Agentic coding 讓架構設計從幾天壓縮到幾小時，但過去的品質與判斷力，要怎麼在加速後保留？

「慢」的價值不在慢本身，而在過程裡發生的兩件事：context 的內化，以及方案選擇之間的掙扎——判斷力正是在這種不舒服裡長出來的。AI 壓縮了產出時間，也一併壓縮了這兩件事。資深者還能靠累積把關，但「AI 給什麼、看起來合理就收下」的下一代，判斷力要從哪裡養成？資深判斷又要趁什麼場合交接？

這場分享不是呼籲放慢，而是把隱性的養成過程重新設計成顯性機制：從判斷力養成的條件談起，說明 AI 協作為何恰好破壞每一個；依「做錯後回頭的代價」篩選哪些決策放給 AI、哪些留給人；主體聚焦兩個可直接執行的做法——「人先設計、AI 後提案」的順序紀律，以及設計評審中陳述被否決方案的規則。被否決的方案與理由，正是資深判斷的顯性化，是給下一代的免費教材。最後談三個判斷力成長的觀察訊號，以及最大的敵人：機制淪為形式化。

聽眾收穫：

聽完這場分享，你會帶走三樣東西：

1.理解問題的框架——判斷力養成的條件，以及 AI 協作為何恰好破壞每一個。

2.決策篩選方法——依「做錯後回頭的代價」決定哪些決策留給人深思、哪些放給 AI 全速執行。

3.可立即落地的機制——融入既有儀式、不新增會議，並讓資深者的隱性判斷顯性化、傳承給團隊。