如果你停止写代码,你也会在审查代码方面变差
AI 辅助和 agent 化编程正在引发担忧:一旦开发者停止亲手写代码,就会失去对代码的深层理解和审查能力。评论者指出,速度的大幅提升与核心技能的退化之间存在取舍,例如架构、调试以及对系统的推理;尤其当组织把审查上移到更高层设计,或将其交给 AI 时,这种风险更明显。有人认为这只是软件工程不可避免的演进,而另一些人则担心未来会出现脆弱、理解不足的系统,由那些已经无法可靠判断所交付代码质量的人来维护。
AI 生成代码与自我退化的反馈回路
- 几位评论者担心会出现一种“衔尾蛇”效应:AI 取代人类程序员,减少高质量训练数据的供给,并削弱未来模型的质量。
- 有人担心,AI 使用最多的其实是那些代码库质量差、且容易被误解的组织;高质量团队可能会避免共享代码,甚至避免开源,从而让数据更偏向“垃圾内容”。
- 还有人预见到刻意锁定用户:仅二进制分发、在法律或技术上阻止使用开源模型,以及“圈养”用户依赖性。
技能退化:写代码与审查代码
- 大家普遍同意:如果你不再写代码,你审查、调试以及推理代码的能力就会退化——这就像要求飞行员必须手动飞行,或像停止练习的音乐家一样。
- 也有人认为审查和编写是两种不同的技能;有些人擅长其一而不擅长其二,不过很多人表示,真正掌握审查能力需要持续编码。
- 几位评论者指出一个悖论:要有效使用 LLM,你本就必须了解该领域;但过度依赖又会让这种知识随着时间流失。
人们在实践中如何使用 agents
- 常见模式是:把“无聊”或重复性的代码交给 agents,然后进行认真逐行审查,尤其是在关键系统或长期维护的系统中。
- 有些人只把 agents 限定在小规模、渐进式修改;另一些人则几乎不做审查,靠“vibe engineering”整套功能,以质量换速度和产量。
- 少数人承认自己几乎不再阅读 AI 代码,只关注业务规则、数据结构和安全性,并依赖自动化检查。
代码审查的性质与价值正在改变
- 许多人感叹,彻底的人类审查本来就很少;而在仍然存在的场景中,它之所以有价值,是因为它能带来共同理解、团队对齐、指导新人以及架构正确性。
- 有人认为如今代码已经“便宜”,但架构、接口和测试并不便宜;审查应当向更高抽象层移动,而不是消失。
- 也有人认为,AI 加上强大的自动化验证会让人工审查在很大程度上变得过时,尤其是在 AI 也越来越擅长写代码和审代码的情况下。
学习、专业能力与未来的开发者
- 几位评论者担心,从未“手工”构建过系统的初级开发者,无法建立深层心理模型,只会对生成式方案形成浅层熟悉。
- 也有人表示,借助 LLM 作为导师、实验推动器和探索工具,自己学得更快、更多——但也承认,单纯“阅读”解决方案,不如自己动手解决问题那样更容易内化。
- 对于巨大的生产力提升所带来的兴奋,与长期丧失人类专业能力和可解释性的担忧之间,仍然存在未解决的张力。