盡管程序員們紛紛反饋用上AI輔助之后，工作效率提升，但我們用到的軟件中bug依舊不少。

針對這一現(xiàn)象，前谷歌產(chǎn)品經(jīng)理Peter Szalontay，以及現(xiàn)任的谷歌Chrome的工程團隊領(lǐng)導(dǎo)Addy Osmani都給出了自己的分析，并提供了一些如何使用AI輔助編程的建議。

AI編碼工具的黑暗真相

1月7日，前谷歌產(chǎn)品經(jīng)理Peter Szalontay發(fā)推，并配上了一個令人驚心動魄的標(biāo)題：「無人談?wù)摰腁I編碼工具的黑暗真相」。

「在華麗的demo和病毒式推文的背后，隱藏著半途而廢的項目和破碎的承諾?！?/span>

Peter Szalontay表示，作為Lazy AI的首席執(zhí)行官，他在18個月的時間的時間中目睹了超過10萬名開發(fā)人員的苦苦掙扎，因此要為所有構(gòu)建AI項目的開發(fā)者提供幾條建議。

Peter Szalontay本科畢業(yè)于加州大學(xué)洛杉磯分校，修讀了數(shù)學(xué)/經(jīng)濟學(xué)和軟件工程專業(yè)，2016年-2019年期間曾擔(dān)任谷歌產(chǎn)品經(jīng)理，領(lǐng)導(dǎo)著一支由1000多名員工組成的團隊，并推出了響應(yīng)式搜索廣告（Responsive Search Ad）。

2023年3月，Szalontay成立初創(chuàng)公司Lazy AI并擔(dān)任CEO，旨在幫助用戶通過無代碼或低代碼的方式構(gòu)建全棧Web應(yīng)用程序。

1. 智能體編碼≠萬金油

「50%的AI編寫的代碼都毫無價值」。如果你試過Bolt、v0、Replit等工具來構(gòu)建登錄頁面以外的東西，一定對這句話深有感觸。

因為每次代碼更改時，都有可能因prompt引入一些bug或不需要的行為。如果LLM每次對代碼進行5項更改，那么代碼完成時，可能會出現(xiàn)許多個你自己都不知道怎么會觸發(fā)的bug。

Lazy AI采取的方式是按照工程師的方式進行構(gòu)建：發(fā)送prompt、測試更改，然后發(fā)送另一個prompt。這是獲得有效成果的唯一途徑。

2.「通用編碼器」是一個謊言

如果一家公司站出來說他們已經(jīng)開發(fā)了一款產(chǎn)品，可以讓你只用prompt在任何框架中構(gòu)建任何應(yīng)用程序......冷靜點，這種說法很可疑。

Lazy AI首次嘗試同時支持Python和JavaScript編碼時，讓AI在JS文件中編寫Python，結(jié)果它混淆了依賴關(guān)系，甚至弄混了兩種語言的注釋語法。

最終確實有方法讓AI在兩種語言中都能可靠地工作——但只有為編程語言構(gòu)建特定的修復(fù)程序，并驗證模型的每個響應(yīng)之后才能做到。

3. 不要把授權(quán)交給LLM

你可以在任何AI編碼工具中嘗試這個簡單的提示：「構(gòu)建一個谷歌登錄頁面，并跳轉(zhuǎn)到顯示我的詳細信息的個人資料頁面?！?/span>

之后你就會看到層出不窮、千奇百怪的錯誤和bug：被破壞的OAuth流程，重定向URI錯誤，以及在Google Cloud Console中無休止地打轉(zhuǎn)以獲取API密鑰。

4. LLM無法訪問數(shù)據(jù)庫

幾乎每個想法的實現(xiàn)都需要一個數(shù)據(jù)庫，但構(gòu)建項目時，又總是需要更改數(shù)據(jù)庫。如果AI編碼工具按提示收費，那么準(zhǔn)備好迎接下面這些不斷重復(fù)的場景：

你更改了數(shù)據(jù)庫，AI Agent混亂了......

你修改了了代碼，數(shù)據(jù)庫混亂了......

你需要遷移，結(jié)果AI編寫了有缺陷的遷移代碼......

5. 現(xiàn)在付款，但永遠沒法成功

下面這些AI常見的智障錯誤，不知道你是否眼熟：

- 要求AI構(gòu)建新功能時，AI卻刪除了一部分之前的內(nèi)容

- AI復(fù)制了你的部分代碼 

- 你明確指示執(zhí)行X操作，AI卻正在執(zhí)行Y 

- AI因為無法修復(fù)自己創(chuàng)建的bug而卡住

當(dāng)你現(xiàn)在為AI編碼工具付費時，期待模型在未來「變得更好」是不夠的，一個放錯位置的括號可能會破壞整個頁面。在一個沒有從頭開始準(zhǔn)備的平臺上構(gòu)建現(xiàn)實世界中的應(yīng)用程序，就是在浪費錢。

以上這些推文的內(nèi)容或許過于簡明扼要，而且傾向性過強。如果要想更全面、更深入地探究AI輔助編碼的利弊，以及最佳的使用方法，谷歌Chrome工程團隊領(lǐng)導(dǎo)Addy Osmani的這篇博客則更加有用。

原文鏈接：https://addyo.substack.com/p/the-70-problem-hard-truths-about

AI輔助編程——菜鳥和老手的差距

對AI輔助編程工具的使用，存在兩種模式，第一種可以稱為「自舉模式」（bootstrapper），也就是使用諸如Bolt之類的工具，根據(jù)截圖產(chǎn)生代碼，使得程序員能夠在AI協(xié)助下完成初始代碼庫，從而在數(shù)小時或數(shù)天而非數(shù)周的時間，生成最小可用原型。

相比于從零開始，程序員更熟悉的方式是如下描述的「迭代模式」，即使用Cursor、Copilot等工具進行日常開發(fā)工作流程。

例如，使用人工智能進行代碼補全、進行復(fù)雜重構(gòu)任務(wù)、生成測試和文檔，或是將AI智能體當(dāng)作「小助手」，咨詢編程中遇到的問題，并尋求代碼改進建議。

在迭代模式下，新手和老油條看似都能在幾分鐘之內(nèi)使用AI工具完成代碼搭建，但細看下來，資深程序員對AI的使用更加智慧。

他們不僅僅是接受AI的建議，而是試圖讓AI重構(gòu)代碼，生成更小、更專業(yè)化的模塊。資深程序員還會增加AI遺漏的意外情況的處理模塊，同時對AI給出的建議保持質(zhì)疑。

相反，新手則會盲從AI的建議，這樣生成的代碼會如同海邊的沙堡，看似堅固，但一遇到現(xiàn)實中的意外案例，就會崩潰。

這是由于，「菜鳥」會接受AI給出的錯誤或過時的代碼，忽略關(guān)鍵的安全性和性能考慮，也沒有對AI生成的代碼進行調(diào)試，從而構(gòu)建出一個他們不完全理解的脆弱系統(tǒng)。

以上的差異可以說明，AI工具對經(jīng)驗豐富的開發(fā)者幫助大于初學(xué)者。這似乎有些反直覺——AI不應(yīng)該使編程變得更加人人可及嗎？

知識悖論——只有知道怎么用才能用好

事實上，當(dāng)前的AI，就像是在團隊中有一個工作積極性爆棚的初級開發(fā)者。他們可以快速編寫代碼，但需要不斷的監(jiān)督和糾正。你知道的越多，就能更好地引導(dǎo)他們。

不止是在程序員群體之中，非工程師使用AI進行編碼時，也會遇到類似的問題，即發(fā)現(xiàn)自己遇到了令人沮喪的瓶頸。AI工具能出人意料地迅速完成70%的任務(wù)，但在最后、最難完成、最令人沮喪的30%上，卻只會收益遞減。

可以舉一個小例子來理解這個現(xiàn)象。比如，你試圖讓AI修復(fù)程序中的一個小bug，智能體給出一個看似合理的建議，但這個補丁破壞了其他部分。

接著，用戶會繼續(xù)要求AI修復(fù)新出現(xiàn)的問題，這又產(chǎn)生了更多的bug，從而使得局面變得更糟。這意味著最后的30%——使軟件準(zhǔn)備進入生產(chǎn)、可維護和健壯的部分——仍然需要真正的工程知識。

人工智能并沒有使我們的軟件顯著改進，因為軟件質(zhì)量可能從未主要受限于編碼速度。軟件開發(fā)中的難點——理解需求、設(shè)計可維護的系統(tǒng)、處理意外情況、確保安全和性能——仍然需要人類的判斷。

AI所做的，是讓我們能夠更快地進行迭代和實驗，通過更快的探索，可能帶來更好的解決方案。但前提是程序員必須保持工程規(guī)范，將AI作為工具，而不是替代良好軟件實踐的替代品。

記?。耗繕?biāo)不是更快地編寫更多代碼。而是構(gòu)建更好的軟件。如果使用得當(dāng)，人工智能可以幫助我們做到這一點。但最終，我們?nèi)孕柚馈父谩沟暮x以及如何實現(xiàn)它。

當(dāng)下對AI輔助編程濫用的背后，還有一個更深層次的問題：AI工具讓編碼變得人人可行的實質(zhì)，是代替你處理了程序的復(fù)雜性。從另一個角度來看，這實際上可能會阻礙新手的學(xué)習(xí)與成長。

AI只是把代碼放在你面前，并不能讓你理解其背后的原理時。由于新手缺少調(diào)試經(jīng)驗，而這會反過來導(dǎo)致了一種對AI工具的依賴。他們需要不斷回到AI那里去修復(fù)問題，而不是培養(yǎng)自己處理這些問題的專業(yè)知識。

如何使用AI編程——幾條建議

有鑒于AI輔助編程中的「知識悖論」，當(dāng)前的人工智能工具最好被用于快速驗證想法，并用來生成最小可用的原型，或者作為有助于編程學(xué)習(xí)的輔助工具。

對于如何用好這些工具，作者給出了如下建議：

1. 從原型做起，使用AI進行快速原型設(shè)計

2. 使用人工智能處理孤立、定義明確的任務(wù)，逐步構(gòu)建更大的功能

3. 花時間理解生成的代碼是如何工作的，并審核每一行代碼

4. 保持「模塊化」，將代碼分拆為功能單一的模塊和小文件，保持組件之間的清晰接口，記錄模塊的邊界

5. 在應(yīng)用AI輔助編程的同時，學(xué)習(xí)基本編程概念，逐步建立知識基礎(chǔ)

6. 將人工智能作為學(xué)習(xí)工具，加速學(xué)習(xí)，而不僅僅是代碼生成器

7. 最重要的是，相信自己的判斷力，利用人工智能加速，而非取代判斷力

但以上這些都需要耐心和努力——這與許多人最初希望通過AI工具實現(xiàn)的目標(biāo)正好相反。

具體來說，在編程時，有益的AI工具使用可分為三種模式：

一是「AI初稿」模式：即讓AI生成一個基礎(chǔ)版代碼庫，之后程序員手動審查和重構(gòu)以提高模塊化程度，并增加全面錯誤處理、撰寫詳盡的測試，同時記錄關(guān)鍵決策。

第二種是是恒定對話模式，即為每個不同的任務(wù)啟動新的AI聊天，在對話時保持語境集中且簡潔，程序員經(jīng)常審查代碼并提交更改，在此過程中保持緊密的反饋回路。

第三種被稱為「信任但核實」模式，程序員使用AI進行初始代碼生成，對所有關(guān)鍵路徑進行手動審查，同時對可能的異常案例進行自動化測試，并定期進行安全審核。

展望未來——AI對程序員意味著什么

盡管存在由于知識悖論帶來的挑戰(zhàn)，對人工智能在軟件開發(fā)中的作用，我們應(yīng)持樂觀態(tài)度。這其中的關(guān)鍵在于，理解AI真正擅長的是什么：

人工智能擅長幫助實施我們已理解的模式。它就像有一個無限耐心的、打字速度極快的程序員搭子,非常適合快速原型設(shè)計和探索不同的方法；也像一個沙盒，可以用于快速測試概念。

此外，AI還顯著縮短了處理模板和常規(guī)編碼任務(wù)所需的時間，并能自動處理日常事務(wù)，使程序員能夠?qū)Ｗ⒂谟腥さ膯栴}。

人工智能輔助開發(fā)的格局在2025年將發(fā)生巨大變化。盡管當(dāng)前的工具已經(jīng)改變了原型設(shè)計和迭代方式，但我們正站在一個更加重大變革的邊緣：即AI智能體軟件工程的興起。

未來的輔助編程系統(tǒng)，不僅僅是響應(yīng)提示，它們還能規(guī)劃、執(zhí)行并不斷迭代解決方案。

當(dāng)前工具大多等待程序員的指令，但看看像Anthropic在Claude中實現(xiàn)的計算機使用，或Cline自動啟動瀏覽器和運行測試的新功能。這些不僅僅是美化版的自動補全——它們實際上是在理解任務(wù)并主動解決問題。

而自主編程AI不僅僅是提出修復(fù)方案，它還可以主動識別潛在問題，啟動并運行測試套件，檢查UI元素并捕獲屏幕截圖，提出并實施修復(fù)方案以及驗證解決方案是否有效。

下一代輔助工具可能不僅限于與代碼協(xié)同工作——它們可能實現(xiàn)無縫集成：視覺理解（UI截圖、原型、圖表）與語言交互（瀏覽器、終端、API）。

這種多模態(tài)能力意味著，AI工具可以像人類一樣理解和處理軟件——全面地，而不僅僅是代碼層面。

從使用這些工具的工作中，我們應(yīng)意識到：未來并非關(guān)于 AI 取代開發(fā)者——而是 AI 成為一個越來越有能力的合作伙伴，它可以在尊重人類指導(dǎo)和專業(yè)知識的同時采取主動。

這種對開發(fā)工具交互方式的根本轉(zhuǎn)變，意味著在自然語言中清晰思考和精確溝通的能力正變得與傳統(tǒng)編碼技能一樣重要。

具體來說，2025 年最有效的團隊需要學(xué)會如下四點：

1. 明確為他們的 AI 智能體設(shè)定邊界和指南

2. 建立強大的架構(gòu)模式，使智能體能夠在其中工作

3. 構(gòu)建人類與AI能力之間的有效反饋循環(huán)

4. 保持人工監(jiān)督的同時利用AI的自主性

這些都要求程序員提升技能，具備更強的系統(tǒng)設(shè)計和架構(gòu)思維，更優(yōu)的需求規(guī)范和溝通，更多關(guān)注質(zhì)量保證和驗證，并提升人機協(xié)作能力。