人工智能没有智慧，你也不会

仅在过去的一个月里，我就听到了这些短语：自 2025 年以来我就没有写过代码了；代码审查已死；人们不再阅读代码。当然，这个行业正在发生转变，但是，陷入不再阅读和编写代码的陷阱的人和组织只会自担风险。事实是，随着时间的推移，vibe 编码的项目会变成难以维护的混乱。原因很简单，但很难修复：代码可维护性和良好的架构没有我们可以应用的良好衡量标准，因为需要数月、甚至数年的时间才能注意到不良架构或不可维护代码的影响。我们当然可以定义糟糕的代码：难以阅读、难以理解、难以适应未来发展的代码。在这种代码中，更改一件事会以非常不确定的方式破坏程序，或者破坏其他地方的逻辑，与您的更改相距甚远，类似于“蝴蝶效应”。添加功能的代码意味着一项严肃的任务，因为在多个地方更改代码并且仍然忘记修补所有内容，从而导致不一致。设计的不变量不明确的代码，其作者不再防止违规并确保一定的一致性。难以测试的代码，需要模拟并暴露实现细节，导致脆弱的测试，最终阻止有意义的重构。然而，我们知道注意到糟糕的代码需要时间。几个月，几年。当然，经验丰富的软件工程师有敏锐的嗅觉，可以发现代码异味，并可以在观察到不良影响之前采取行动。熟练的开发人员、专家依靠他们用汗水和泪水建立起来的直觉，长时间工作试图调试和修复生产问题，发誓再也不会愚蠢地重复过去的错误。这种直觉不能真正变成一系列严格的规则，因为一切都依赖于上下文。专家们与使初学者更有效率的相同规则和方法是不兼容的。专家不遵守规则，而是制定规则。所以我们遇到了一个问题……首先，人工智能没有接受过关于代码可维护意味着什么的培训。例如，任何强化学习都需要一个可以立即测量的奖励信号，而不是几个月或几年。人工智能从适合初学者的规则手册中学习规则。人工智能会注意到野外代码中的模式，老实说，大多数野外代码都非常糟糕。没有可以为可维护代码定义的适应性函数，至少没有我们可以辨别的函数，否则它就会被烘焙到我们的 linter 中。你是否注意到人工智能在“简化”代码方面有多糟糕？是的，SOTA 型号。它甚至无法正确定义函数，选择将函数拆分为实际上不可重用的较小函数。如果要理解较大的函数，您还必须阅读提取的较小函数的实现，那么从较大的函数中提取较小的函数是一个非常糟糕的选择。定义可重用和澄清的功能是一种艺术形式，一种需要掌握的艺术。大多数开发人员仍然是 Dreyfus 模型中的“高级初学者”，无法定义良好的、清晰的、可重用的功能，目前的人工智能也是如此。如果人们仍然能够控制并从这些错误中吸取教训，那么情况还不错。但我们看到人们依赖人工智能来编写甚至阅读代码的趋势。这些人永远不会达到精通，因为他们不再做出选择，他们不再为编码中的错误承担责任，也不再从这些错误中学习。现在是人工智能在犯错误，人工智能不会从这些错误中吸取教训，人们也不会依赖人工智能进行编码。哎呀！不要误会我的意思，我认为法学硕士是一个很好的工具。我不是勒德分子，我已经将人工智能融入到我的日常工作中，同时将我所学到的知识传授给我的同事。我很高兴利用法学硕士来处理我们必须处理的所有无聊、吸人灵魂的事情。我也很享受我所看到的效率优势。但归根结底，它只是一种工具，就像所有其他革命一样，它的光芒也会消失；在我看来，已经是这样了，坦率地说，现在的科技新闻相当无聊。人们实际上很不擅长做出预测。我相信未来会给我们所有人带来惊喜。但是，我要做出自己的预测……未来，我们将看到越来越多的公司自豪地吹嘘其“NO-AI”政策作为竞争优势。他们是对的。人们说，“但自动化装配线总是更高效”，只不过软件行业很特殊，因为我们一直在大规模地进行自动化，我们所做的一切都是自动化，法学硕士并不是唯一的手段，而且根据具体情况，它实际上可能会分散注意力。从任何有意义的意义上来说，“编码没有得到解决”。当然，你可以指示 LLM 为你构建一个 C/C++ 编译器，