软件工程基础比以往更重要
软件工程师们正在争论大型语言模型和“代理式”编码工具会如何改变日常开发，尤其是在可维护性、架构和可靠性方面。许多人发现，LLM 在小型、规格明确的任务、排错和测试驱动工作中非常有效，但一旦让它们自主设计系统、推断需求或管理长期存在的代码库，就会变得脆弱或混乱。更深层的争论在于：AI 会更多地像强大的 IDE 一样增强开发者，还是会让这个职业大幅降技能化并被取代，抑或它在提示注入、上下文长度以及关于软件设计权衡仍然需要人类判断这些问题上，始终存在根本限制。
代理式编码体验
- 多位评论者报告称，代理式工具在真实代码库上的效果很差：会破坏代码、做出错误修改，而且需要全面的人工审查。
- 在范围紧、开发者监督强的小型新项目中，成功似乎更常见。
- 有人认为，要获得稳健结果，你可能需要极其详细的规格说明（几十页），而这时整个流程感觉比直接编码更慢，也更不可靠。
测试、规格说明与可靠性
- 普遍认为，LLM 在有人类编写的测试和清晰目标指导下表现最好（通常采用 TDD）。
- 让 LLM 自己写测试会导致检查流于表面或具有欺骗性，以及“作弊”。
- 也有人声称自己有大型、主要由 AI 维护的应用，而且在实践中很稳定，但怀疑者指出其时间跨度较短，而且没有外部用户。
架构、可维护性与上下文限制
- 常见抱怨包括：目录结构混乱、临时拼凑的状态管理、薄弱的接口，以及在错误处理上的任意选择。
- 有人认为这是规格问题：如果你没有精确指定行为，模型就必须发明语义。
- 也有人将其归因于上下文长度等根本限制；如果无法完整看到代码库，全局架构和去重就很困难。
推理 vs. 预测
- 关于“推理”究竟是下一词元预测的涌现属性，还是仅仅是模式匹配的幻觉，存在争论。
- 没有公认的真正推理测试；几位评论者认为当前模型只是在模拟推理。
安全与提示注入
- 一方引用评估数据称，在特定新模型中，间接提示注入成功次数为零，并表示这个问题“基本已解决”。
- 其他人则指出近期真实事件，并表示只要系统提示仍有可能被绕过，注入问题就仍未解决。状态并不明确。
类比与 AI 生成代码的角色
- 一个流行类比是：AI 代码像宜家家具——体现了许多良好实践，对大多数情况来说“够用”，但在耐久性和高端需求方面较弱。
- 反对意见强调，软件比家具更动态；可维护性和无法预见的边缘情况至关重要。
对软件工程和学习的影响
- 有人预测，对普通开发者的需求将大幅减少，只剩少数专家核心来引导 AI 系统。
- 也有人质疑时间线，并指出迄今为止的预测并不可靠。
- 对于学习“基础”，建议主要是：做大量真实项目，理解底层“为什么”（直到物理/逻辑约束层面），并学习算法、数据结构和核心设计实践，而不是依赖一份通用课程表。