与犹豫不决的AI编程助手的趣事
作者描述了一个AI编程助手（Claude Opus 4.6配合GitHub Copilot）在修复GoAWK程序中的bug时，虽然快速诊断出问题，但随后在7种不同修复方案之间反复切换了25次以上，暴露了AI模型在决策时的不确定性。
本·霍伊特（Ben Hoyt）在个人博客中记录了一段与AI编程助手合作的趣事。他正在使用Opus 4.6（Claude的模型）配合GitHub Copilot插件，在GoLand IDE中修复GoAWK解释器的一个非平凡bug。问题源于一个Awk程序：BEGIN { a["x"]=1; for (NR in a) print NR, a[NR] }，预期输出“x 1”，但实际输出“0\n0\n”。
AI在几个段落内就诊断出问题所在，速度甚至快过人类。它指出，特殊变量（如NR）被存储为原生Go的int类型，导致字符串表示丢失。然而，令人哭笑不得的是，AI随后陷入了漫长的决策挣扎——在短短几分钟内，它提出了7种不同的修复选项，并在它们之间反复切换了至少25次。
这些选项包括：A）保留特殊变量的字符串表示；B）将特殊变量存储为值类型；C）当特殊变量被字符串赋值时存储字符串覆盖；D）专门修复ForIn操作码；E）在侧字段中存储原始值；F）仅将lineNum和fileLineNum改为值类型；G）添加特殊值覆盖映射。AI频繁使用“实际上……”这样的转折词，前后矛盾达19次之多。
有趣的是，最经常被提及的选项B（出现11次）正是最恰当的修复方案。霍伊特最终在一个拉取请求中实际采用了这个方案。然而，AI在决策过程中似乎无法判断何时应该停止，甚至开始修改代码后又忘记自己已做改动，最终被作者取消。
这一案例生动展示了当前AI智能体在决策收敛方面的局限性。它们可以快速诊断问题并提出多种解决方案，但缺乏一种机制来评估并停止在最佳选项上。霍伊特感慨：“这些机器令人惊叹，但我可不想有如此犹豫不决的朋友。”