一年后,100% AI 强制令下,没人看得懂我们的代码

一则声称某公司强制要求 100% AI 生成代码的 Reddit 帖子,引发了关于激进采用 LLM 是否正在破坏可维护性、削弱开发者技能,并把代码库变成难以理解的“AI slop”的争论。评论者权衡了短期速度与长期技术债之间的取舍,争论何时(以及是否)明智地全面拥抱代理,以及管理层究竟更多是被 FOMO 和指标驱动,还是被产品质量与员工成长驱动。也有人质疑这类病毒式“恐怖故事”的真实性,指出 AI 生成反 AI 内容的现象以及不可靠的检测工具,而另一些人则坚持认为根本问题——理解缺失、设计薄弱和激励失衡——确实非常真实。

AI 采用的时机与策略

  • 许多人认为,一年前“全力押注”AI 风险很大,因为模型正快速贬值:同样的投入,越往后能买到的能力越多。
  • 也有人反驳说,永远等待同样不理性:上市时间、竞争压力,以及边做边学都很重要。
  • 有人主张让别人先“Leeroy Jenkins”式冲进去,再复制最佳实践;也有人回应,你根本不知道成熟期何时到来,晚入场者依然会重复旧错误。
  • 还有人拿它类比摩尔定律:对如今大多数软件用途来说,最好现在就开始,而不是等 token 更便宜。

代码质量、理解与技术债

  • 一个强烈主题是:AI 加速了产出,也加速了技术债的堆积。组织里堆满了庞大而混乱的代码库,没人能理解其架构。
  • 有人描述了“vibe-coded”的 AI 生成系统:大而乱的 PR、功能重写、重复代码,以及脆弱到只有 LLM 才能勉强调试或修改的代码。
  • 也有人指出,在 AI 之前,“没人理解整个代码库”在大型系统里本来就很常见;AI 主要只是把这个既有问题放大了。

开发者体验、技能与激励机制

  • 多条评论称,AI 强制令让编程变得毫无乐趣:一天到晚都在提示、等待和审查,而不是学习或设计。
  • 还有人担心,对 AI 的依赖会削弱个人技能、认知投入和职业区分度。工程师被用来优化公司指标(PR 数量、功能速度),而牺牲了工匠精神。
  • 有人说,个人仍然可以利用节省下来的时间加深理解,让 AI 处理“无聊”的部分;也有人回应,管理层指标和强制要求让这并不现实。

AI 应该 如何使用

  • 一些人主张把 LLM 用作分析、重构、文档和小任务的助手,而不是拥有整个代码库的自主代理。
  • 还有建议包括采用 literate programming,并用代理生成高质量文档,然后迭代式重构。

真实性与“AI 生成”话题

  • 一个相当大的分支在争论原始 Reddit 帖子本身是否由 AI 生成,引用了一个 AI 检测工具以及文风上的“特征”。
  • 另一些人质疑检测器的可靠性,并担心把不喜欢的内容标成“AI”会变成一种偷懒的否定手段。
  • 更广泛的不安也浮现出来:AI 编写的引流内容、“dead internet” 的感觉,以及人类开始采用类似 LLM 的写作风格。