與自研生態:
公司是否有提供 MCP (Model Context Protocol) 接口,讓 IDE (如 Cursor/VS Code) 深度串接公司內部的 DB、API 文件或內部 Jira/GitLab?團隊有開始自研專屬的 Skill 嗎?(例如串接內部 CI/CD 的客製化 Tooling / Agent,讓 AI 可以執行特定內部指令)
# 目前的工作流程:
現在寫完 Code 也有導入 Agent 自動化 Review 嗎?還是維持傳統的 PR 流程,只是大家背後各自叫 AI 生 Code,最後再由人類 Senior 工程師做最後把關?

13
全部留言

原 PO - 工程師
我先開頭陣好了,
公司類型:
本土電信業,前陣子有些討論度。
開發環境限制:
理論上公司會提供合規的清單,如 GitHub Copilot Enterprise / AWS 提供的 IDE 等等,不過看蠻多員工都會自己去問 ChatGPT,幾乎都是雲端的服務。
資安限制:
不可能個資/機密資訊做詢問,也不能使用對岸開源的模型
公司給的資源:
GitHub Copilot Enterprise 好像每月就是 300 點數吧,我是看有人一天就用完了,這幾個月更新以後消耗異常大
自研生態:
幾乎都是各團隊自行維護,有些成員會寫專案的 skill 來分享,確保開發一致
工作流程:
主要還是互相 Review,目前還沒有使用 Agent 來 Review 專案
使用 LLM 協作一陣子之後有發現,蠻多專業領域的任務還是需要有 skill 或是專業領域知識才能靈活駕馭 AI,上下文大小也很重要,讓我比較困擾的是在不同 feature branch 來回開發時 LLM 常常會有記憶幻覺,不太清楚如何管理各個 branch 之間的 memory bank... 但每月 300 點真的少到可憐...
B1

國立清華大學
一線硬體中小型外商系統廠
(產品一線自有品牌 Pay沒有)
開發環境:
Eclipse/VScode
我是自備IntelliJ啦...
資案限制
沒有鎖網頁但不建議用外部AI
禁止貼公司商業資料給外部AI
公司給的資源
MS365附的Copilot (Web)
畢竟公司主力老屁股都是寫公司獨家韌體
AI目前無用武之地
我只是Support Team能寫簡單小工具即可
B2

國立政治大學 資訊科學系
# 公司類型 / 產業:外商純軟
# 開發環境限制: 沒限制
# 資安與模型限制: 沒限制
# 公司給的資源: 公司訂閱claude code
# 擴充與自研生態:基本上可以到處串,Jira / Confluence / GitLab token都會提供給claude 讓他自行從理解ticket需求>開發>推code&merge
我們也用claude開發好幾套內部自動化系統,一堆一鍵xx的功能節省很多時間
# 目前的工作流程:大部分都是PM開ticket,agent抓jira>分析>與RD確認方向>實作>根據不同專案使用對應Skill做code review
基本上因為專案太大時程又很趕,需求常常要改上百處的code,基本不會有人力code review 全部由AI自己review,只有merge怕會有問題會稍微看下
B3(已編輯)

軟體工程師
公司類型 / 產業:
台灣純軟 FinTech
開發環境限制:
環境相對開放,可直接使用外部模型,沒有強制地端部署。
資安與模型限制:
沒有特別限制模型。
公司給的資源:
提供 Claude Max 訂閱。
擴充與自研生態:
有使用 GitLab MCP、AWS MCP 等常見工具,也會依照個人習慣建立自己的 Skills、Commands 與 Workflow。
目前的工作流程:
以 SDD + TDD 為主,搭配 Agentic Workflow 開發。工程師負責需求拆解、架構設計與驗證,Agent 負責大量實作。
Agent 完成後還是會先人工過一遍,再搭配 Claude
/Simplify 或者 Claude Code codex plugin 等工具進行 Review,最後再由 Reviewer 把關。
Reviewer 的流程也差不多,通常會先把分支拉下來人工看過一次,再跑 /Simplify ,最後由人來收斂問題。否則 AI 很容易無限上綱,把一堆非本次 Scope 的改善建議全部丟出來;如果真的發現值得處理的問題,通常會另外開票追蹤。
B4

國立臺灣師範大學 資訊工程研究所
好奇如果是做Bios那種比較敏感的有簽NDA 那如何使用Ai協作
B5