AI生成的代码是“等待发生的痛苦”

在软件可观测性公司Lightrun的客户解决方案副总裁Moshe Sambol看来，AI生成代码的繁荣正在悄然堆积技术债务。他在接受The Register采访时表示，尽管一些开发者对AI工具得心应手，但更多开发者仍处于学习曲线的早期阶段。企业的期望已远超实际能力，尤其在培训和工具适配方面。

Sambol指出，部分客户甚至告知开发者“不再手写代码，只负责审查”——只有当AI三次生成失败后才允许手动编写。然而，另一端如银行等机构，由于合规和谨慎传统，刚开始缓慢引入AI。这种两极分化给开发者带来了巨大压力：既要学习新工具，又要满足不断提升的生产力预期。

他举了一个典型案例：一位开发者使用AI助手构建Ansible自动化工作流。起初一切顺利，但几小时后系统突然崩溃。开发者花费整个下午排查，AI却给出错误建议，甚至重新安装操作系统。最终发现，问题源于AI在当天早些时候部署了一个容器实例并占用端口，后续的部署版本与之冲突。AI没有记住先前操作，导致开发者陷入死胡同。

Sambol强调，多项研究表明AI生成代码中存在大量错误，并可能引发技术债务。这并非贬低人类开发者——他们也有弱点，尤其在大型项目中难以通盘理解系统。但AI工具无法弥补知识鸿沟，反而可能加剧问题。他认为，关键在于建立可重复的提示工程流程，并始终保留人类监督。他总结道：“这些工具进步惊人，但只有保持人工参与，才能获得至少和过去一样可靠的输出。”

Sambol进一步解释说，AI模型生成代码的速度很快，但最初看似正确的代码往往会迅速通过审查，进入生产环境。他警告说：“如果今天它没有大规模制造缺陷，那也只是等待发生的痛苦。”他呼吁开发者必须问自己：“你能解释那段代码吗？你验证过它是否真正适应整个系统的上下文吗？”

在谈到人类开发者的弱点时，Sambol承认，许多公司拥有跨国或分布式开发团队，没有人能完全理解整个系统。但AI系统并没有帮助弥合这一知识差距，反而可能因为缺乏上下文而导致更多问题。他建议通过自动化提示流程来提高结果的可重复性，并强调在AI工具快速迭代的今天，保留人类在循环中是确保输出可靠性的关键。