AI程式碼庫：當程式碼無人理解，只有LLM能維護

近年來，AI編碼工具在軟體開發領域迅速普及。作者深入體驗了這些工具，發現它們在解釋不熟悉的程式碼、幫助開發者擺脫困境以及快速構建專案方面確實非常實用。例如，作者分享了一個個人專案中的程式碼差異，儘管其中包含不理想的程式碼，但AI仍然幫助完成了任務。

然而，作者提出了一個值得深思的問題：當我們在沒有充分思考的情況下，不斷新增成千上萬行由AI生成的程式碼時，會發生什麼？測試透過，拉取請求合併，一切看似正常。但幾個月後，當某行程式碼導致問題出現時，沒有人能解釋它為何存在。最終，唯一能夠理解整個程式碼庫並對其進行維護的，可能只有另一個大型語言模型（LLM）。

作者還提到，自己使用AI啟動了無數專案，並驚人地快速完成了構建。但一個重要的發現是，自己並不喜歡閱讀不是自己編寫的程式碼，尤其是當程式碼庫迅速變得龐大時。這種疏離感讓作者更容易放棄專案，而不是去進行原本計劃的小規模修改和改進。

此外，作者認為當前AI工具的定價不會永遠持續。更新的模型功能更強，但需要更多的上下文，令牌使用量持續上升。即使單個令牌的成本降低，我們可能最終會使用更多令牌。事實上，一些公司已經開始控制AI預算，因為相關費用已經失控。儘管目前這些工具對於其功能而言仍然非常廉價，每個人都應該以某種方式使用它們，但作者警告說，不要建立在一個“無限廉價AI勞動力”的假設上。AI應該幫助我們理解和簡化程式碼，而不是僅僅生產更多的程式碼。

作者還引用了多個來源，包括優步與Anthropic的合作、Meta的Adam Mosseri關於每個工程師令牌預算可能被限制的言論，以及福布斯關於AI令牌消耗速度的報道，進一步佐證了AI成本可能上升的趨勢。最後，作者總結道，AI應該成為幫助我們理解和簡化程式碼的工具，而不是僅僅用來生產更多程式碼的機器。