清理AI明星开发者留下的烂摊子

我们都有过与明星开发者共事的经历。他们刚加入团队时充满活力，带来新技术、新范式和新架构的绝妙想法，让其他人感到落后和过时。他们重写了公司大部分核心架构，引入了新的构建过程、工具和语言，拒绝大多数拉取请求，提高了对每个人的期望。没有人理解他们写的代码，但没人愿意承认。所有最困难的任务都分配给明星开发者，他们完成得比任何人都快，尽管只有他们自己知道代码如何组合在一起。几年后，他们感到厌倦，离开去寻找更有挑战性的项目。

当其他人接手他们的项目时，发现代码难以理解。仅仅是让代码在笔记本电脑上运行就可能花上一周时间。一半代码是用你不懂的语言写的，另一半使用了闻所未闻的库。你告诉老板代码需要重写，但他不相信，因为这是明星开发者写的。在清理代码的过程中，你开始浏览招聘信息并幻想离开。

我帮助过许多团队和机构清理明星开发者的遗留问题。我实际上很喜欢这种挑战，就像解开一团缠绕的灯串。在这个过程中，我注意到一些模式：这些明星开发者热爱编码和学习新范式，总是将自己推向能力边缘，写出最巧妙的代码，但很少关心他人是否能与之协作。

如今，人工智能带来了类似的问题。每次有人启动一个新聊天，就有可能给团队增加一位明星开发者。AI代理不记得昨天做了什么，能在几分钟内生成数万行代码，以超人的速度完成任务，但不关心代码是否与系统其他部分兼容，也不关心系统是否变得更易于理解。AI拥有一套最佳实践工具箱，却可能不适用于当前场景，它坚持用繁复的方法，即使复杂度的代价超过了收益。当要求它审查你的代码时，它会列出一长串改进建议，其中许多你并不同意。标准被提高了，许多开发者觉得必须使用LLM，否则就会落后。然而，我认为最终被淘汰的是那些让LLM编写所有代码的人。

面对大量生成的代码，系统的复杂度可能呈指数级增长，以至于唯一理解系统的方式就是借助LLM。开发者、团队乃至整个公司都可能对生成式AI上瘾并产生依赖。

清理数百个AI明星开发者的烂摊子并不比清理一个真人明星更有趣。至少真人明星有自己的设计思路并尽力而为，而基于“氛围编码”生成的代码来自多次不同聊天和上下文，就像数百个明星开发者各自独立编写功能或修复缺陷，导致技术债务有时永远无法偿还。

要构建持久的软件，有多种方式使用LLM而不让它成为明星开发者。你可以主导工程，引导LLM一次生成一小段代码，确保代码易于团队成员理解和协作。如果你迷失方向，无法理解LLM在做什么或为什么这么做，请踩下刹车。放慢速度以确保生成的软件质量，防止过度工程化，简化和再简化直至架构与问题复杂度匹配。有时也可以将LLM放回工具箱，自己动手编写代码。工艺始终掌握在我们手中，这是我们永远无法外包给机器的事情。