#技术债务

海拉鲁编程客

1天前

cc在很多时候读了几个文件就敢下判断开始 coding。这就是代码一膨胀，迷之操作就特别多的原因。你不可能再屎山里见微知著。

#草率决策 #代码膨胀 #屎山代码 #技术债务 #负面

象牙山刘能

1周前

上大学的时候，有一次找到大师请教：软件工程课太抽象了，那些规范和流程感觉只会拖慢开发进度，真的有用吗？大师：20年后如果你还在编程的话，才会发现软件工程的真正价值。我：大师我悟了，您是说只有经历足够多的项目失败和技术债后，才能真正理解软件工程的重要性。大师：并不是。到那个时候你自然会明白的。 --- 很多年过去了，就在今天，我跟 AI 编程工具说：“先别着急写代码，我们需要先讨论需求、形成设计文档……”，突然想起来这段对话。

#软件工程 #AI编程工具 #需求设计 #经验理解 #技术债务

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

1周前

Vibe Coding 清理服务（Vibe Coding Cleanup as a Service）作者：Donado Labs 一个全新的服务门类正在科技圈悄然兴起——“Vibe Coding 清理服务”。它最初只是LinkedIn上的一句调侃：“修复AI造成的烂摊子”，没想到竟然变成了真金白银的商机。现在，几乎没人敢公开承认的残酷真相是：绝大多数AI生成的代码根本达不到生产标准，各家公司不得不疯狂招聘专家，来解决AI造成的技术债务（technical debt），以防止项目彻底失控。 “凭感觉编程”的井喷时代 2025年初，知名AI专家Andrej Karpathy提出了“凭感觉编程”（Vibe Coding）这个词。他用这个概念精准地描述了当下开发者的日常：通过和AI聊天，几句话就能生成整个函数，而不用亲自一行一行地敲代码。这种编程方式据称能让开发效率提升10倍。根据GitHub的报告，如今92%的开发人员都在使用AI代码工具，仅Copilot每个月就生成了数十亿行代码。但这个看似美好的故事里，却有个业界不愿面对的问题：AI生成的代码质量堪忧。GitClear分析了1.5亿行代码后发现，AI辅助的代码“翻工率”（churn rate）比传统代码高出41%——也就是说，接近一半的代码在两周内就被撤销或重写了。斯坦福大学的研究者也证实：使用AI工具的开发人员写出的代码安全漏洞更多，但他们却误以为自己的代码更安全。这些工具不仅复制了糟糕的编程习惯：缺乏输入验证、使用过时的依赖库，还做出让资深程序员痛苦的架构选择。 “代码清理”成了真正的生意据404 Media的调查报道，许多开发者正依靠修复AI代码谋生。Hamid Siddiqi便是其中的佼佼者，他同时接手15-20个代码清理项目，每小时收取高额费用来梳理他口中的“AI意大利面条”（AI spaghetti）：接口混乱、功能重复，甚至还有令人摸不着头脑的业务逻辑。软件咨询公司Ulam Labs甚至直接把“Vibe Coding 清理”作为主打服务进行推广。市场需求之大催生了专门的平台 VibeCodeFixers .com。这个平台推出短短数周，就吸引了超过300名代码清理专家入驻，成功匹配数十个项目。创始人Swatantra Sohni形容典型的客户是：“烧光了5000美元的OpenAI积分，拿着一个勉强能用的半成品，不肯放弃，但又急需把它变成正式产品。” TechCrunch甚至指出，目前Y Combinator 孵化的创业公司中有25%的代码几乎完全由AI生成。从硅谷的状况来看，这个趋势规模惊人。为什么AI代码难以达到生产标准？问题的核心并不是AI写代码太差，而是它只擅长局部优化，根本不理解整体架构。Stack Overflow的分析指出，AI只适合完成孤立的小任务，但在系统架构决策上表现糟糕。每一个AI生成的代码片段都在制造技术债务：模式不一致、逻辑重复、暗藏安全漏洞，而这些问题通常连自动扫描工具也发现不了。乔治城大学的研究发现，至少48%的AI生成代码包含严重的安全缺陷。AI工具时常将敏感信息泄露到代码中，建议开发者使用过时的库，还生成只有在高负载时才暴露出来的竞态条件（race condition）。更糟糕的是，很多开发人员甚至无法理解AI生成的代码，根本没能力发现这些隐患。Thoughtworks把这种现象称作“能力债务”（competency debt）：开发团队逐渐丧失自己维护代码的能力，逐渐依赖无法彻底理解的AI代码。清理服务的巨大市场机会 “Vibe Coding 清理”的市场正在快速增长，虽然还没有明确的行业统计数据，但Gartner预测，到2028年，75%的企业软件工程师都会使用AI代码助手。只要其中一小部分项目需要清理——而目前的情况表明大部分都会需要——这个新兴市场就极为庞大。经济账很容易算清楚：初创公司用Vibe Coding省下数周时间快速做出原型，再花相似的时间和预算来清理。尽管如此，总体速度仍比传统开发快得多。掌握快速清理AI烂摊子的专家，收费可高达每小时200-400美元。有些专家甚至开始打造标准化服务：固定价格的代码清理套餐、AI代码审计和“从凭感觉到生产就绪”的流水线。 Thoughtworks指出，AI辅助代码项目中，重构代码的活动减少，但代码返工率激增。许多公司甚至专门招聘“AI代码修复专家”。毫无疑问，这个市场是真实存在的，正在飞速发展，而且潜力巨大。软件工程的未来将如何变化？我们正经历一场软件开发方式的根本转变：AI负责初始实现，人类负责架构设计、测试和代码清理。这可能不是我们曾设想的未来，但确实是当下发生的现实。 Gergely Orosz认为，AI工具就像“极其积极的初级程序员”：写代码速度飞快，但需要不断指导。问题是，这些AI初级程序员永远无法晋升到资深级别，清理专家永远有市场。我们的态度在 Donado Labs，我们清理过太多AI造成的烂摊子。我们深知AI虽然能加速开发，但只有专业的代码清理才能让AI代码真正可用。我们用AI进行原型开发和日常任务，但关键架构和业务逻辑仍由人工完成。我们的“从Vibe到生产”的服务专门帮企业把AI原型转化为生产环境可用的代码，确保测试充分、安全可靠、文档清晰。真正成功的企业不是大量使用AI的，而是聪明使用AI的。他们用AI快速原型，再主动投入专业的清理服务，避免技术债务堆积。下次再有人说AI会取代程序员时，问问他：“AI的烂摊子谁来清理？”这才是新的机会所在。

AI编程工具激战：Claude Code、Gemini Cli崛起· 903 条信息

#AI代码清理 #技术债务 #Vibe Coding #AI代码质量 #软件工程未来

2个月前

今天看到的对于 Vibe Coding 最形象生动的比喻： > Vibe Coding 就像把信用卡给一个孩子，却没有先向他解释什么是债务。 > 可以想象，第一阶段是欣喜若狂的。我只要在商店里挥舞这张小小的塑料卡片，就能拿走任何我想要的东西！ > 这很像——AI 现在什么都能做了！没人需要学编程了！快看它刚刚为我创造了什么！ > 但等上一个月，你就会收到信用卡账单。我真的需要买所有那些东西吗？我该如何摆脱这个困境？ > 对于“跟着感觉走”的程序员来说，情况是相似的。我的代码坏了。所有这些文件和文件夹到底是干什么的？我该怎么才能修好它？我花在“vibe coding”上的 400 美元能退款吗？ > 如果你看不懂代码，你唯一的办法就是请求 AI 帮你修复它，这就像用一张新的信用卡去偿还另一张卡的债务。

#AI编程：自学or科班？新旧码农之争· 104 条信息

#Vibe Coding #AI编程 #技术债务 #代码可维护性 #过度依赖AI

2个月前

今天开始大量的删除 ai 帮我写的前端代码，终于清爽了

#删除AI代码 #前端代码清理 #代码优化 #技术债务 #积极

3个月前

维护了 10 年的 JS 项目，还能发现 bug 🐞，真是个无底洞啊…… 👉

#JavaScript #bug #项目管理 #程序员生活 #软件维护 #技术债务

3个月前

感觉又修好了一个并发引起的 bug

#编程 #Bug修复 #并发 #软件工程 #技术债务

5个月前

AI编程害人，层层雷，埋得太深了。搞到现在，要我狗命。

#AI安全 #编程困境 #技术债务