我们每周收取 1 万美元来删除 AI 生成的代码

原文 ↗ Hacker News 讨论 ↗

商业模式：“Slopfix” 重构服务

  • 服务：为期一周的合作，三名资深工程师，约 1 万美元，专注于删除并重构 AI 生成的“slop”代码。
  • 他们承诺一个代码规模缩减目标；付款与他们实现的缩减程度成正比。
  • 大量使用 LLM 作为工具（例如 Claude Code）来进行大规模重构，但架构和决策由人来主导。
  • 两周“保修”窗口引发了批评，认为太短；服务方称实际上他们不会弃客户于不顾，而且现在 bug 更容易修复。

这真的新吗？

  • 一种观点：这不过是清理遗留“巨石泥球”系统、外包代码，以及云/加密货币/各种炒作余波的最新版本。
  • 另一种观点：AI 造成了前所未有的 LOC 爆炸；AI-slop 将远远超过经典遗留技术，制造长期的“slopfield”工作。

AI 生成代码的质量

  • 体验差异很大：
    • 有人表示，在熟练工程师使用下，AI 辅助代码更干净、文档更完善，也比 AI 时代之前的代码更易维护。
    • 另一些人则看到非工程师或缺乏经验的用户产出的极端“vibe-coded”乱象：脆弱、纠缠不清的架构，以及危险的捷径（例如破坏性的数据库迁移）。
  • 几位评论者将其区分为：
    1. 非开发者纯粹的 vibe coding。
    2. 具备流程意识的非程序员使用 AI。
    3. 使用 AI 且具备强审查和结构约束的工程师。
    • 把客户从（1）带到（3）被视为极具价值。

用 AI 清理 AI

  • 怀疑者将“AI 输入，AI 输出”比作重复的有损转码：错误会累积，而不是相互抵消。
  • 支持者则认为 AI 是一种强力工具：在有经验的开发者手中，它能加速针对性重构、代码剖析和基于模式的清理。
  • 常见模式：先编写或改进测试（e2e、单元、mutation），定义严格的重复/ lint 规则，然后在 CI 约束下用 AI 迭代删减与重构。

可行性、范围与风险

  • 有人怀疑一周内能否理解复杂业务规则并捕捉回归，尤其是在测试套件薄弱的情况下。
  • 支持者声称：
    • 很多 AI-slop 仍处于早期阶段，还没有被十年的边角案例拖累。
    • 工作可以拆分为“概念上困难”的人工任务和“重复的模式化”任务，后者交给 AI。
    • 初始扫描、客户走查和架构决策由人来主导。

市场、激励与长期担忧

  • 目标客户通常是过度使用 AI、如今面对难以维护仓库的非技术创始人。
  • 有人预测会形成一个永久循环：客户先重构，然后又在其上继续 vibe coding，从而产生持续性的咨询工作。
  • 也有人认为“真正”的修复应当是由人主导的重写，但许多人反驳说，全面重写很少是最优方案。
  • 还有人担心行业对专有 LLM（Anthropic/OpenAI）形成基础设施级依赖，以及未来定价或可用性冲击的风险。