Meta 工程師稱難逐行審查 AI 生成程式碼
Meta 工程師在 LinkedIn 發帖稱,用 AI 寫程式碼後難以逐行審查,交付的系統成了自己不完全理解的黑盒。帖文說 AI 輔助交付節奏太快,逐行檢查會耗費大量時間,結果可能只懂高層結構、不懂每個細節,這違背軟體工程習慣。該帖被轉到 Hacker News 的 Ask HN 後獲得 179 分、292 條評論,討論工程師該理解到什麼程度、又該如何應對才敢繼續交付。
依意思最接近的 30 筆
Meta 工程師在 LinkedIn 發帖稱,用 AI 寫程式碼後難以逐行審查,交付的系統成了自己不完全理解的黑盒。帖文說 AI 輔助交付節奏太快,逐行檢查會耗費大量時間,結果可能只懂高層結構、不懂每個細節,這違背軟體工程習慣。該帖被轉到 Hacker News 的 Ask HN 後獲得 179 分、292 條評論,討論工程師該理解到什麼程度、又該如何應對才敢繼續交付。
一位寫了 18 年程式碼的開發者表示,自去年在 Claude Code 中使用 Opus 4.5 後,用自然語言描述需求比手寫程式碼更快,於是徹底停止了手寫程式碼。他所在的 Filestage 團隊月合併 PR 從約 200 增至 300,bug 報告未增加,每位開發者每月 AI 訂閱費 20 美元,工具可自選 Codex、Claude Code 或 Cursor。
蒙大拿州立大學計算機教授 Carson Gross 在《Yes, and...》中回答“AI 時代還該不該學程式設計”:應該,但初級程式設計師必須親手寫程式碼。他認為 AI 能生成作業程式碼,但若因此不寫程式碼,就難以讀懂程式碼,可能造出自己無法理解和控制的系統;AI 更適合當助教,他給學生提供 AGENTS.md 來把編碼代理配置成助教。他同時判斷,未來寫程式碼本身的相對價值會下降,清晰溝通與理解業務會更重要。
哈佛大學研究者在 700 多家公司、70 萬名員工、3 億條工作事件的資料中發現,AI 程式設計工具並未讓企業軟體產出增加或減少用人,編碼階段省下的時間被下游環節吸收。程式碼審查時長明顯增加,pull request 更常需要返工,審查者留下的評論也更多。研究據此認為人工程式碼審查是 AI 編碼效率的主要瓶頸。
Airbnb CTO Ahmad Al-Dahle 披露,公司目前 60% 的程式碼由 AI 生成,功能交付量同比增加近 80%,工程師人均 PR 吞吐量提升約 1.6 倍;約一半客服工單已完全由 AI 處理,與 Q2 財報中近 45% 的數字一致。內部上下文圖譜 Everest 幫助雜貨配送服務在 8 至 9 個月內上線,機場接送僅用約 6 周。Airbnb 採用多模型策略,至少部署 10 個定製模型,主要在開源模型上做後訓練和強化學習。
一位開發者認為 AI 程式設計的瓶頸是 agent 而不是模型:模型生成程式碼的能力持續提升,agent 卻停在原地。他區分了模型(GPT Astra、Claude Sonnet、GLM-5.3)與 agent(Claude Code、Codex),並列舉四類問題:OpenCode 把約 1.5k 行的改動拆成 10 個子任務卻逐個序列執行;agent 不會按任務難度切換更便宜或更強的模型;Claude Code 說不清自身功能,只能聯網搜尋;Plan 模式產出的計劃零散、難讀。
一位開發者撰文稱,AI 輔助程式設計(vibecoding)只把樂趣前置:能快速做出可用原型,但重構和維護階段不再有趣,也缺少手寫程式碼帶來的成就感。他把建造的樂趣分為六種,認為 vibecoding 只能滿足「想到點子」「把點子變成現實」和「解決自己的問題」三類,攻堅後的成就感、作品完成的滿足感與學習樂趣都不會自然產生。他仍用 AI 做出了一些手工做不出來的東西,包括即時野火預警系統、Kobo 資料庫遷移助手和即時音準訓練應用,但表示過程不像自己寫小指令碼那樣好玩。
Uploadcare CTO Alex Gusev 在 40 歲這年寫道,工程挑戰已經消失:他現在有時完全不看 agent 寫的程式碼,出錯由其他 agent 發現並告知。一年前他還花數月清理自己在 lettercarta.com 上 vibe-code 的程式碼,如今已習慣 agent 把任務做好。
OpenAI 產品負責人 Tibo Sottiaux 發帖預告未來模型會更擅長刪除和簡化程式碼,並在評論中確認 Astra 6.1「coming soon」。負責 coding post-training 的研究員 Rajan Agarwal 轉發該帖,並公開徵集使用者遇到的 sloppy code 與程式碼品質問題。《華爾街日報》此前報導,Astra 6.1 原計劃 10 月發布,因內部安全測試中在權限邊界上表現不穩而被臨時叫停。
Carson Gross 認為,即便 AI 工具已經出現,程式設計仍會是一門可行的職業。他把程式設計歸結為兩件事:用計算機解決問題,以及在解決問題的過程中學習控制複雜度;在他看來,很難想像未來懂得用計算機解決問題、並控制這些方案的複雜度會比今天更不值錢。這番話發布於 2026 年 10 月 8 日,標籤涵蓋電腦科學、職業與 AI。
Google 正在試點允許候選人在軟體工程師面試中使用 Gemini,考察重點從手寫演算法題轉向程式碼理解與 AI 熟練度:閱讀、除錯並最佳化已有程式碼,並核實 AI 給出的修復方案是否成立。試點面向今年下半年美國部分團隊的初級和中級軟體工程師崗位,Google Cloud、平台與裝置等部門參與。Google CEO 此前披露,公司 75% 的新增程式碼已由 AI 生成、再由工程師稽核。
一篇題為 Go Conventions That Clicked Too Late for an AI Engineer 的文章在 Hacker News 被分享,作者以 AI 工程師的視角,梳理了自己事後才真正理解的十條 Go 編碼約定。帖子發布時僅得 3 分、暫無評論,正文需在 towardsdev.com 閱讀。
Claude Code 之後,軟體經濟從“建置貴、執行便宜”反轉為“建置便宜、執行貴”:$200 訂閱已能用上頂級 coding 模型,但 LLM 進入關鍵路徑後,每個使用者都帶來真實邊際成本。作者認為工程頻寬配給制已結束,行業卻仍受 MVP、既有品類和“OpenClaw for X”式複製束縛,只是產出更多軟體而非不同軟體;他類比電氣化後工廠需重排產線,稱重思程式碼協作與打包的公司才可能追上。
JetBrains AI 團隊發文介紹其語義程式碼搜尋平台 Air Context 的 RAG 流水線,已投入生產環境。首篇聚焦解析、分塊與向量化:固定行數分塊會把 import 與函式體等無關程式碼混在一起,導致檢索錯誤,因此需按原始碼結構(如 Java 的 import、類定義、欄位與方法)劃分語義完整的塊。
awslabs 發布 AI-DLC 最新穩定版,這是一套與 harness 無關的 AI 編碼工作流核心,可原生執行在 Claude Code、Kiro CLI、Kiro IDE、Codex CLI、Cursor、opencode 與 GitHub Copilot 中。macOS、Linux、WSL 和 Windows 各有一條安裝命令,原生安裝自帶 aidlc 命令與各 harness 執行時,無需 Bun 或 Node.js。
Einsia AI 旗下 Navers Lab 發布 EmbodiedEvo,讓 Coding Agent 在單個 Playground 場景中通過互動積累程式碼 Skills 與文字 Lessons,凍結經驗後交給新 Agent 在未見場景複用,全程不更新模型權重。在具身評測 RoboDojo 上,它以 45.08 平均分、38.95% 成功率超過所有 VLA/WAM 與 Agent 方法;
OpenAI 開發者帳號介紹了內部工程師如何使用 Codex:在自家程式碼庫中檢索、定位需要關注的部分,並逐步消化積壓的維護任務。推文只給出這一概述,未披露具體工作流程、所用模型版本或效率資料。
AI 程式設計初創公司 LightSprint 完成 610 萬美元種子輪融資,由 645 Ventures 領投,Y Combinator、January Capital、Rebel Fund 等參與。其平台以多智慧體架構讓產品經理、設計師用自然語言提出需求,先索引企業現有程式碼庫與編碼規範生成實施藍圖,再並行派發雲端智慧體改前端、狀態管理與邏輯分支,輸出沙箱可互動預覽並自動生成 PR,由工程師審查合併,同時接入 GitHub、Linear 與 Slack。
有人做了一款工具,追蹤 AI 行業領袖在影片中的公開表態,並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei(累計 54 條)、Alex Karp(51 條)、Marc Andreessen(49 條)、Sam Altman(45 條)、Palmer Luckey(40 條)、Satya Nadella(23 條)、Elon Musk(21 條)、Yann LeCun(6 條)等人,頁面同時標註本週新增條數,例如 Alexandr Wang 本週有 5 條。
Replit CEO Amjad Masad 在 TechCrunch Disrupt 上提出「自驅動公司」概念:AI 代理承擔公司裡大部分雜活,人的價值轉向判斷與品味。他舉例說 Replit 的客服工單會先由代理檢視 GitHub issue、程式碼庫和 Linear 工單完成初步分診,人工決定修復方案後一鍵再部署一個代理打補丁。Masad 稱公司運營方式已被徹底改變,團隊花更多時間討論做什麼、畫白板、研究架構,而代理並沒有取代崗位,只是改變了工作內容。
一篇部落格文章提出,軟體工程師可能一直屬於藍領技術工種而非白領:兩者的本質都是製造或修理東西,只是開發者面對的是位元而非原子。作者認為這一誤判部分加劇了開發者當前的 AI 身份焦慮,因為歷史上藍領工人更能消化技術變革,白領反而受衝擊最大。文章還稱,開發者享受了約 30 年被當作明星的高薪與話語權,如今如同紡織工面對織布機、伐木工面對電鋸,需要學會使用新工具繼續謀生,手工活雖難再賺錢但仍可出於興趣保留。
Claude Code 團隊在分享中表示,程式碼評審已從合併前等待同事把關的最後一道關卡,變成像寫作時拼寫檢查那樣持續進行,多數改動在被請求人工檢視前已由 Claude 至少審過一遍。他們認為「人類有沒有讀過這段程式碼」是判斷風險的粗略代理,更該問的是這次改動可能出什麼問題、應由哪種檢查(自動或人工)來捕捉。這樣能攔下大部分常規錯誤,把團隊注意力留給更高層的問題與審查。
OpenCode 2.0 是一次大規模重構,核心新功能是 Code Mode:用 @opencode/codemode 包內建的極簡 JavaScript 直譯器,把 MCP 伺服器與 OpenAPI 端點轉成代理可呼叫的函式,2.0 中所有 MCP 伺服器預設啟用 Code Mode,一次指令碼就能串起多個工具呼叫,減少往返。服務端也改為在本地自動以單一後臺程序執行,TUI、Web 與桌面端共用同一程序,並推出 @opencode/client 客戶端包與從頭重寫的 API。
一篇隨筆主張,AI 正在瓦解支撐個人智力活動的知識社群,使長期、複雜的私人思考越來越難維持。作者以軟體工程為例:Claude Code 發布一年多,行業討論從編譯器、型別系統轉向 prompt、harness、loop,變得狹窄膚淺;寫部落格、開源庫或設計新程式語言也不再有人類讀者,內容只會被下一代模型消化。文章稱數學領域正經歷類似過程,並認為持續的知識活動需要共享成果與他人認可這兩種無法獨自獲得的輸入。
微軟團隊提出 Code Video Model,用可執行程式碼控制影片生成:由 Coding Agent 把提示詞轉成 Three.js 程式,統一描述幾何佈局、物體運動、相機軌跡與事件時序,渲染出低多邊形預演影片不到一分鐘即可驗證鏡頭設計,參考圖負責指定外觀。方法不改動影片模型(MiniMax-H3)引數,採用免訓練的階段化條件排程,在去噪前約 25% 階段引入預演約束、隨後撤去,避免成片被預演的合成風格主導。
針對「AI 程式設計這麼強,為何沒出現更多新軟體」的質疑,一篇分析列出九條候選解釋,並稱部分推測成分較大。其中提到:軟體確有改善,但多體現為缺陷更少、效能更好和現有產品功能更多;AI 正把通用軟體換成私人軟體,領域專家、高管和公司各自建工具與儀表盤,外界看不到。其餘解釋包括開發流程審批環節未被加速、團隊用效率提升換休閒時間,以及 AI 讓人少做少用軟體。
一篇 2026 年 10 月 18 日的博文主張,個人自建軟體工廠是浪費時間,除非是為了工作。作者認為非開發者已用 AI 做出不少東西,與其造工廠,不如直接在聊天框裡描述需求做產品,並去了解 Grok Bot、Claude 這類工具如何運作;AI 寫應用仍會遇到溝通錯位、做錯東西的挫敗。若一定要建,工作場景最現實:熟悉系統、人和多年遺留程式碼,能讓產品經理與設計師低摩擦地發布功能。
在 Criteo 任職的初級工程師 Elise Baturone 認為,AI 不會讓軟體工程師消失,真正的風險是資深工程師消失、所有人永遠停在 Junior 階段。她把自己的 agent 調教成導師,用蘇格拉底式提問做理解檢查,並把「提問」和「review」當成需要自己練的技能:追問 agent 解釋設計選擇、引用來源、論證可疑方案,常能讓它自己發現錯誤。她承認這更費 token,但先弄懂再上線更省事;
一位 Ruby gem 作者把自己所有 gem 的原始碼歸檔,明確表示不再繼續開發。他稱 Ruby 語言本身現在已大量由 LLM agent 開發,Matz 正把 Ruby 重新定位為供 LLM 生成程式碼的「AI 時代程式語言」,並認為 LLM 需要攝取更多人類寫的高品質 Ruby 程式碼;同時 Rails 由他不認同的維護者掌控。他不願再為一個被大公司免費開採、用於餵養那些反過來汙染公共程式碼庫的機器的公共資源做貢獻。
據 Bloomberg 報導,Epic Games 計劃在一款尚未公布的迪士尼遊戲中使用 AI 生成程式碼與美術,該專案已從原定 3 月發售視窗延期。專案開發者被下達「AI 優先」指令,要求更多使用 Anthropic 的 Claude 等工具來完成遊戲;一位遊戲總監在內部訊息中稱「不再手寫程式碼」,並告知遊戲全部美術都將「由完整 AI 工作流生成」。Epic 發言人 Jake Jones 向 Bloomberg 表示,公司正在「擁抱 AI 加速的開發」。