AI 撰寫程式碼：AI筆記 Prowler 如何在「代理式雲端時代」重新定義 SaaS 與資安邊界
一位播客主持人介紹了一個開源專案：Prowler，一個用來檢查雲端安全設定的工具，支援 AWS、Google Cloud、Microsoft 365 等主流雲端平台。
它在 GitHub 上已經累積超過一萬三千顆星，背後是一個活躍的開源社群。
但真正讓這場對話變得不尋常的，不是工具本身，而是一句幾乎被輕描淡寫帶過的話：
「現在幾乎 100% 的提交程式碼，都是 AI 生成的。」
這並非未來式，而是現在進行式。
筆者透過 AIMochi 筆記工具，整理多方公開資訊和最新報導內容，來探討這一刻，整個雲端安全產業的敘事開始出現不同......
從「手寫安全工具」到「AI生成系統」的轉折點
Prowler 的起源非常典型：一個工程師在管理 AWS 帳號時，為了避免錯誤設定與資安漏洞，開始寫工具。
一開始，它只是腳本。
後來，它變成開源專案。
再後來，它變成企業級雲端安全基礎設施。
但在 AI 進入之後，事情變了。
開發者除了是「寫工具的人」，更是「定義工具行為的人」。
AI 開始負責：
-
寫檢測規則
-
生成掃描邏輯
-
建立測試案例
-
甚至提交 Pull Request
人類的角色逐漸從「程式作者」轉向「系統審核者」。
這種轉變，本質上比 DevOps 或 Cloud Native 更劇烈。
因為它改變的是「誰在創造軟體」。
雲端安全的本質：從 AI 判斷 → 確定性系統
對話中有一個核心觀點反覆被強調：
AI 不適合直接做安全決策，但非常適合理解上下文。
這句話其實劃出了一條非常重要的分界線。
在雲端安全中，例如：
-
S3 bucket 是否公開
-
IAM 權限是否過度授權
-
API endpoint 是否暴露
-
Kubernetes cluster 是否錯誤配置
這些問題不能「大致正確」。
它們必須是：100% 可驗證（deterministic）
這就是為什麼像 Prowler 這類工具仍然重要。
AI 可以告訴你「可能有風險」，但只有確定性系統可以告訴你：
「這裡就是錯的，而且為什麼錯。」
這也是未來 Agentic AI 系統的核心矛盾：
-
AI 負責推理
-
工具負責真相
Agentic AI 正在重寫 SaaS 的角色，而不是消滅它
當 AI Agent 能夠操作工具時，一個常見焦慮出現：
SaaS 是否會被取代？
對話中的回答非常關鍵：
SaaS 不會消失，但它的角色會改變。
原因有三個：
（1）工具仍然掌握「真實世界狀態」
像 AWS、Azure、Google Cloud 這些系統，本質上是：現實世界的狀態資料庫
AI 無法憑空知道：
-
哪個 API endpoint 開著
-
哪個權限被錯誤配置
-
哪個 Bucket 暴露在 Public Internet
這些仍然需要工具掃描。
（2）AI 不擅長「持續一致性」
雲端安全不是一次性任務，而是：
持續監控 + 修復 + 再驗證的循環
這需要穩定邏輯，而不是隨機生成結果。
（3）真正價值在「確定性 + 自動化的結合」
未來 SaaS 的價值不再只是 UI，而是：
-
可被 AI 操作的 API
-
可被 Agent 呼叫的工作流
-
可被驗證的安全規則庫
這也是 Prowler 正在走的方向：
從工具 → 平台 → Agent 可操作系統
當 AI 開始寫 100% 程式碼，問題反而變了
很多人會以為：
AI 寫程式 = 工程師失業
但實際上，問題變成：「誰負責驗證 AI 寫的東西？」
在 Prowler 的案例中，即使 AI 生成幾乎全部程式碼：
仍然需要：
-
安全測試
-
合規驗證
-
社群審查
-
CI/CD pipeline 檢查
這意味著：
軟體開發從「創作問題」變成「治理問題」
這與 McKinsey 在 AI 產業研究中的結論一致：
AI 提升生產力，但增加治理成本（governance overhead）
開源、AI 與「工具被重寫」的現實
開源世界長期存在一個假設：
誰都可以 Fork 一個工具，做出更好的版本
但 AI 改變了成本結構：
以前：
-
重寫工具 = 幾個月工程
現在：
-
重寫工具 = 幾小時 prompt + AI code generation
因此真正的護城河不再是：
-
程式碼
-
架構
-
功能
而是：生態系 + 確定性資料庫 + 長期信任
這也是 Prowler 強調「registry」概念的原因：
-
哪些檢查是可信的
-
哪些修復是安全的
-
哪些規則是可重用的
這些才是 AI 無法輕易取代的部分。
Agent 時代的雲端安全：從被動防禦到閉環系統
傳統雲端安全是：
人 → 工具 → 報告 → 人決策
但 Agentic AI 正在改成：
Agent → 工具 → 修復 → 驗證 → 再執行
這形成一個閉環：
-
偵測
-
判斷
-
修復
-
再檢查
而 Prowler 正在轉型成：「Agent 驅動的雲端防禦系統」
甚至開始支援：
-
自動 PR 修復
-
即時報告生成
-
CISO 等級簡報輸出
-
圖資料庫風險關聯分析
真正的衝擊：除了 AI 取代工具，更是工具開始「被 AI 操作」
最關鍵的轉折點在這裡：
AI 不只是寫工具，而是開始操作工具。
這意味著：
-
CLI 不再是人用的
-
Dashboard 不再是人看的唯一介面
-
API 成為 AI 的語言
當這件事成立時：
SaaS 不再是「軟體」，而是「可操作的現實層」
下一個 SaaS 競爭，除了功能，更是「可被 AI 理解的能力」
回到這場對話的核心，其實除了 Prowler，筆者更看見一個更大的問題：
當 AI 可以寫 100% 程式碼時，軟體還剩下什麼價值？
答案逐漸清晰：
-
可驗證性
-
可操作性
-
可持續性
-
可被 Agent 使用的結構
這些，才是下一代 SaaS 的核心。
而 Prowler 只是第一批站在這條轉變路徑上的工具之一。
真正的變化還沒結束。
它才剛開始。
以上僅供參考與資訊分享之用!若想快速了解更多資訊，透過 AIMochi 筆記工具，幫我們從海量資料中，梳理出關鍵資訊，讓我們精準掌握重要訊息!