#屎山代码

2周前

AI 真的是让一部分程序员成为了 10x 屎山堆砌员

#AI #程序员 #屎山代码 #负面 #技术

2周前

我在Review Vibe出来的屎山代码时候，发现AI有过度使用错误管理的问题，一个破函数执行，非要中间套用一个甚至两层的错误管理，try来try去的，给我全删了。

#AI过度使用 #错误管理 #代码审查 #try-except #屎山代码

3周前

看到了一个超有趣的开源项目：分析代码的屎山等级 fuck-u-code 这个开源项目，很有意思。项目名字就非常直白，这其实是一个代码质量分析工具能识别项目中的「屎山代码」，也就是那些质量低下、难以维护的代码片段或文件。开源地址：它会扫描指定的项目目录，对代码进行多方面的评估。它不仅仅分析单一指标，而是综合考量七个关键维度来给代码打分。这些维度包括代码的循环复杂度、函数的长度、注释的覆盖率、错误处理的完善程度、命名是否符合规范、代码是否存在重复以及整体代码结构的合理性。最终，它会给出一个 0 到 100 分的屎山指数，需要特别注意的是，在这个评分体系里，分数越高意味着代码质量越差、越接近“屎山”状态。

#开源项目 #代码质量分析 #屎山代码 #代码评估 #负面

2个月前

对于 AI 编码提升效率这事，越是开发经验丰富的人越是保守，倒不是说这些人是老顽固不接受新技术，只要开发软件的模式没有变，还是现在的要做架构设计、写代码、测试、上线部署的模式，那么目前 AI 编码提升效率就是有限的。 AI 编程在特定场景确实会效率飞起：比如写个爬虫脚本、截图到UI、将代码从一种语言翻译为另一种语言、做个原型等等但是当项目开始复杂，AI 对效率提升就会降低，主要有几个原因： 1. 屎山代码 AI 对于维护屎山代码比较困难，因为它无法理解完整代码，并且它很难保证不让屎山代码崩溃 2.模糊的需求即使是AI编程，也需要理解需求，需求的描述常常只有一段话，这样模糊的需求是无法直接发给 AI 的，需要负责开发的人先理解需求，理解当前项目架构，然后抽象成编程上的描述，才能指挥 AI 帮你变成代码 3. 复杂的技术实现复杂的技术实现对于 AI 来说，对于人来说同样不好描述清楚，虽然能做出来，但是很多时候生成结果不一定是正确的或者想要的，需要反复几次才能得到想要的结果，甚至一直得不到。这种反反复复生成的成本也是成本。有人会说：即然屎山代码不好维护，你新开项目不就好了？遗憾的是：当你的应用一旦走上正轨上了规模，必然会变成屎山代码并且越来越复杂，主要差别是前期 AI 速度快，但是制造屎山的速度更快！也有人说：那我事先做好架构设计无论架构设计多优秀，也难避免屎山代码的宿命： 1. 需求一直在变，你的架构设计是针对老的需求，随着新的需求增加，老的架构慢慢的就无法满足了，需要重构 2. 实施架构的人或者 AI 如果不能很好的理解和贯彻架构设计，就很难保证代码质量不过上次有个朋友提到：微服务架构在 AI 编程时代要重新火起来了这点我倒是认同，微服务架构被人诟病的是过度设计维护起来不容易，一个小项目拆几百个微服务，但它最大的优点就是耦合度低，每个服务之间通过协议通信，但是内部实现可以比较灵活，这其实蛮适合 AI 生成的，不必过于纠结它代码质量，能稳定运行就好。只不过微服务架构同样考验架构水平，另外适用于大中型项目的后端，小项目同样没必要折腾。说这些不是说 AI 编程没用，只是说一下不要对它的效率抱不切实际的幻想

AI编程工具激战：Claude Code、Gemini Cli崛起· 794 条信息

#AI编码 #效率提升有限 #屎山代码 #微服务架构 #需求变更