虽然 AI 编码很厉害，但是这些问题怎么办呢？

[6581]

AI 大大提升了编码的生产效率，让很多难点都比较容易结局了，但我遇到了以下问题，有没有同感的朋友们呢？大家如何解决的呢？

1. 自己越来越不会写代码了
2. AI 写的代码有些啰嗦，有很多不太优雅
2. 对项目的把控很低，害怕代码有问题

[eod]

人和代码，有一个能跑就行

[sth2018]

正如《纳瓦尔宝典》所说的,判断力是决定成败的最关键技能.AI 编程后更加考验我们的判断力,代码审查能力

[theohateonion]

1. 这个不是问题，能高效生成了为什么还要手写。
2. 这个是你作为工程师要解决的问题，怎样让代码不啰嗦，让他变得符合你优雅的定义。你需要加 rule ，做好上下文管理。
3. 这个也是你作为工程师的要解决的问题，如何建立可信的验证机制，确保不出大问题。或者即使出问题了，如何快速识别和回滚。

[6581]

@eod 腿受伤了，跑不了了

[yeyeye]

你写代码的时候，会关注汇编层面的内容吗？

事实上你并不关心，你只关心产出和结果，小概率会观察性能然后优化（但也不会跑去汇编层优化）

而且 ai 产出这么多，已经没可能一个个看了，真的看不过来，你还没看完这一版，下一版又来了。

[Edward4074]

1. 多考虑代码之外的问题，比如产品层面
2. 就当成这代码是同事写的，同事写的代码只要能保证正确性，细节你也不会太多干涉是吧
3. 换个方式“把控”项目，从架构上判断哪部分“可能”有什么问题，至于具体的问题核实和分析优化仍然交给 ai

[sagnitude]

你要从写代码的变成 tech leader

[6581]

@theohateonion 嗯嗯，感谢感谢，是可以落地的一些东西

[yesterdaysun]

我认为不能简单的类比代码到汇编, 代码转汇编这个 gap 很小, 预期发生偏移的概率很小, 但是从一段需求文本到方案再到代码实现, 这中间经历了 2 次转换, 2 个 gap, 这里面预期发生偏移的概率非常大, 偏移带来的结果短期影响比较小, 反正能跑就行, 但是长期直接就是一坨 ai slop, 难以维护下去, token 消耗飞涨, 改一个问题出两个问题, 然后等项目重写吧, 所以当前还是需要人在其中判断把控的, 虽然不排除几年之后, ai 这两个 gap 也被缩到很小, 那真就没人啥事了

[Yanickkk]

担忧是对的，以后编码能力就不在是一个被动锻炼的过程了（以前不得不手写，本身就是一个锻炼的过程），未来会变成一个需要刻意练习的过程。不讨论现在的就业行驶前的情况下，我认为 AI 对老手来说是一个巨大的帮助，解放了写代码的时间，虽然花了更多的事情去 Review 。对于新手来说，如何学习 & 刻意练习的门槛变高了

[user1284]

升管理后大大提升了编码的生产效率，让很多难点都比较容易结局了，但我遇到了以下问题，有没有同感的朋友们呢？大家如何解决的呢？

1. 自己越来越不会写代码了
2. 手下写的代码有些啰嗦，有很多不太优雅
2. 对项目的把控很低，害怕代码有问题

[imagecap]

人工智能 => 人工 Agent, 懂的都懂！

[6581]

@user1284 是的，现在程序员要制定比较好的规则和流程来生产管理代码了。

大家有没有好的对代码的约束，和管理流程呢？

[v2er119]

只要作为第一当事人判断力还在，问题不大。
复杂的问题，完全交给 AI 甩手不管，AI 一定会有和业务无关的多余的发挥。
区别是你对业务了解和参与的程度，还是一样会影响产品的质量。

所以，过往沉淀的语言编程和代码工程能力并没有作废。

[Lemonyi]

@6581 你说的是 Spec 驱动吧，SDD ，大厂一般都架构师或者高级弄好了，小公司也不需要

[zuokanyunqishi]

@theohateonion 这还是软件工程的能力,😄

[lyz0205]

vibe code 其实也是一个工程问题。
以前是人工写代码，确实能把控得很好，现在给够时间仍然可以把控得很好。
只是都还没有适应这突如起来效率提升，技术更新迭代太快了，整个行业都浮躁，都在害怕被落下。
至于自己会不会写代码，在我看来，原来使用的 Java 、c/c++、Python 也都是语言。区别是熟悉 Java 这些语言的人是我们程序员，范围比较小，而现在 vibe code 熟悉的人变成了所有人。共同点是 Java 会讲代码翻译成 JVM 的语言，而 vibe code 会讲自然语言翻译成 Java ，其实就是封装了一层，就像 Java 封装了 JVM 的指令一样。
最后慢慢沉淀吧，以前一个只会写 Java 而不知道 JVM 原理的人是没办法成为一个优秀的 Java 程序员的，给他自己写，写出垃圾代码的可能也很大。现在是都懂自然语言，但不懂得程序的运行原理，给他怎么搞，都是相当于以前用 Java 写增删改查。上来写个可运行的程序，就是我们以前写的 hello world 。

[theohateonion]

@zuokanyunqishi 是的，目前阶段，只要还是 LLM ，就不可避免的会出现上下文污染问题导致结果偏移，软件工程现在要解决的问题是如何组织合理的上下文让 AI 尽可能的聚焦，不然做的越多错的越多，最后的结果就是项目失控。