AI 正在把「寫程式」從打字與記語法，推向「用自然語言指揮工具、驗證結果、把產品做出來」。在這個轉向裡，Code.org 之所以要「再發明自己」，不是因為孩子不學程式了，而是因為原本那套以語法與積木邏輯為核心的學習路徑，已經不足以定義能力差距。我認為 Code.org 真正要搶回的位置，是把程式教育從「如何寫」升級成「如何讓系統可靠地被建出來」。
有一個現實很殘酷：當 AI 代理開始能「看著畫面、點擊、輸入」，甚至接上各種工具把工作串起來時，初學者用不用得出功能，會跟他背了多少語法越來越無關，而跟他會不會下對指令、拆對任務、驗對輸出高度相關（例如 Codex 被描述成能操作電腦、支援更多工具整合與可重複工作）。
會寫程式的人不會被 AI 取代；會把責任交給 AI、卻不驗證的人，才會被淘汰。
Code.org 的主戰場已換：從「語法正確」到「結果可信」
過去 Code.org 的價值在於降低入門門檻：讓學生理解迴圈、條件、事件，並透過可視化工具建立信心。AI 出現後，入門門檻沒有消失，但「門檻的位置」往後移了。
現在學生更容易卡在三件事：
1. 不知道怎麼把需求拆成可執行的任務（AI 需要的是可操作的分解，而不是一句模糊願望）
2. 不知道怎麼判斷 AI 產出的程式是否可靠（看起來能跑 ≠ 沒有邏輯洞、資安洞、邊界條件洞）
3. 不知道怎麼把程式放進真實產品流程（版本控管、測試、部署、除錯、協作）
如果 Code.org 仍然把「能不能寫出正確語法」當作主要學習成果，會逐步被更直接的 AI 寫作／產文式工具思維吞掉：一鍵生成很快，但不會讓學生變強。
教會學生「怎麼叫 AI 寫出來」很容易；教會學生「怎麼證明它寫對了」才是教育。
最值得注意的 3 個「AI 世代」能力，Code.org 必須變成主課
我會把 Code.org 的再定位，壓在以下三個能力（它們比「多學一個語言」更能拉開差距）：
1) 任務拆解與規格書：把需求寫得能被實作
AI 讓「表達」變得更重要。Code.org 應該把更多篇幅放到：如何寫出清楚的需求、輸入輸出、限制條件、驗收標準。
具體做法：把課堂作業從「做一個猜數字遊戲」改成「寫一份規格：包含 UI 流程、例外狀況、測試案例」，再讓 AI 生成初稿，學生負責修正規格與驗收。
2) 驗證與除錯：把 AI 的產出變成可交付成果
AI 可以快速產出，但也會快速製造錯誤。Code.org 若要持續扮演「入門教育的守門員」，就該把「測試」與「除錯策略」前移到更早期。
具體做法：
– 讓學生先寫測試案例（正常、邊界、錯誤輸入）
– 再請 AI 補程式
– 最後要求學生用測試與日誌說明「我怎麼確認它可信」
這會比傳統的「交作業跑得動」更貼近真實工程。
3) 工具鏈素養：從寫程式到把流程串起來
AI 讓「工作流」變成核心競爭力。你已經能看到內容生產領域把研究、寫作、SEO、圖片、發佈整合到同一個 WordPress 流程裡（例如宣稱能在後台完成 SERP 大綱、長文生成、SEO 評分、圖片生成與發佈）。
同樣邏輯也會發生在程式教育：學生需要理解的不只是程式碼，而是檔案結構、版本控管、CI 概念、部署、監控。甚至「一個指令把內容推上線」這種自動化心智，也會成為基本功（有人把 Markdown 草稿一路自動發佈到 WordPress，含 SEO 欄位與圖片處理）。
Code.org 若能把「做出一個可用的小產品」當成終點，而不是「寫完一段語法」，它就不會被 AI 變成歷史課。
兩個你會在教室裡立刻遇到的真實情境
情境一：學生 20 分鐘做出 App，但完全說不清它怎麼運作
AI 幫他拼出功能：登入、列表、搜尋都能跑。你問：「如果使用者輸入空白？如果 API 回傳錯誤？如果資料重複？」學生只會重按一次生成。
Code.org 要補的是：讓學生用「測試案例 + 例外處理 + 風險說明」去交作業。成果不只看畫面能不能動，而是看他能不能把系統守住。
情境二：老師批改作業，分不出是學生能力還是 AI 代工
這不是道德問題而已，而是評量設計落後。若作業只要求「交出一段能跑的程式」，那就是鼓勵代工。
更有效的評量：要求學生提交「提示詞版本歷程、關鍵決策、測試紀錄、錯誤排查紀錄」。AI 可以幫忙寫，但解釋與驗證不能外包。
Code.org 值不值得立即跟進？我會看它敢不敢做這件事
Code.org 若只是把 AI 當成新工具加進課程（例如多一個按鈕、幫你補程式碼），那只是補洞；真正的重生是改變學習成果定義：
- 從「我寫了什麼」改成「我如何讓它可靠上線」
- 從「我會哪些語法」改成「我能把需求拆解、讓工具正確完成、並驗證結果」
如果它能把這套能力變成可複製的教學模組，並提供老師可執行的課堂評量框架，Code.org 仍然會是入門教育最重要的節點之一。
（補充觀察：內容領域已經出現大量「AI + WordPress 一鍵產文發佈」的敘事，從產出速度到自動上傳都被包成流程產品；這提醒程式教育更該把重點放在流程理解與品質責任，而不是只追求更快產出。）
最後一句話：AI 讓「開始」變便宜，卻讓「把事情做對」變更貴。Code.org 的下一個十年，應該專注在後者。
追蹤以下平台，獲得最新AI資訊：
Facebook: https://www.facebook.com/drjackeiwong/
Instagram: https://www.instagram.com/drjackeiwong/
Threads: https://www.threads.net/@drjackeiwong/
YouTube: https://www.youtube.com/@drjackeiwong/
Website: https://drjackeiwong.com/
