清理 AI 摇滚明星开发者留下的烂摊子

“AI 摇滚明星” / vibe coding 式烂代码的特征

• 许多人把 AI 生成的代码比作过去的“摇滚明星”式或外包式垃圾代码：功能交付很快，但设计糟糕、重复、抽象怪异、集成脆弱。
• LLM 的典型特征包括：不必要的复杂性、超出需求的过度构建、重复造轮子而不是使用框架已提供的能力，以及又大又慢的前端。
• 也有人认为这并不新鲜：过去的 spaghetti VB/PHP、复制粘贴式海外外包，以及过度工程化、以简历驱动的技术栈也有类似问题。

管理与组织动态

• 几位评论者坚持认为，这本质上是人的问题/管理问题：缺乏代码审查、自上而下的 AI 指令，以及管理者为了迎合高层而被迫“写代码”。
• 有人说你应该拒绝糟糕的 PR，并让作者承担后果；也有人回应说，在大型层级化组织里你无法顶回去，大家只会期待你收拾残局。
• 对公司是否会真正把重构/维护优先于“速度”和 MVP 这一点，存在强烈分歧。

LLM 在实践中的用法

• 正面体验：
  • 开发者报告说，使用 LLM 做脚手架、重构、迁移、基础设施和测试，并配合多轮审查/清理提示，能显著提升生产力。
  • 有些人可以主要借助 LLM 交付完整应用（Web + 移动端 + 基础设施），并用它们来接手遗留代码库或调试棘手问题。
• 负面或谨慎观点：
  • LLM 会放大坏习惯；新手会接受“能跑就行”，却并不真正理解。
  • 人们担心代码臃肿、逻辑重复、神秘抽象，以及组织生成技术债的速度快到人类无法修复。
  • 对“自动清理技术债的智能体”或“AI 时代没有技术债”之类的想法持怀疑态度。

可维护性、重构与工匠精神

• 普遍认为，可维护性仍然取决于人的理解、架构、测试和纪律。
• 有人认为 AI 很适合原型和一次性工具；也有人警告说，原型往往会硬化成生产系统。
• 几位评论者强调重构能力和长期“园丁”角色；另一些人则说现代组织很少奖励这种工作。

职业、角色与情绪

• 讨论中流露出无聊、倦怠、未被充分利用，以及担心被替代——或者担心永远都在清理 AI 留下的烂摊子。
• 关于“10x 开发者”以及“开发者”与“工程师”的区分也有争论；有人认为这是把关门槛，也有人认为这确实反映了生产力差距。