【CSDN 編者按】AI 生成式開發(fā)工具正在席卷整個軟件行業(yè)，許多人驚嘆于它帶來的提速奇跡，也有人對其取代程序員崗位感到焦慮。但當一位有著十年經(jīng)驗的開發(fā)者親自實驗，用兩周時間生成了 1.2 萬行代碼后，他卻從狂熱轉向失落，最終選擇推倒重來。

原文鏈接：https://www.reddit.com/r/ExperiencedDevs/comments/1l1b6n8/i_introduced_agentic_ai_into_my_codebase_two_and/

作者 | return-zero 翻譯 | 鄭麗媛

出品 | CSDN（ID：CSDNnews）

正如標題所說，幾周前我在自己的代碼倉中引入了 Agentic AI，但現(xiàn)在已決定將它拆分出來了。這篇文章可能會比較長，你可以把它視作一篇“親身實錄”。

考慮到不少讀者可能已經(jīng)被各種 AI 話題轟炸得疲憊不堪，我先奉上一段簡潔明了的內(nèi)容概括：我試圖把“Agentic AI”融入開發(fā)流程，結果它就像《搏擊俱樂部》里的 Tyler Durden，一不小心就把我的整個代碼庫給炸了。

10 年碼齡開發(fā)者，想借 AI 提速

先做個簡單介紹：我是一位有 10 年開發(fā)經(jīng)驗的技術負責人。

幾個月前，我開始開發(fā)一款社交媒體應用（大概可以類比 BlueSky 這種類型）。它不是聯(lián)邦制的（至少現(xiàn)在不是），但它是開源的，可以自己部署。這是我一直以來想做的一個“心頭好”，從頭到尾都是我手寫的代碼，幾乎沒怎么借助 AI。開發(fā)節(jié)奏雖然慢，但比較穩(wěn)定，項目已經(jīng)公開，有人會來找我聊天交流，我也感到很滿意。

但有一個問題：我的開發(fā)時間非常零碎。因為家里有一個 5 個月大的寶寶，只有等全家都睡著以后我才能專注寫代碼。也正因如此，我對最近發(fā)布的一些“Agentic AI”解決方案格外感興趣，想著或許能借此提提速。

大體來說，這個項目的技術棧非常簡單：

● 移動端：React Native

● Web 端：Next.js

● 后端：Nest.js

● 數(shù)據(jù)庫：Postgres

● 對象存儲：S3

我之前用 AI 的經(jīng)驗只限于問問 ChatGPT，或者在 VSCode 中把 Copilot 當 StackOverflow 的替代品來用。我甚至還關掉了 Copilot 的自動補全功能，因為它經(jīng)常太啰嗦了，而且不太靠譜。

但這次我決定嘗試 VSCode 的“Agent 模式”。在動手之前，我給自己設定了幾條原則：

1. 不用按 token 計費的模型

Agentic 系統(tǒng)的工作方式基本是“暴力試錯”：反復迭代，直到得到正確結果。我不相信這種機制能在計費模型上用得好。坦白說，如果一個任務需要這么多輪才能搞定，那我自己動手或許還更快。不過這個原則我后來打破了——當我發(fā)現(xiàn) Sonnet 4 在 6 月之前是不限量的，就想“試試看也無妨”，反正之后還可以再切回 GPT-4.1。這個后面還會詳細說。

2. 每一行代碼都要人工 review

我不是來搞“氛圍編碼”的（vibecoding）。這次，我想真正地把 Agentic AI 融入到我日常的工作流程中，看看它是否真的能幫助我提升開發(fā)速度。畢竟現(xiàn)實項目中，每一行被合入主干的代碼都需要有人來兜底。如果 AI 真的代表了未來開發(fā)方式，那我希望搞清楚“未來到底長什么樣”。

3. 不能半途而廢

這聽起來好像是廢話，但我確實非常認真地按照 Agentic AI 的相關文檔和最佳實踐來操作。我反復研究了 copilot-instructions.md，也覺得自己當前的代碼結構是挺合適引入 agent 的：已有的測試驅動開發(fā)（TDD）邏輯清晰、模塊封裝合理、API 邊界清楚。我對自己說，這一套得真正跑得起來，才能把我的項目推上線。畢竟，現(xiàn)在有那么多開發(fā)者靠幾條 prompt 就能部署上線，如果我不掌握這項技能，怎么跟他們競爭？

AI 的潛力，讓我無法視而不見

在這次嘗試之前，我其實對 AI 開發(fā)一直是持懷疑態(tài)度的那一類人。我的幾個朋友總是興沖沖地來找我說：“你看我 prompt 出了個啥！”然后展示一些半成品 UI，沒有任何實質功能，只能完成一個唯一的使用場景。我隨口問幾個最基本的問題：

——怎么部署的？答不上來。

——用的什么技術棧？答不上來。

——有安全性措施嗎？沒有。

我一般會客氣地提醒他們注意安全、注意質量，然后祝他們好運。但說實話，我內(nèi)心是憤怒的——一些從沒參與過技術工作、甚至連技術邊都沒摸過的人，現(xiàn)在居然跑來跟我說：“你很快會失業(yè)了，因為我用 prompt 寫出了一個……連 MVP 都稱不上的玩意”？要知道，就在幾年以前，這群人還覺得我做的東西簡直像“魔法”一樣。

但轉念一想，我開始擔心自己是不是“錯過了什么”。也許這些工具如果交給“正確的人”，真的能做出不錯的作品？也許這項技術早就飛躍發(fā)展，而我還把腦袋埋在土里假裝沒看見？

在這個行業(yè)里，大多數(shù)時候你唯一的選擇就是：如果你覺得重要，就別抱怨，趕緊學。

所以我決定不再嘴硬，轉而認真學習，畢竟 AI 的潛力確實讓我無法視而不見。

初次嘗試“Agent 模式”：震撼到失眠

當我第一次把“Agent 模式”接入我的代碼庫時，真的是被驚到了——它幾乎可以一鍵生成完整的“功能模塊”：

● 自動編寫前后端邏輯；

● 自動生成單元測試；

● 自動運行測試并驗證功能是否符合預期。

說真的，那天晚上我根本沒睡著。我真的一度以為：“AI 要取代我了。”

它完成了大量我認為是“機械性開發(fā)”的內(nèi)容，比如數(shù)據(jù)庫 CRUD 操作，而且效率幾乎是我的五倍。我按照之前定下的規(guī)則逐行 review 了代碼，提出改進建議，做了一些重構，它也都處理得非常好。按照我以往的評估標準，這已經(jīng)相當于我布置給一位初級開發(fā)者的三天任務，而且它還執(zhí)行得非常利索。

意料之中，我對它徹底上頭了，就像上癮了一樣，瘋狂地寫 prompt、生成功能、重構代碼。一行一行地過，我發(fā)現(xiàn)它的質量還真不賴！在差不多兩周時間里，我一共生成了約 12000 行代碼，并刪除了約 5000 行舊代碼——相比之下，在那之前我花了整整兩個月，才寫到 2 萬行左右。

我當然知道 LOC（代碼行數(shù)）并不是衡量生產(chǎn)力的好指標，我也承認這一點，但我實在想不出比這更直觀的方式來描述我的開發(fā)速度在這段時間里到底加快了多少。

它生成的代碼和我自己的風格、語法都很一致，還能自動校驗 lint 規(guī)則、通過我的 CICD 工作流。說實話，我那時已經(jīng)完全相信：“做開發(fā)的日子真的快到頭了。”

然后，第二周來了……

逐漸“祛魅”：根本無法維護，也不再信任 AI

第二周剛開始，我?guī)缀醯搅恕耙?prompt 就上頭”的地步了，顯然已經(jīng)徹底沉迷了。上周我在應用開發(fā)上的進展，甚至超過了過去一個月的總和。把思維轉化為代碼對我來說已經(jīng)非常自然，就像是我領域知識的直接延伸。生成的代碼干凈、可用，幾乎不需要我這個“AI 暴君”再插手。

但接下來，事情開始變得詭異。

注意，我用的是所謂的“高級模型”。如果你不知道這是什么，可以這么理解：這些模型會把大量的化石燃料燒掉，只為生成一個只會單一功能、還做得很爛的 React 應用。我開玩笑的，當然，也不完全是玩笑……總之，這些算是目前市面上頂尖的編程 AI 模型了。Sonnet 4 剛剛發(fā)布，而 Anthropic 的模型也被公認為最擅長代碼生成的 AI。

我在追求“AI 編碼”的路上已經(jīng)走火入魔，開始違背自己曾經(jīng)定下的“規(guī)則 1”——但我就是想看看，頂配模型到底能把我?guī)У绞裁吹夭健?/p>

我開始嘗試開發(fā)一個新功能，說白了就是“所有社交平臺都有的那種功能”，只是加了一點我自己的創(chuàng)新（在此就不劇透了）。我給它下了非常明確的 prompt，也給它逐步反饋哪里出問題了。

結果呢？每！一！次！它不是陷入無限循環(huán)，就是跑偏追錯方向。而最糟糕的是，它死活不肯承認自己失敗了，還拖拖拉拉、磨磨唧唧。

此時，我的代碼庫已經(jīng)膨脹到 12k 行以上，應用的上下文復雜度也隨之大增。AI 不再能像以前那樣簡單地 grep 一下關鍵詞就找到 1~2 個可以修改的點了。現(xiàn)在，它每次查找都會碰上 10、20、甚至 30 個相關引用。更別提，每一次失敗的嘗試，如果是在 6 月 3 日以后，那就是按次計費的。模型失敗時不會告訴我，但每一次失敗都在悄悄地燒我的錢。

我開始懷疑自己是不是哪里出了問題：“那些聰明人都說他們可以靠自動代理做完整功能，完全不用開發(fā)者干預啊！”

于是，我給自己挖了個新的大坑，死磕代碼、手動清理前端。我注意到代碼庫里其實藏著很多重復代碼，在 isolated review 時不容易發(fā)現(xiàn)。同時也發(fā)現(xiàn)了一個讓人抓狂的點：AI 根本不在乎命名是否準確。它會給變量起一個聽起來很對的名字，但實際功能和這個名字毫無關系。

我承認，我可能從一開始就不應該接受這些代碼合并。但問題是，這些修改看上去真的很不錯。AI 寫得信心滿滿，風格跟我的 style guide 完全一致，而我投入的精力和我 review 一位初級程序員的 PR 是一樣的。

雖然我確實取得了一些進展，但當我退一步、從宏觀上看整個項目時，開始產(chǎn)生一種莫名的失落感：這個代碼庫，不再有我當初那種專注細節(jié)、精雕細琢的味道了。

我不再為它感到驕傲——哪怕我才剛剛花了一整天，讓 AI 對它進行了“花式重構”。然后，我意識到了更可怕的一件事：這玩意兒根本無法維護，而且我不再信任它了。

一些想法與后記

說實話，現(xiàn)在我依然對我們這個行業(yè)的未來感到有些恐懼。

AI 的出現(xiàn)，讓一大批本來不會接觸代碼的人突然有了“我現(xiàn)在就是軟件工程師”的錯覺。而這種錯覺正在腐蝕我們行業(yè)的專業(yè)認知，也在持續(xù)稀釋真正的技術人才。

更糟糕的是，這也讓我們越來越難分辨誰是真正懂行的人，誰又只是在演戲。對了，還有一點：判斷標準絕對不是看誰刷 Leetcode 刷得多。現(xiàn)在有太多“技術 coser”，他們可能對營銷很有一套，甚至能包裝得滴水不漏，但本質上是在玩 cosplay。

我也不知道該怎么讓這些非技術出身的朋友明白“你不知道自己不知道的東西”，除了用一點被動攻擊性的方式，拿他們生成的項目，慢慢地用真正的軟件工程原則去“審問”他們。而現(xiàn)實是，他們中的大多數(shù)人，在項目卡到一定程度后，已經(jīng)從頭重寫了三四遍了。

不過，我依然還在嘗試把 AI 納入我的開發(fā)流程。我現(xiàn)在做的，是把整個項目在引入 AI 之前的版本 fork 一份新倉庫，開始手動重寫所有功能，把 AI 生成的代碼當成一種“模糊參考”，而不是直接用。我越來越相信，AI 的使用邊界就應該止步于此：它永遠不該直接往一個實際的代碼倉里寫功能性代碼。

它的價值應該體現(xiàn)在兩個方面：一是分析現(xiàn)有代碼，二是作為文檔提供一些示例代碼。

我現(xiàn)在偶爾會在 VSCode 里用 inline 的 Cmd+I prompt 工具，體驗還算可以。尤其是用在小函數(shù)級別（比如五行以內(nèi)的函數(shù)）時，效果還算穩(wěn)定、可預測。但要是讓它一口氣生成一個垂直功能模塊，那簡直就是災難。

總之，如果你讀到這里，我也真心希望能聽聽你的想法。是不是我哪里理解錯了？你也有類似的體驗嗎？我現(xiàn)在覺得，自己算是站在了 AI 開發(fā)兩端的分界線上，好好鉆研了一番，但我最終的結論卻是——這玩意兒跟我們手寫的屎山代碼，其實也差不多。

——對話 IEEE 首位華人主席、美國雙院院士劉國瑞 | 萬有引力

2025 全球產(chǎn)品經(jīng)理大會

2025 年 8 月 15–16 日

北京·威斯汀酒店

2025 全球產(chǎn)品經(jīng)理大會將匯聚互聯(lián)網(wǎng)大廠、AI 創(chuàng)業(yè)公司、ToB/ToC 實戰(zhàn)一線的產(chǎn)品人，圍繞產(chǎn)品設計、用戶體驗、增長運營、智能落地等核心議題，展開 12 大專題分享，洞察趨勢、拆解路徑、對話未來。

更多詳情與報名，請掃碼下方二維碼。