AI代码库：当代码无人理解，只有LLM能维护

近年来，AI编码工具在软件开发领域迅速普及。作者深入体验了这些工具，发现它们在解释不熟悉的代码、帮助开发者摆脱困境以及快速构建项目方面确实非常实用。例如，作者分享了一个个人项目中的代码差异，尽管其中包含不理想的代码，但AI仍然帮助完成了任务。

然而，作者提出了一个值得深思的问题：当我们在没有充分思考的情况下，不断添加成千上万行由AI生成的代码时，会发生什么？测试通过，拉取请求合并，一切看似正常。但几个月后，当某行代码导致问题出现时，没有人能解释它为何存在。最终，唯一能够理解整个代码库并对其进行维护的，可能只有另一个大型语言模型（LLM）。

作者还提到，自己使用AI启动了无数项目，并惊人地快速完成了构建。但一个重要的发现是，自己并不喜欢阅读不是自己编写的代码，尤其是当代码库迅速变得庞大时。这种疏离感让作者更容易放弃项目，而不是去进行原本计划的小规模修改和改进。

此外，作者认为当前AI工具的定价不会永远持续。更新的模型功能更强，但需要更多的上下文，令牌使用量持续上升。即使单个令牌的成本降低，我们可能最终会使用更多令牌。事实上，一些公司已经开始控制AI预算，因为相关费用已经失控。尽管目前这些工具对于其功能而言仍然非常廉价，每个人都应该以某种方式使用它们，但作者警告说，不要建立在一个“无限廉价AI劳动力”的假设上。AI应该帮助我们理解和简化代码，而不是仅仅生产更多的代码。

作者还引用了多个来源，包括优步与Anthropic的合作、Meta的Adam Mosseri关于每个工程师令牌预算可能被限制的言论，以及福布斯关于AI令牌消耗速度的报道，进一步佐证了AI成本可能上升的趋势。最后，作者总结道，AI应该成为帮助我们理解和简化代码的工具，而不是仅仅用来生产更多代码的机器。