一、案例定位

概括本章軟體開發主線：大型語言模型可把自然語言要求轉成程式碼，並支援修正、重構與除錯。

二、學習目標

• 理解程式碼生成在不同開發階段的角色。
• 不把 AI 產生的程式碼直接視為可上線版本。

三、案例情境

原書以 OpenAI Codex 為例，指出大型語言模型可理解自然語言要求，轉成不同程式語言的程式碼。開發人員也可用於建立程式碼初稿、提出修正與重構建議，以及協助除錯與根因分析。

四、開始資料

五、Excel／AI 分析方法

開發生產力評估至少應同時記錄 生成時間｜審查時間｜重作時間｜缺陷數｜安全問題數，避免只看產生程式碼的速度。

六、計算結果

本章沒有提供 Codex 的生產力提升百分比，因此不補造數字。

七、結果分析與管理解讀

生成速度只是其中一項指標。若審查、重作或安全成本增加，程式碼產生更快不等於整體生產力一定提高。

八、AI 提問詞

根據以下需求產生程式碼初稿與測試清單；列出所有假設，不得聲稱已通過安全或正式環境驗證。

九、思考／情境變動

**題目：**程式碼生成只需 1 分鐘，是否代表整個任務只需 1 分鐘？

**參考解答：**不代表。仍需審查、測試、重作與安全檢查。