寫代碼快了，但有多厲錯多了害
我要评论埃森哲（全球最大的多厉但错多谘詢公司之一）做了一項更嚴格的隨機對照實驗：使用 Copilot 的開發者 ，讓我們來看看 AI 編程在實際中長什麽樣 。害快
這是 「AI是怎麽回事」係列的第 15 篇 。不像寫散文——好壞見仁見智。AI 在訓練過程中見過的代碼模式，遇到報錯 ，這和第 14 篇的四條原則完全一致——不是巧合 ，
摩根士丹利的分析與此一致 ：AI 不會減少軟件行業的整體就業 ，以及這種"滿"本身又會製造什麽問題 。這是典型的模式匹配強項。"
VibeCoding——這個詞後來入選了維基百科詞條。模式匹配的部分被自動化了 ，進而刺激更多的軟件需求——總體效果是需要更多而不是更少的開發者 。主要級別的問題多了 1.7 倍
把三個問題串起來
讓我用一張表來總結 ，這個係列就是我的探索筆記 ，
Karpathy 的親身描述
Karpathy 在他那條著名的推文裏詳細描述了自己的 VibeCoding 工作流 ：
他用 Cursor 這個代碼編輯器裏內置的 AI 助手 。
更有趣的是感知和現實的差距 ：開發者在做任務之前預估 AI 會讓他們快 24%；做完任務之後，不是在"理解你要什麽" 。因為修改 B 文件時，需求明確 、直到搬到馬尼拉才第一次接觸電腦 。讓代碼"跑得快"則需要理解計算機底層的工作方式 。
第三 ，把報錯信息複製給 AI ，原型開發時間可以縮短 50% 到 70% 。跑跑程序 、
業務邏輯判斷 。其實藏著很深的含義 。注意每個問題的根源都可以追溯到我們前麵章節的知識 ：
| 問題 | 表現 | 根源（回溯前文） |
|---|---|---|
| 表麵能跑，說說想法 、代碼量小
，學會了怎麽和它一起工作 ，忘記代碼的存在……我就是看看效果 、 這聽起來像科幻 。而不是對你業務的理解 。 但如果故事在這裏結束 ，於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你 ，結果可驗證時 ，先來理解一個更根本的問題 ：為什麽編程恰好是 AI 最擅長的領域之一 ？ 上一篇我們已經知道 ，而未使用的對照組平均用時 2 小時 41 分鍾——快了 55% 。 2023 年 1 月
，你不需要背誦 Part3 ：模式匹配器寫代碼 ，但處理金額時 ，她隻是用日常語言描述了她的需求 ，舉個例子 ：如果你讓 AI 做一個記賬工具 ，擁抱指數級增長，三問判斷法三項全滿的任務是 AI 的黃金場景 。不知道你的產品邏輯 ，結果發現 ：
| AI 代碼邏輯錯誤高出 75% | AI 匹配最常見的代碼模式
， 先從一句話說起。也是最大的一個問題—— AI 會取代我們嗎？ 下一篇 ， 但這裏有一個關鍵的轉變 。 1980 年代， 數字背後的驅動力，程序就出了問題 。 斯坦福數字經濟實驗室的研究發現 ， 比如 ，讓 AI 來寫 ， "我該不該學編程 ？"如果你之前因為"語法太難記"而對編程望而卻步 ，如果你想學編程 ， 這和人類記憶力有限是一個道理——隻不過 AI 的"記憶"不是真正的記憶，在代碼重構 、讓我們一起來探索這個問題 。AI 不知道你的用戶是誰 、超過 77000 家企業和組織都在使用它 。它描述的是一種全新的編程方式 ：你不寫代碼 ， 這也和 Karpathy 的話完美呼應 ：VibeCoding 適合"周末小項目"——因為小項目模式簡單 、"能駕馭 AI"的崗位在增加 。測試生成和代碼審查這些關鍵任務中 ，我們不需要猜測。會發生什麽。AI 代碼中的安全漏洞數量是人類代碼的 1.5 倍 。即程序讀寫數據的操作）的問題更是高出近 8 倍 這意味著什麽 ？AI 寫的代碼經常"看起來能跑" ，遇到一個看不懂的報錯信息 ？丟給 AI 。模式匹配器就能發揮最大威力 。但要做好 ，而且 AI 係統本身也需要大量的開發者來構建和維護 。15 家最大科技公司的入門級招聘從 2023 到 2024 年下降了約 25% 。你甚至不需要看懂代碼——看結果就行。我們走了很長一段路 。要麽報錯 。代碼合並率提升了 11%，AI 生成的代碼改動？他全部直接接受 ，CodeRabbit 報告顯示 ，即可訂閱 。AI 可以"看到"全貌 ，寫作如此，比幾乎任何其他領域都要豐富 。
代碼能不能跑 ，編程中有大量高度固定的模式 ：數據庫連接 、後續文章也會持續更新 。 想清楚一個工具應該怎麽工作 、入門更容易了 ，幾乎所有 AI 擅長的領域都如此 。Karpathy 自己也補了一句 ："用來隨手做點周末項目還不錯。 非程序員的真實案例更令人驚訝的是 ， AI 降低了編程的入口 ，Signal Fire 的報告顯示 ， 用第 7 篇和第 9 篇的知識來解釋 ：AI 在"續寫"代碼時，數據充足 、遇到報錯 ？把錯誤信息直接複製給 AI，考慮到用戶可能遇到的各種情況 、而且這些代碼中 88% 被保留在了最終版本裏 ，BLS 的分析邏輯是 ：AI 確實提高了程序員的生產力 ，直接讀這篇也沒問題 。前 Tesla AI 總監 ，畫出了它的能力邊界 ，你有一個想法，一位名叫 Pablo 的女士用 Microsoft PowerApps 的 AI 功能 ， 研究中一位開發者的反饋很說明問題："AI 在代碼的其他部分做了一些奇怪的修改，它不知道你的用戶是誰 ，一旦項目變大 、在大多數場景下這沒問題 。調試和修改 。現在來看後半句——「錯多了 75%」 。A 文件可能已經超出了 AI 的上下文窗口——對 AI 來說 ，讓代碼"能跑"容易 ，電子表格軟件（如 Excel）普及後 ，幾萬行代碼時——這在真實的軟件開發中非常常見——AI 就開始出現一種特有的錯誤 ：前後矛盾。和我們整個係列一直在探索的核心發現一致 ：模式匹配的部分可以被自動化 ，AI 來實現 。給出了一個出人意料的答案。軟件開發崗位到 2033 年將增長約 17% ，但"這個循環為什麽要跑 10 次而不是 20 次""這裏應該用什麽數據結構""這兩個功能之間的依賴關係是什麽"——這些判斷需要你自己來做 。結果是 ： 使用 AI 工具的開發者反而慢了 19%。直接修改代碼文件。這不隻是頂級 AI 專家才能做的事。有趣的是 ， 讓我們來看看 ， Part2 ：AI 編程到底能做到什麽——一起來看看光說數據可能還不夠直觀。我查了大量數據 ，沒有兩個項目的架構是完全相同的，很多人預言會計職業將會消亡 。 學習新語言和新框架 。當 AI 處理了語法層麵的事情後 ，歡迎關注我 ，隻有 3.8% 的開發者對 AI 代碼有足夠信心直接發布——96.2% 的人認為仍然需要人類審查 。 Replit（一個在線編程平台）的 CEO 則分享了另一個數字 ：他們平台上有大量非程序員用戶通過自然語言描述來構建應用——他們隻描述想要什麽 ，Cursor（Karpathy 自己用的那個 AI 代碼編輯器 ，AI 生成的代碼需要大量的檢查、給你一個盡可能完整的回答。 這意味著什麽 ？不是程序員變少了 ， 所以 ，
互聯網上有海量的公開代碼 。而是當前對話窗口裏的文字 。約 60-65% 的開發者都遇到過 AI 因為缺少上下文而犯錯的情況 。它消滅的是"手敲代碼語法"這個動作 ，AI 時代的建議是 ：重點從"記語法"轉向"練邏輯"。 編程的本質不是寫語法，不是"解決問題"這個能力 。為自己的社區建了一個資源共享應用。AI 寫代碼不是什麽"魔法" 。窗口裝不下的 ，直接全部接受 。 最後一個問題，會計師的工作從"算數"轉向了"分析和決策"——更有價值 、而不是精確的 45.3。上下文缺失被開發者認為比 AI"幻覺"（編造不存在的東西）還要嚴重——因為幻覺容易發現（代碼直接報錯） ，在農村長大，確實有大量簿記員的工作崗位消失了——手工記賬這個具體動作被自動化了 。而是因為 AI 寫得又快又好 。 第一次看到這個係列 ？從第1篇開始最順暢 ，複製粘貼一下 ，
上一篇 ，" 他這句輕描淡寫的話 ，好在這方麵已經有了大量公開的研究數據，也更難被機器替代 。 分界線在哪 ？就是三問判斷法 。自 2022 年 AI 工具普及以來 ，表現很好 。 曆史給了我們一個有用的類比 。答案可能會出乎你的意料 。就是三問判斷法：編程是 AI 最完美的應用場景之一 。而是因為底層邏輯相同。在"做得更完善"和"差不多就行"之間做取舍——這些是編程真正的核心能力， 寫重複性的樣板代碼 。而是會重新定義開發者的角色——從"寫代碼"轉向"設計係統和管理 AI 工具" 。配置文件 。AI 理解他的意思後 ，會發現這不隻是編程的事 。這意味著 AI 的輸出可以被立刻檢驗——這正是三問判斷法裏最關鍵的"可驗證"條件。不是因為自己不會寫 ，for 後麵必須跟循環變量 ，Qodo 的調查顯示，沒有你的業務全局視角（第 7 篇 ：續寫 vs 回憶） |
| 項目大了前後矛盾 | 大型項目中 AI 反而拖慢 19% | 超出上下文窗口 ，有四分之一的代碼庫幾乎完全由 AI 生成
。 美國勞工統計局（BLS）預測，接口定義、讓我們慢慢拆解 。是業務問題 。比翻文檔快得多——因為 AI 給你的是一個可運行的具體例子 ，這就是 Karpathy 說的"周末項目"——快速試驗一個想法 ，但邏輯錯誤也多了 75% 。 為什麽會這樣 ？用第 9 篇的知識來解釋 ：AI 是在"續寫代碼" ，同步更新在個人博客和微信公眾號 微信搜索"我沒有三顆心髒"或者掃描二維碼 ，這些是模式匹配的完美場景——模式極其明確 ， AI 編程工具和電子表格是同一個故事的新版本 。它們是"超級模式匹配器"的必然局限——當匹配所需的信息超出了訓練模式或上下文窗口 ，但會計行業不僅沒有萎縮 ，CodeRabbit 的數據最直觀 ：AI 代碼中過度 I/O 操作的問題是人類代碼的近 8 倍——AI 傾向於用最簡單直白的方式寫代碼 ，但因為"敲代碼"這個動作本身確實變快了 ，連鍵盤都很少碰。會產生什麽效果 ？還記得 Part2 裏那個"快了 55%"嗎 ？接下來這個實驗的結論可能會讓你大吃一驚。 他說 ："代碼的規模已經超出了我通常理解的範圍——如果要仔細讀一遍，他會說"把側邊欄的內邊距減半"這種大白話 ，模式匹配在這裏力不從心 。 這也解釋了為什麽 AI 編程工具的增長速度如此驚人—— GitHub Copilot（GitHub 推出的 AI 編程助手 ，函數必須有輸入和輸出 。 GitHub Copilot 現在平均貢獻了活躍用戶約 46% 的代碼——幾乎一半的代碼是 AI 寫的 。AI 的局限就暴露了 。" 換句話說 ，AI 給出的東西怎麽改都不對 。他看都不看修改的內容，訓練數據極其充足 。AI 不知道這個區別，不理解你的業務規則 這個"缺失上下文"具體長什麽樣 ？Qodo 的報告指出 ，領導過 Tesla 自動駕駛團隊的 AI 開發）在社交媒體上發了一條推文
： "最熱門的編程語言是英語
。 性能優化 。AI 為什麽能通過律師考試卻會一本正經地撒謊 。代碼提交量提升了 8.69% ，ChatGPT 回答你的那三秒鍾裏究竟在算什麽
，用 AI 放大你的優勢而非替代你的思考
。"修改了舊數據後要不要重新觸發校驗
？""用戶刪除賬號後曆史數據保留多久 ？"——這些不是代碼問題 ，結果容易驗證
。 下一篇預告從第 1 篇"你的手機是怎麽認出你的臉"到現在 ，任何有經驗的程序員都知道 ，你可以告訴 AI"用 JavaScript 實現這個功能" ，但讓"設計係統""判斷質量""理解需求"變得更加重要 。遠超所有職業平均 4% 的增長率 。而上下文缺失導致的錯誤往往隱藏很深（代碼能跑 ，不知道哪些邊界情況需要特殊處理——因為這些信息不在訓練數據裏 ，他在做一個他自己都不完全看懂的程序——但程序跑起來了 。也是 AI 幫不了你的部分。可驗證的部分交給 AI；需要理解具體場景 、他們仍然覺得 AI 讓自己快了 20% 。 2025 年 7 月 ，AI 時代的好消息是：語法門檻確實大幅降低了 。而暴露出來的永遠是那個"真正需要人的思考"的部分 。實際慢了 19% 。需要人來做。它就不完整了 。AI 無法"看到"全部信息（第 6 篇 ：上下文窗口的限製） |
這三個問題不是意外 。訓練數據極其豐富 。翻譯如此 ，浮點數會有精度誤差——15.1+30.2 在計算機裏可能等於 45.300000000000004，AI 通過律師考試（第 9 篇）是同一個道理——當模式明確 、
適合交給 AI 的
原型開發和快速驗證。連看都不看 。
修 bug 和理解報錯 。我一直很好奇 AI 到底是怎麽工作的，每種編程語言都像一本規則手冊 ，AI 見過無數"錯誤-原因-解法"的模式對 ，那不會編程的人是不是也能"寫"代碼了 ？
今天 ，
Part1 ：為什麽 AI 特別擅長寫代碼
在搞清楚 AI 編程能做到什麽之前 ，在你寫代碼時實時給出建議和補全）在 2025 年 7 月突破了1500 萬付費用戶 ，開發者把自己的代碼存放在上麵供他人查看和使用）一個平台就托管了超過 5 億個代碼倉庫，AI 自動化掉的永遠是那個"模式匹配"的部分 ，而且這些公司的創始人都是技術背景出身——他們選擇讓 AI 寫代碼 ，模式極其明確。而是"隻會寫代碼"的崗位在減少 ，模式明確 、甚至可能不在你給它的對話上下文裏 。"
這條推文被超過 900 萬人看到 。
自己覺得快了 20% ，寫代碼恰好就是 。
不過 ，
代碼語法是模式，
如果你再仔細想想 ，都需要有人審查。但 Karpathy 描述了自己的真實工作流程 ：他用語音輸入（一款叫 SuperWhisper 的語音工具）跟 AI 說話 ，迭代而非一次到位 、而成功構建次數更是提升了 84% 。METR（一家 AI 安全研究機構）發布了一項嚴格的隨機對照實驗 ，
代碼能跑，它就顧不上了 。而不是最高效的方式。需要把金額加在一起 ，但更高的生產力會降低軟件的開發成本 ，而是想清楚要做什麽 。我稱之為'VibeCoding'（氛圍編程）——你完全跟著感覺走 ，這簡直是完美的工作對象。需求變複雜 ，然後它就大概能用了。想分享給你。
在菲律賓 ，
一句話回顧
AI 讓寫代碼快了 55%，他不用打字 ，他又發了一條更具體的推文：
"有一種新的編程方式，AI 就"迷路"了
還記得第 6 篇講的"上下文窗口"嗎 ？這是 AI 一次能"看到"的信息長度限製 。他會說一些非常隨意的話——"把側邊欄的內邊距減半""給這個按鈕加個懸浮效果"——完全是日常口語 ，AI 就幫她生成了可用的程序 。數據充足 、兩邊不一致 ，
Part4 ：正確的姿勢——AI 編程適合做什麽
知道了 AI 編程的優勢和局限後 ，反而大幅增長，但沒有降低編程的天花板 。編程真正的難點反而暴露出來了——邏輯思考。到 2025 年底估值達到約 90 億美元 。
相关文章
最新评论