24小时热文
说个最近越想越不对劲的事...... 《AI 编程的加速陷阱》 我是maple,目前主要在腾讯做Agent 相关的一些开发业务。 我们团队现在代码提交量大概是以前的几十倍。一开始大家挺兴奋,觉得效率上来了。但慢慢我发现,量上来了,可控性反而下去了,而且是整条链一起往下掉。 需求评审完,产品随口说了句,「这个边界先不用管,实际业务里不会这么用。」程序员点点头,测试也没为这个场景开单。这句话没进 PRD,没进纪要,也没变成用例,但它实实在在把系统复杂度降下来了。 现在换成 AI 编程。这句「先不用管」没人写进需求。AI 很认真地把边界展开成十几个状态、一堆异常路径和兼容分支。代码提交量上去了,测试单也上去了,所有人就被拖进了循环。 问题不是 AI 不努力,是它不知道人类本来会妥协。 传统手工编程时,我们从来没把所有状态全实现过。真正让东西能交付的,是产品、开发、测试在磨合里一次次把边界裁掉。哪些异常不会发生,哪些兼容可以放弃,哪些测试细节不值得开单。这些大多不在文档里,是组织里的隐性知识。 AI 没有这套隐性知识。没有显式约束时,它倾向于保守展开,所有边界都当有效,所有异常都当要覆盖。结果就是协调状态急剧膨胀,AI 处理不完,人也 review 不过来。 以前复杂度在进代码前就被人类裁掉了。现在复杂度先被展开,再想靠 review 和测试收回来。但人的带宽有限,变更一旦超过某个量级,review 就会从「判断对不对」退化成「看着像不像」。 上周我翻了一个中等需求的提交记录。以前类似需求大概二三十次提交,这次是六百多次。测试刚跑完一轮,第二天又多了八十多个 commit。他追不上,只能用 AI 批量生成用例、批量开单。开发收到一堆细节单,也只能继续用 AI 批量改。 这就陷入了恶性循环。 关键不是「AI 太快」,是加速链里没有中断点。软件工程本来需要一些减速带,需求裁剪、验收标准、测试取舍、发布门禁、人工否决。这些减速带被冲掉后,速度不会自动变成吞吐,反而会变成噪声和返工。 所以方向不是「事后 review 更多」,而是「生成前约束更多」。把不处理场景、可接受异常、兼容范围和人工兜底写清楚,让 AI 能读到、能执行。组织上也得保留人类说「停」的权力。 AI 编程缺的可能不是生成能力,是收敛能力。 没有中断的加速,不是吞吐,是噪声。 AI浪潮里的北大人 | 甲子光年 我做了一个监控全网免费Token的网站,今天向所有人免费开放。 你的AI同事,已经开始用「云电脑」上班了 100个上榜!2026年“服务企业在基层”典型案例公布 央视聚焦!突破500万亿! 2026年度产业基础“一条龙”应用计划推进机构征集工作启动 愿景&开源 | 把今天的能力短板,变成通向超级智能的进化路径 今天推文可不能“火”! 两年内把GPT-6的智能装进手机!我们已经抵达端侧智能的「撞线前夜」
年费限时8折
所有数据均采集于网络,如有侵权请联系站长删除
粤ICP备18050166号-1