为什么生成式人工智能编程工具和代理对我无效？深度剖析技术难题与个人经验

加密市场分析 挖矿与质押

随着人工智能技术的迅猛发展，生成式人工智能（GenAI）编程工具和编程代理逐渐走入开发者的视野，许多人开始热衷于借助AI来提升编码效率和产能。然而，尽管这些工具被广泛宣传为可以大幅节省时间、加速项目进展的“秘密武器”，但从我的个人技术经验来看，它们并未达到预期效果。本文将深入探讨我对生成式AI编程工具的使用体验，解析为何这类工具未能真正为我带来生产力提升，也不适合作为稳定可靠的开发助手。首先，必须明确一点，生成式AI编程工具并没有让我更快。这是我不使用此类工具的最直接、最核心的原因。在理论上，利用AI生成代码、让智能代理自动编辑文件，似乎能极大节约时间，让程序员摆脱繁重的手动书写工作，从而专注于其他任务。

然而，事实远比理想复杂。作为一名职业软件工程师，我对代码的质量和稳定性负有绝对责任。任何未经过仔细审查和理解后直接添加进项目的代码，都是极其危险的。代码审查远比许多人想象的复杂且耗时。一段非自己编写的代码，往往需要投入至少等同于自行编写的时间去理解和验证。与其将时间浪费在对AI生成代码的无尽纠结，不如亲自编写，确保代码结构与逻辑清晰、可维护。

正如业内知名开发者Joel Spolsky所言，阅读代码常常比编写代码更难，从AI带来的代码中寻找潜在漏洞甚至更具挑战。有人或许会认为，既然生成式AI能自动产出工作代码，开发者是否可以“信任”它，放松审查标准，减少确认和修改环节，从而获得生产力的飞跃？我认为这种想法极不负责任。毕竟，AI不会对代码后续出现的问题承担任何责任，开发者必须为项目的每一行代码背书。尤其是在涉及合同义务、法律责任和经济利益的专业工作中，降低质量控制意味着巨大的风险，我无法接受这种风险。此外，有观点称生成式AI是倍增器，能够让开发者处理更多复杂的任务。就现实经验而言，这种说法通常是主观感受，缺乏硬数据支持。

往往那些自认为效率翻倍的人，只是在草率的代码审查或完全跳过审查流程，这显然和我的工作标准相悖。与其花时间纠结AI产出，不如保持代码质量的一致性和可控性。关于生成式AI帮助学习陌生语言或技术的看法，我也持怀疑态度。作为软件工程师，我最热爱的部分便是不断学习新知识，面对挑战。学习新技术的过程不仅是增长技能，更是培养深刻理解的机会。近年我曾自学Rust、Go、TypeScript、WASM、Java和C#等多种技术，我更愿意亲自摸索，而不是依赖AI生成的代码。

因为只有全面理解代码内在逻辑和实现细节，才能保证后续维护、扩展和优化的能力。而且，基于前述的审查成本，AI不会帮我节省时间。相较于人工贡献，AI生成代码还有本质上的差异。许多开发者接受开源社区的贡献代码，为什么我对AI生成代码却存疑？事实上，我对所有外部代码（无论是否为开源贡献者提供）都进行细致的审核。不同的是，我珍惜与社区开发者的互动过程，这种交流带来了新思路和创新动力，使项目获得灵感和改进，而不只是简单的代码填充。AI提交大批无效或低质量PR的现象已见诸报道，这类“无脑”输出甚至加重维护 burdens。

当面对AI代码中的奇怪部分，我会向提交者提问，期待他们回复并承担责任，但多数情况下无人回应。再谈AI是否如同实习生——这是对生成式AI最常见的比喻。然而，实习生虽需大量指导，但他们在学习和积累经验，未来会成为企业宝贵的核心力量。你花费在实习生身上的时间是投资，他们得以成长为独立开发者。而AI则像患有“前瞻性失忆症”的实习生，每完成一个任务后都忘记之前学到的东西，无法真正积累经验。它不会因为反复使用而提高效率或代码质量，缺乏持久记忆和学习能力的限制让其难以胜任复杂项目。

还有人认为现有AI工具不成熟，未来会不断进化，从而成为高效助手。对于这一点，我持开放态度，但以目前的技术进步速度来看，短期内难以打破上述瓶颈。AI在代码生成上并非无法改善，关键在于是否愿意承担额外的审查负担和是否愿意接受潜在的质量风险。对于需要保证代码可维护性和项目安全性的专业人士，AI工具现阶段并不能帮忙赚钱或节省时间。有趣的是，我也体验过一些开发者对AI的热情，他们感觉生成式AI帮助他们揭示了编程新模式、算法思想，甚至带来了更优雅的代码架构方案，在某些方面减轻认知负荷。对于特定使用场景，AI作为学习辅助工具或代码建议提供者，还是有一定价值。

但这与完全依赖AI写代码是两码事。就我个人而言，学习过程必须有明确的知识源且具备可验证性，而不是依赖AI的“黑盒”产物。至于代码自动补全（如Intellisense），相比生成式AI更为确定和可靠，对开发者的思维流程不会构成干扰。AI则容易产生幻觉或者错误，需要额外的甄别，可能反而带来分心。总结来看，生成式人工智能编码工具虽发展迅速，是技术趋势的产物，但切实应用于专业软件开发存在严重挑战。无论从速度、质量把控，还是责任承担角度，AI工具未能显著提升个人生产效率，也无法替代人类专业技能和判断力。

对于追求高质量代码和可维护项目的开发者，慎重接纳AI写代码的产物尤为重要。合理利用AI辅助学习或简单任务辅助，或许是更稳妥的切入点。未来或许生成式AI会突破当前瓶颈，成为效能与信任兼备的工具，但以现阶段技术水平和行业要求来看，想象中“免费午餐”并不存在。对每位软件工程师来说，理解并掌控代码，是职业价值和责任的核心所在。希望更多开发者在追求效率的同时，保持清醒头脑和职业操守，理性看待生成式AI的利弊，探索适合自己的技术应用路径。