xingkaixin.me/tags/AI编程

Tag archive

#AI编程

32 篇 · 按时间倒序

Agent 让每个人都有了翻译器，但团队不再说同一种语言

Agent 能解释旧代码，却补不回当初的取舍。一次看不懂旧模块的经历，让我决定把困在 session 里的设计理由带回代码库。

看榜选模型？SWE-Bench 三成题目是坏的，六成答案是抄来的

SWE-Bench 分数还能信吗？OpenAI 审计 731 个任务，约 30% 是坏的；Cursor 发现 Opus 解掉的题里 63% 是检索到现成修复。总分没失效，只是不再等于编码能力。该攒一份自己 repo 的私有评测集了。

AI 五分钟解了你一周的 bug，然后你不开心了

Fable 五分钟用 dyld interpose 复现了一周的 bug，顺手修了潜伏七年的缺陷。编程的"施法乐趣"被剥夺了——但被剥夺的，恰恰是效率的敌人。

Agent 跑得越快，越要提前告诉它什么时候停

Agent 长任务除了完成目标，还要写明三类停点：连续尝试无改善、缺少关键事实、即将越过范围。停下汇报，比继续猜更省时间。

AI 又造了一个 helper：开工前先搜一遍仓库

AI 新增 helper 前，先搜索仓库里的同职责实现，再说明复用或新增的理由，把重复抽象拦在代码生成之前。

聊了半天需求，Agent 还是只做了一个 MVP

Agent 开工前先回读目标：交付什么、做到多深、哪些不做、如何证明完成，用十行复述提前暴露范围偏差。

「AI 写了我们 80% 的代码」，是代码行数换了个新公关

“AI 代码占比”只说写了多少、不说好了多少，是代码行数换的新公关：永远涨、永远不会错、什么都不承诺。研究在如实更新，市场在数行数，它却在动预算和裁员名单。衡量交付，回到 DORA、收入这些老办法——先问：这是产出，还是产量？

AI 写的前端总像四个人拼的？问题不在模型，在你没给它一套系统

没有 design system，agent 每屏都在重新猜审美，hex 色值堆到 19 个。它是给 agent 的约束，不是给人看的文档。先在设计工具里把字体、颜色、组件定死，再 handoff 给 agent——这就是前端的 Spec：先定系统，后写代码。

多数人不判断 agent，只是在吸收它的结论

判断力不是天赋，是可练的肌肉，练法就是“预测—对账”。派活前先写下你赌 agent 会怎么做、会在哪翻车；等它交活，先盖住描述自己猜，再对账。赌错那个点，正是最该盯住的地方。多数人只吸收 agent 的结论、不押预测，于是跑偏一年后才发现。

给 agent 做 CLI：你随手写的报错，是它的下一步指令

给 agent 做 CLI，报错不是日志，是接口。拆完飞书 lark-cli 的 35 万行源码，它只要求贡献者内化一条规则：你写的每条错误信息，都会被 AI 解析以决定下一步动作。typed error、stdout/stderr 分流、_notice 递话、lint 护栏，四个能直接抄的设计。

Agent 编程最隐蔽的盲区：你出了 loop，谁来替你摸 Tab 键

Agent 写的代码逻辑通、测试也过，用户的手却按不对地方：OpenCode 作者让 agent 处理焦点切换，它选了 f 键，而所有人的手指记得 Tab。agent 生成的是 plausible，不是 right；执行可以外包，品味判断不行。

AI 写完代码后，我只看这 5 个地方

Code Review AI 代码，传统清单全过，风险却藏在它替你做的默认选择里。五个该盯的落点：边界条件、错误处理、外部依赖的假设、状态一致性、权限边界——都是 AI 最容易自信做错的地方。十分钟把注意力收到这里，换半夜少接一次事故电话。

你以为 Agent 在 debug，其实它在猜

Agent 改 bug 来回改不对，缺的不是脑子，是现场。只给源码，它就只能做静态推理，本质是猜。解法不是换更强的模型，是先让程序开口：用日志暴露运行时事实，再动手修。往上一层，把可观测性建进系统，才是让 Agent 自主排查、自动改善的前提。

每次跟 agent 聊完，你把最值钱的东西丢了

跟 agent 聊完，代码进了 git，但踩过的坑、方案前提、下次先查什么这类工程判断没有容器，跟着 session 一起关掉了。解法：趁 context 还热让 agent 把非显然结论压成一两百字，丢进可搜索的 decisions 目录，下次 grep 就能调回来。

AI 写的测试全绿了？你在跟它一起自欺欺人

AI 同时写代码和测试，出题的和答题的是同一个脑子——代码里的隐含假设会照搬进测试，覆盖率 95% 也只证明内部一致。打破闭环只有一个方向：让测试的场景来自代码之外，由人从真实踩坑和业务理解里注入。

Spec 里最危险的，是你觉得不用写的部分

加缓存的 Spec 写了失效时间，没写"更新数据时清除对应缓存"——因为这太显然了。AI 不知道显然，Spec 写了什么它就做什么。越值钱的工程经验，越不会被写进 Spec；把"理所当然"变成白纸黑字，才是 Spec 质量的真正差距所在。

AI泔水之争：同样的烂代码，有人当武器有人当毒药

Mitchell Hashimoto 把 AI 生成的低质量代码当脚手架加速迭代，Anthropic 工程师说编程已被解决，另一篇文章却记录着新手靠 AI 产出超出自身判断力的产物——泔水不是问题，不知道自己在喝才是。

我让 AI 审了自己的代码，审了 10 轮

用同一把 prompt 对同一段代码做了 10 轮 AI code review，每轮都发现新问题——因为每次重构后代码形状变了，新接缝暴露新问题。AI 审 AI 需要稳定的标准、迭代的耐心，以及由人来决定"什么时候停"。

8 天 + 16 天 + 1 天：我不打算把 AI 编程跑成马拉松

AI 让你随时都能写代码，但这恰恰是新的危险——你永远离自己的代码太近。用人为的停顿替代以前的被动等待：8 天写代码，16 天只当使用者，1 天带着新眼睛回来审查。

AI 写的代码，你敢签你的名字吗？

AI 生成代码"均匀自信"、没有元认知，而我们在审查时也渐渐失去犹豫——commit 签的是你的名字，但决策链条里有一段真空，出了事才会被看见。

Agentic 工作流里，"等待"被重新定价了

Agent 跑任务时你不得不等，但切出去刷手机会冲走上下文，多 Agent 并行又带来冲突和审查瓶颈。等待期最值钱的东西，是你脑子里还热着的上下文——用来补漏洞、建预期、规划下一步，而不是切出去消遣。

你以为在审代码，其实在点合并

AI 把产出曲线和判断力曲线拆开了——Agent 永远全速，但你的审查能力在下午已经掉线。身体不再是刹车，只能靠自律：审到"只是在确认"就停，剩下的明天再审。

最好的 AI 使用者，是最不需要 AI 的人

同一个工具，资深工程师产出又快又稳，新人代码里却埋着三个月后才炸的坑。AI 是放大器，放大你已有的判断力——用 AI 提速的同时，在它帮不了你的地方花笨功夫。

当 AI 帮你绕过了所有坑——痛感消失之后，判断力从哪儿来？

AI 把所有坑都填平了，却也跳过了"踩坑→复盘→记住"的学习循环。直觉是被疼过之后长出来的条件反射，AI 的"干净输出"正在让新人失去学徒期、让老手的报警系统慢慢萎缩——主动给自己制造学习机会，是保持判断力的唯一方法。

跑一下试试，是 AI 时代最贵的验收方式

AI 生成代码的速度远超你阅读的速度，"跑一下试试"只能测到你想到的场景。真正有效的验收需要两层：先前置写验收标准让 AI 生成测试，再让另一个模型以"接手者视角"审查技术债——这十分钟能省掉三个月后那个"测试全过却线上出 bug"的噩梦。

不是不用 Spec，是你用错了——别告诉 AI 怎么做，告诉它什么不能做

好的前置文档不是给 AI 画一条路，而是画一个圈：目标在圈心，非目标和约束是边界，验收标准是终点线。圈内让 AI 自由发挥，"非目标"是投入产出比最高的一条，多模型交叉评审能在执行前填坑。

我同时用Claude Code和Codex开发：工具是壳，模型才是核

Cursor、Claude Code、Codex 是交互界面（壳），背后的大模型才是核心（核）。通过 Fin-Agent 的开发实录，总结出多模型调度的决策逻辑：生态绑定优先，灵活切换次之，成本最后——Agentic 时代工程师的核心竞争力是调度能力，不是工具忠诚度。

当Vibe Coding遇到百万行代码：OpenClaw教我的事

OpenClaw 从一个 WhatsApp 聊天机器人长成 25 万 Star 的开源项目，也演示了 Vibe Coding 的结构性困境：AI 优化每次 prompt 的局部正确性，不优化系统长期一致性，百万行代码后是不断爆炸的升级、512 个安全漏洞和失控的熵增——Vibe Coding 有一条看不见的红线。

Vibe Coding 已死：Karpathy 宣布的 Agentic Engineering，到底改变了什么？

Karpathy 在 Vibe Coding 诞生整整一年后亲手"退休"了它，提出 Agentic Engineering——你 99% 的时间在编排 Agent、监督产出，而不是直接写代码。核心流程从随性 prompt 演变为 Plan→Execute→Verify，Spec 写作、代码审查、系统设计成为新的差异化能力。

当开源想法三天就能被复制

Coding Agent 让"三天用 Rust 重写开源项目"成为现实，原创者积累三年的认知资产被快速消费，开源生态的回报结构正在崩塌，原创动力在静悄悄地枯萎。

与 AI 共事一年，我从"甩手掌柜"变成了"掌舵人"

与 Coding Agent 协作将近一年的真实心得：从把 AI 当外包甩手、到凌晨被 oncall 叫醒的教训，到建立"先聊再写"、分步验证、保持怀疑的协作习惯，工程师的核心价值在于设计、判断与掌舵。

从"写代码"到"审代码"：AI 时代，开发者的能力迁移

Coding Agent 把开发者的核心职责从"写"迁移到了"审"：AI 两分钟生成 200 行，你要花 40 分钟把关，真正决定结果的是你前面的规划与后面的判断——架构取舍、需求拆解、代码嗅觉，这些能力在 AI 时代反而更值钱了。