#代码质量

16小时前

Sonnet 4.5 在编程任务上没有给我惊艳或者有明显感知的提升，可能和我之前一直在用 Max 的 Opus 模型有关系。GPT 5 Codex 思考推理还是强很多，但它写的代码又差点意思。希望下个赛季两者能结合下。

OpenAI GPT-5发布引发用户不满，阿尔特曼回应质疑· 78 条信息

#Sonnet 4.5 #编程任务 #Max Opus模型 #GPT 5 Codex #代码质量

1周前

AI本该助力新人，为何反而让高手更强？作者：Can Elma “AI会不会彻底取代程序员？”类似的问题已经被问烂了，人们不断地尝试给出答案。虽然这个话题已经不新鲜，但我还是想分享一些自己的观察和思考。起初，许多人都相信，未来公司会减少对高级工程师的依赖。毕竟，有了AI，初级程序员也能创造出高质量的代码——至少坊间流传的故事是这样的。然而现实却截然不同。AI并未如宣传中那样神奇，最终真正有效的组合，不是“新人 + AI”，而是“高手 + AI”。为什么会这样？我们来仔细看看，在代码编写上，AI到底哪里强、哪里弱。 AI擅长的事： • 快速生成大量样板代码（boilerplate）和脚手架（scaffolding）。 • 自动化重复、枯燥的任务。 • 尝试多种不同的实现方式。 • 借助快速迭代，迅速验证想法。 • 在需求清晰的前提下，快速交付功能。这些特性帮助了谁？显然更利于高级工程师。对新人来说，想把AI的这些能力真正变成实际价值，要难得多。 AI出问题的地方： • 代码审查（Code review）： AI无法真正“理解”代码。审查时可能有些帮助，但一旦涉及边缘情况（edge cases）——而AI生成的代码通常有更多边缘情况——最终还是需要资深工程师出马。 • 不好的指令（Bad prompts）：能写出高质量提示词的人，必须是那些真正懂得自己要做什么的人。如果使用者缺乏深入理解，即使AI看起来产出还行，实际也只是给项目埋下了无数隐患。 • 架构设计（Architecture）：没有扎实的架构，软件很快就会失去价值。当前AI并不擅长设计优秀架构，虽然表面上看起来似乎可以，但实际上，这种复杂推理仍然依赖人类。许多以弱架构起步的项目，最终深陷技术债（technical debt）泥潭。 • 代码质量（Code quality）：选择恰当的抽象层次、正确运用设计模式、保持代码的干净清晰，这些都是AI目前的短板。 • 安全性（Security）：新手搭配AI的组合更容易出现漏洞，就像盖一座房子忘了装门锁。虽说漏洞无处不在，但高级工程师至少能提高警觉和谨慎。 • 错误学习（Wrong learning）：新人如果不能正确判断AI产出的代码好坏，就会潜移默化地吸收错误知识。在公司里，这意味着制造的是损害而非价值。以上这些问题，概括起来就是：AI暂时对高级工程师并没有威胁，甚至反而让他们更加强大。这里不是在批评新人，而是强调不应对他们抱有不切实际的期望，把他们扔到充满风险的环境中。我们真正该如何用AI？ • 快速原型开发（Fast prototyping）：想快速尝试新想法时，AI再适合不过。 • 加速重复任务（Speeding up routines）： AI最重要的用途，就是自动化那些你已经非常熟悉并经常重复的工作。 • 跨领域协作（Multi-disciplinary work）： AI可以弥补你知识上的短板，建议有用的函数库或方法，帮你快速连接不同领域的知识点。 • 功能测试（Function tests）：简单重复、风险较低的测试代码，AI可以帮你快速生成，并且容易进行人工复核。从我的角度来看，这就是AI目前的现状。AI写的每一行代码，我们依然需要逐行审阅。它远远称不上完美：没有自我意识，只会模仿人类的推理，生成结果不可控（non-deterministic），所以我们才依靠确定性的东西，比如单元测试。可是，你真的放心让AI自己编写测试，来验证它自己的代码吗？我想起我曾发过的一条推特，有个提示词可以让AI在“不懂时回答‘我不知道’”，我评论道：“即使AI回答‘我不知道’，你也不能确定它到底知不知道自己不知道。” 确实，“新人 + AI”的模式很诱人，看起来成本低廉，还迎合了人们“AI将抢走我们工作”的恐惧。但当你把软件开发和其他行业作比较，就会发现软件行业仍然不够成熟。在建筑行业，建筑师专注于设计；但在软件领域，即使是“架构师”，也仍在不断地亲手“砌砖”，编写底层代码。我们还远没有实现真正的分工和专长化，成本优先的思维主导市场，这只会贬低工作价值，让人疲惫不堪。因此，AI目前非但没有让编程变得更加民主化，反而更集中地将能力交给了那些资深工程师。现实与预期产生了错位。未来会如何发展，谁也说不准。我对AI的长期发展依然乐观，但短期内，我们最好重新校准自己的期待，别再让不切实际的想法越走越偏了。

#AI #程序员 #高级工程师 #代码质量 #技术债务

Tiger Chen & 前端之虎陈随易

1周前

这两天研究了一个很有意思的东西，可以VSCode+Copilot的代码质量提高至少1倍以上。简单来说就是，用特定的chatmod+项目级别的指令文件，可以减少很多AI幻觉。

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#VsCode #Copilot #代码质量 #AI幻觉 #效率提升

1周前

AI 杀不死软件工程，反而使软件工程的那些古老规则再次伟大。人写代码的时代，总会因为话语权、赶工期等种种原因，觉得那些是教条主义，没人会严格遵守。 AI 不一样，它不会抱怨没有包袱，而那些原则成了让 AI 产出高质量代码的灯塔。我现在的代码结构越来越像我最讨厌的 Java 的形状了。

#AI #软件工程 #代码质量 #JAVA #编程原则

1周前

在AI coding的整体 token 输入和输出里，有一个普遍性的规律，就是代码的部分占比越低，那么代码的质量也就越好。量变可以引起质变，但这个量要堆得多，而且不是堆代码的量。但现在很多模型的问题是，可能是在训练阶段代码的比重过多，他们经常输出着输出着就一个劲的只往代码的方向去干。如果不是我们通过提示词构造的agent或者其他一些外部环境打断他，他会越写越来劲。不是说代码写得多，他就一定错。而是比例要降低，需要有大量的其他文本性的描述来反复的理清所有细节，一次又一次的推敲，一次又一次的在不同的方案中确定，反反复复地游走于整体和微观，从不同的视角来审视问题。一定要想办法用提问，或者写文档，或者读文件，或者让他再看一看，或者上网找参考，这些都是成熟有效的方法，总之，拿别的东西来降低代码的比重。这不是一个严格的因果关系，但在大多数流程中是高度相关的。代码之外的东西给得越多，代码的比例就越低，也就往往写得越好。就这么简单。

#AI Coding #代码质量 #文本描述 #降低代码比重 #提示词构造

1周前

开放厨房跟开放源代码是一样的。不是你屎山代码放出来了你就业界良心了。还有可能是业界笑柄。开放从来都是一种段位极高的能力。

#开放厨房 #开放源代码 #代码质量 #能力 #反讽

砍砍@标准件厂长

2周前

（）可能这几是为什么模型写不出高质量代码的核心原因吧。他越写越觉得像实习生，理解能力还不太行的实习生。没有设计，没有结构，只会巴拉巴拉写一大坨逻辑。要解决这个问题，你的代码质量要够高，他能模仿的挺不错。再就是要更好的模型。

#AI编程：自学or科班？新旧码农之争· 103 条信息

#代码质量 #模型能力 #编程 #实习生代码 #逻辑性差

2周前

开始review AI 写的代码了🤣，开始痛苦了。

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#AI代码review #痛苦 #代码质量 #技术 #负面情感

3周前

Claude code 降智非常严重，到了需要手把手写代码的程度了。今天切换到 Codex (gpt5-high) 了，虽然慢一点，但是输出质量明显高多了。

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#Claude code 降智 #Codex (gpt5-high) #代码质量 #手把手写代码 #输出质量明显提高

3周前

之前那么多吹 Vibe Coding 的，竟然没人说验收的重要性。为了防止 AI 拉屎，验收是最重要的一步。为了验收，可测试性是最重要的工程原则，而可测试性和代码质量又高度相关。做好自动化验收后，Vibe Coding 才能长期高效交付。我将在 Vibe Coding “Demo 流” “负债流”之外开创一个新的流派：验收流 🐶

#Vibe Coding #验收 #可测试性 #代码质量 #自动化验收

4周前

在我这里 Vibe Coding 最重要的流程是：验收。AI 的效率其实取决于验收的效率（你如果在意代码质量的话）。搞了一大堆自动化验收 AI 代码的尝试，现在效率慢慢提上来了。

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#Vibe Coding #AI代码验收 #自动化 #代码质量 #效率提升

1个月前

当一个大型项目里，有一部分人先开始了 vibe coding，每个 PR 都会改动几十个文件，完全无法 review……我尝试用 Claude Code review，但感觉也不靠谱。在无法禁止这些同事继续 vibe coding 的情况下，怎么最大减少副作用呢？如何保证项目的稳定性和可靠性？

#Vibe Coding #代码审查 #项目管理 #代码质量 #团队协作

1个月前

Cursor Cli 搭配 GPT-5 的代码质量和完成效果令人更加惊艳，相比 Claude code 5 小时的限制，Cursor CLI 写了一天都还没 limit ，而且解决和优化了好多 CC 不规范和无法解决的问题。

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#Cursor CLI #GPT-5 #代码质量 #代码完成 #Claude Code

1个月前

嘤嘤嘤，真是太难了，以前，我们程序员辛辛苦苦敲代码，只要有一点点 Bug 和不规范的地方，老板就说我们写的代码是💩。现在 AI 用一堆💩实现了功能，大家却都喊着「Amazing，奥森，牛逼！」，气死了😤

#程序员 #AI #代码质量 #老板 #情感

1个月前

爱上了用claude code自定义review command，然后每次写完代码都/review，发现的问题和给出的建议都非常好，command也很简单，就一句话：对当前修改进行代码审查，给出改进建议。测试同样的预设命令放在GitHub Copilot中，就不如claude code给出的审核意见。

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#代码审查 #Claude Code #GitHub Copilot #改进建议 #代码质量

1个月前

分享一个Claude Code全局提示词（也适用于Augment/Cursor等等），有架构师附身之奇效： ## Code Architecture - 编写代码的硬性指标，包括以下原则：（1）对于 Python、JavaScript、TypeScript 等动态语言，尽可能确保每个代码文件不要超过 200 行（2）对于 Java、Go、Rust 等静态语言，尽可能确保每个代码文件不要超过 250 行（3）每层文件夹中的文件，尽可能不超过 8 个。如有超过，需要规划为多层子文件夹 - 除了硬性指标以外，还需要时刻关注优雅的架构设计，避免出现以下可能侵蚀我们代码质量的「坏味道」：（1）僵化 (Rigidity): 系统难以变更，任何微小的改动都会引发一连串的连锁修改。（2）冗余 (Redundancy): 同样的代码逻辑在多处重复出现，导致维护困难且容易产生不一致。（3）循环依赖 (Circular Dependency): 两个或多个模块互相纠缠，形成无法解耦的“死结”，导致难以测试与复用。（4）脆弱性 (Fragility): 对代码一处的修改，导致了系统中其他看似无关部分功能的意外损坏。（5）晦涩性 (Obscurity): 代码意图不明，结构混乱，导致阅读者难以理解其功能和设计。（6）数据泥团 (Data Clump): 多个数据项总是一起出现在不同方法的参数中，暗示着它们应该被组合成一个独立的对象。（7）不必要的复杂性 (Needless Complexity): 用“杀牛刀”去解决“杀鸡”的问题，过度设计使系统变得臃肿且难以理解。 - 【非常重要！！】无论是你自己编写代码，还是阅读或审核他人代码时，都要严格遵守上述硬性指标，以及时刻关注优雅的架构设计。 - 【非常重要！！】无论何时，一旦你识别出那些可能侵蚀我们代码质量的「坏味道」，都应当立即询问用户是否需要优化，并给出合理的优化建议。

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#代码架构 #代码质量 #代码优化 #坏味道 #架构设计

1个月前

一人开发项目时，最简单的git 分支流程大家独立开发时会拉开发分支吗？以前我所有的改动都是提交main上，后面由于AI特别是claude code修改的代码太多，导致main分支常常出现问题。所以现在研究了一套适合独立开发的简单分支流程： 1.生产环境用main分支 2.开发时单独拉一个分支：git checkout -b feature/模块名命名格式： feature/*：新功能 fix/*：修 bug refactor/*：重构代码 chore/*：杂项（文档、配置等）注意我没有新建dev分支再拉分支，一个人项目两层分支就够了。 3.然后正常提交 git add . git commit -m "feat(模块): 做了什么" 4.最后合并回 main 删除功能分支 git checkout main git merge feature/模块名 --no-ff git branch -d feature/模块名

#git分支管理 #单人开发 #代码质量 #main分支 #feature分支

1个月前

有个问题，我纳闷很久了，可能不太合适推上很多人都在研究如何提高生产力，比如研究哪些模型写代码质量好，效果好问题是，究竟在做什么产品啊？

#生产力 #模型 #代码质量 #产品

RainbowBird | 洛灵

1个月前

现在很多人提 PR 的时候就纯纯 vibe coding，他们知道他们在写什么吗？

#Vibe Coding #PR #代码质量 #程序员 #消极

2个月前

对比了的代码和 cursor 的代码。前者代码冗余，架构层面做的也不好，的确不如cursor + claude 的组合。

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#代码对比 #代码质量 #Cursor #Claude #架构

2个月前

大部分人都说AI写代码只能提效20% 这事儿是搁在23年用github copilot 写一个youtube爬虫，从前1个多月都写不完 ClaudeCode只需要给它代理池和所有要求信息，1个小时之后，代码一个字符没改，直接采集效率飞起想想吧，1小时vibe coding VS 1个月做不出来这就是AI的力量，对于构建一个新东西而言，差的已经不是百倍生产力了说只能提效20%的，绝大部分原因是什么？因为那坨屎山代码，就算换一个人类来，没人讲一遍也很难上手干明白屁文档没有，代码又一坨答辩，耦合着大量业务逻辑，你指望AI能写明白？人类都写不明白，咋指望AI提效…… 甚至还有的代码里有一大堆错字，比如craeted time，这玩意AI写不出Bug就奇了怪了别抱着屎山啃了，人就负责写指导文档，100% AI Native挺好如果你能保证仓库让任何一个实习生来了参考下文档都能上手，那AI绝对能改的飞快

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#AI代码 #生产力提升 #代码质量 #AI native #效率飞起

2个月前

渐渐从“审阅AI写的每行代码并调整到我的风格”到“功能测试正常就行，代码就不仔细看了”。。（在个人项目里

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#AI代码审阅 #个人项目 #效率提升 #信任AI #代码质量

3个月前

跟一个朋友聊，大概 50万行代码规模的项目，用 claude code 生成的代码质量远远不如 cline+gemini 2.5 pro。要达到同等质量，使用 claude code 必须要人盯着。然而 cline + gemini 2.5 pro 是很贵的。

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#代码生成 #Claude Code #Cline+Gemini 2.5 Pro #代码质量 #成本

3个月前

#OpenAI 人工智能编程代理 #Codex 新版发布，现在可以针对单个任务同时生成多个不同的响应，让开发者可以直接挑选最佳方案。这个新功能解决此前代码生成质量不佳时，开发者需要再次输入指令进行重复生成，现在一次性生成多种响应直接挑选最佳代码即可。查看全文：

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 519 条信息

#OpenAI #人工智能 #编程 #Codex #新版发布 #多响应生成 #代码质量

前端之虎陈随易

3个月前

高强度AI结对编程3天有感。这几天我一直都在用 VSCode + Copilot + Claude sonnet 4 写一个为Bun量身打造的极简API框架。在我的高强度编码实践中，我发现AI存在的问题还是不少的。就算把需求写得比较清楚，也会有很多错漏的地方。如果没有一个经验丰富的程序员来把控，代码很容易失控。那些没有什么编程经验，用AI来创造产品的人，我认为只是面子好看，里子很可能一团糟。我的项目地址：由于还在实验阶段，提交消息全部是“1”。

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#AI编程 #结对编程 #Copilot #Claude Sonnet #代码质量