隨著生成式 AI（尤其是大型語言模型 LLM）的快速發展，軟體開發正被重新定義 🚀
寫程式變得更快了，但我們真的更理解系統了嗎？
當產出速度不斷提升，理解卻沒有同步跟上，
工程師開始悄悄累積一種新的風險——理解債與認知債 ⚠️
本次 Meetup 邀請三位講者，從不同視角切入 AI 對工程實務的影響：
🧠 LLM 在領域知識上的能力與限制
⚙️ AI 如何改變開發流程與協作方式
🏗 如何在 AI 時代建立可理解、可維護的系統
🎤 Talk 1 — Kim Kao
當 1+1 不再永遠等於 2：LLM 在領域模型中的能力與邊界
LLM 正快速滲透各種應用場景，但當它進入複雜業務領域時，
我們也開始看見它在理解與推理上的限制 🤔
透過實際案例，帶你重新認識 LLM 在領域模型中的角色，
並思考在人機協作與團隊協作中，如何設計更有效的互動方式。
🎤 Talk 2 — James
AI 寫得快，你懂得慢：認知債、理解債與 DDD 工程紀律
AI 大幅加速開發，但工程師對系統的理解卻未必同步提升，
進而累積兩種隱性風險：認知債與理解債 ⚠️
本分享將說明為何常見方法難以真正解決理解問題，
並透過 DDD 建立穩固的工程紀律：
• Ubiquitous Language：讓系統與人類語言一致
• Bounded Context：限制 AI 的影響範圍
• Domain Model：將理解內建於系統中
同時也會分享 AI 時代的工程節奏：Kanban、TDD、重構時機與 Living Documentation 🔁
🎤 Talk 3 — Holyblue
在 AI 輔助開發中導入 OpenSpec 的實務經驗（以 Claude Code 為例）
在 AI 開發過程中，規格常散落於對話中，
容易導致上下文遺失與邏輯衝突 🧩
本分享將介紹如何透過 OpenSpec 與 Claude Code，
將對話中的規格轉化為可版本控制的文件，
並透過實際示範（舊系統重構 / 新功能開發），分享團隊實務經驗。
👥 Who Should Attend
• 使用 AI 工具進行開發的工程師
• 正在導入 AI 到產品或流程的團隊
• 對 DDD、系統設計與工程品質有興趣的人
🎯 Takeaways
• 理解 LLM 在複雜領域中的能力與限制
• 認識 AI 時代的新型工程風險（認知債 / 理解債）
• 學習如何用 DDD 與工具（OpenSpec）建立可控流程
• 獲得可實際落地的經驗與方法 💡
