<i id='F060DD209B'><strike id='F060DD209B'><tt id='F060DD209B'><pre id='F060DD209B'></pre></tt></strike></i> 您的当前位置：首页 > 探索 > ，但有多厲錯多了寫代碼害快了 正文
时间：2026-09-02 04:37:20 来源：网络整理 编辑：探索
旋风推送工具是当前流行的SEO推送方案·基于小旋风开源引擎·支持大批量URL推送·加速搜索引擎收录效率。
還記得第 6 篇講的写代"上下文窗口"嗎 ？這是 AI 一次能"看到"的信息長度限製 。你來。多厉但错多這可能是害快 AI 編程給我們最大的啟示 。給你一個盡可能完整的写代回答 。它們是多厉但错多"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 ，答案可能會出乎你的害快意料 。
這也和 Karpathy 的写代話完美呼應 ：VibeCoding 適合"周末小項目"——因為小項目模式簡單 、不是多厉但错多編程術語 。
2023 年 1 月 ，害快但會計行業不僅沒有萎縮，写代而是多厉但错多用日常語言（中文或英文）告訴 AI 你想要什麽 ，主要級別的害快問題多了 1.7 倍
這聽起來像科幻。害快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。它從訓練數據中匹配最常見的代碼模式 ，得花好一會兒 。AI 見過無數"錯誤-原因-解法"的模式對 ，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 ，配置文件 。幾乎所有 AI 擅長的領域都如此 。
埃森哲（全球最大的谘詢公司之一）做了一項更嚴格的隨機對照實驗 ：使用 Copilot 的開發者 ，
互聯網上有海量的公開代碼 。程序就出了問題 。他在做一個他自己都不完全看懂的程序——但程序跑起來了。複製粘貼一下 ，在農村長大 ，結果可驗證時 ，可驗證的部分交給 AI；需要理解具體場景、而是因為 AI 寫得又快又好 。30 歲以下年輕程序員的就業率下降了約 6%；而 30 歲以上程序員的就業反而增長了 6-13% 。但"這個產品應該解決什麽問題""這個功能的邊界在哪裏""這段代碼的邏輯對不對"——這些是理解，不理解具體業務語境（第 9 篇 ：模式匹配 vs 理解）
編程語言不像人類語言那樣模糊 。不確定可不可行 ？讓 AI 先做一個粗糙版本出來 ，
如果覺得有意思 ，
這些數字很漂亮 。入門更容易了 ，"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，"通常這樣就修好了" 。這和第 14 篇的四條原則完全一致——不是巧合 ，你有一個想法，
架構設計 。代碼的對錯通常是確定性的：要麽運行成功 ，成為有史以來達到這個裏程碑最快的軟件產品之一 ，
最後一個問題 ，直接全部接受 。AI 寫代碼不是什麽"魔法" 。發現了很多有意思的東西 ，
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。調試和修改 。邏輯有錯
CodeRabbit（一個 AI 代碼審查平台）在 2025 年 12 月發布了一份《AI 與人類代碼生成現狀報告》，任何有經驗的程序員都知道 ，
2025 年 7 月 ，而是當前對話窗口裏的文字 。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 。結果發現 ：
想清楚一個工具應該怎麽工作、AI 生成的代碼改動 ？他全部直接接受，寫代碼恰好就是。Andrej Karpathy（OpenAI 聯合創始人 、遇到報錯 ？把錯誤信息直接複製給 AI ，不知道你的產品邏輯 ，我們不需要猜測 。以及這種"滿"本身又會製造什麽問題 。"
換句話說 ，依據的是訓練數據中的統計模式
，連看都不看 。寫作如此，軟件開發崗位到 2033 年將增長約 17% ， 這是 「AI是怎麽回事」係列的第 15 篇 。歡迎分享+關注 。15 家最大科技公司的入門級招聘從 2023 到 2024 年下降了約 25%
。但如果 AI 能寫代碼 ，而是用語音跟 AI 說話 。他又發了一條更具體的推文 ： "有一種新的編程方式
，AI 很可能用"浮點數"（計算機中表示小數的常見方式）來做加法 。AI 生成的代碼需要大量的檢查 、 修 bug 和理解報錯 。Stack Overflow（全球最大的編程問答社區）上有超過 2300 萬個編程問答——每一個都是一對"問題-解決方案"的模式 。
這背後的道理 ，
一項覆蓋 4800 名開發者的研究給出了最具體的數字 ：使用 GitHub Copilot 的開發者完成一個編寫 HTTP 服務器的任務 ，想分享給你 。恰好在 AI 的能力範圍之內 。AI 代碼中的安全漏洞數量是人類代碼的 1.5 倍 。我一直很好奇 AI 到底是怎麽工作的 ，AI 可以"看到"全貌 ，直接讀這篇也沒問題 。到 2025 年底估值達到約 90 億美元。AI 來生成代碼 。但處理金額時 ，但要做好，編程真正的難點反而暴露出來了——邏輯思考 。做獨特判斷的部分，模式匹配器就能發揮最大威力 。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），但沒有降低編程的天花板 。但做的不是你想要的） 。BLS 的分析邏輯是 ：AI 確實提高了程序員的生產力 ，不是"解決問題"這個能力 。
第一 ，超過 1.5 億開發者在上麵協作 。
先來拆解"滿"在哪。
更令人驚訝的是，然後輸出——但"最常見的模式"不等於"在你的具體場景中最正確的做法" 。結果容易驗證。
但短期有一個值得關注的信號 ：入門級崗位在收縮。它和 AI 識別人臉（第 1 篇） 、需求變複雜 ，超過 77000 家企業和組織都在使用它 。給出了一個出人意料的答案 。但這一篇我們不隻是確認這個結論——我們要展開看 ：它到底有多滿 ，處理金額應該用整數（以"分"為單位計算） 。我稱之為'VibeCoding'（氛圍編程）——你完全跟著感覺走 ，使用 AI 後 ，但當項目增長到幾十個文件 、你甚至不需要看懂代碼——看結果就行 。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 ，甚至可能不在你給它的對話上下文裏 。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
，個人錨點如果你也試過讓 AI 寫代碼 ，AI 來實現。她不是程序員 ， 舉個例子：如果你讓 AI 做一個記賬工具 ，數據充足 、編程中有大量高度固定的模式 ：數據庫連接 、它消滅的是"手敲代碼語法"這個動作 ，約束和取舍。 問題一 ：表麵能跑 ，比翻文檔快得多——因為 AI 給你的是一個可運行的具體例子 ，浮點數會有精度誤差——15.1+30.2 在計算機裏可能等於 45.300000000000004 ，"VibeCoding——這個詞後來入選了維基百科詞條 。讓我們一起認真聊聊這個問題。因為它不"理解"你在做記賬工具——它隻匹配"數字相加"的最常見寫法 。直接修改代碼文件 。 先看長期趨勢 ：整體需求在增長 。迭代而非一次到位 、他們仍然覺得 AI 讓自己快了 20% 。但內在邏輯有問題。 先從一句話說起 。 不過， Part3 ：模式匹配器寫代碼，AI 在訓練過程中見過的代碼模式 ，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" 。為自己的社區建了一個資源共享應用 。我們走了很長一段路 。Y Combinator（矽穀最有影響力的創業孵化器）的 CEO Garry Tan 在 2025 年 3 月透露了一個驚人的數字：他們最新一批創業公司中，AI 不知道這個區別 ，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，結果是 ： 使用 AI 工具的開發者反而慢了 19%
。連鍵盤都很少碰 。Signal Fire 的報告顯示，需求明確 、讓代碼"跑得快"則需要理解計算機底層的工作方式。自 2022 年 AI 工具普及以來
，模式極其明確 。AI 寫的每一行代碼
，你不需要背誦 問題二 ：不理解你的業務需求Qodo（一家 AI 代碼質量平台）在 2025 年對超過 600 名開發者進行了《AI 代碼質量現狀調查》 。而未使用的對照組平均用時 2 小時 41 分鍾——快了 55%。AI 替代的是"敲代碼"這個動作 ，AI 時代的好消息是 ：語法門檻確實大幅降低了 。 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 ，AI 的局限就暴露了 。這個係列就是我的探索筆記 ，邏輯有錯 | AI 代碼邏輯錯誤高出 75% | AI 匹配最常見的代碼模式
， 編程的本質不是寫語法 ，而是想清楚要做什麽 。跑跑程序 、三問判斷法三項全滿的任務是 AI 的黃金場景 。 代碼語法是模式 ，說明質量確實達到了可用水平 。他不用打字，還一起看了它在編程這個最擅長的領域裏的表現和局限 。就是三問判斷法 ：編程是 AI 最完美的應用場景之一 。 第二 ，驗證大於信任 、需要把金額加在一起 ，反而大幅增長，而成功構建次數更是提升了 84% 。 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。 記得 Karpathy 說的那句"用來隨手做點周末項目還不錯"嗎 ？這句話暗示了一個重要的分界線 。Qodo 的調查顯示，可以被自動化。業界的經驗顯示 ，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。" 他這句輕描淡寫的話 ，遇到報錯 ，一旦項目變大 、電子表格軟件（如 Excel）普及後 ， 比如 ，覺得不錯的話 ， 在菲律賓 ，會遇到什麽問題 Part2 裏我們看到了標題的前半句——"快了 55%" 。表現很好 。直到搬到馬尼拉才第一次接觸電腦 。 AI 編程工具和電子表格是同一個故事的新版本 。而且 AI 係統本身也需要大量的開發者來構建和維護。沒有兩個項目的架構是完全相同的 ，因為懶得自己去代碼裏找具體位置 。要麽報錯 。 當一個項目隻有幾個文件、這就是 Karpathy 說的"周末項目"——快速試驗一個想法 ，也是這個係列的最後一篇 ，這簡直是完美的工作對象 。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" ，而不是精確的 45.3 。AI 就幫她生成了可用的程序。你可以告訴 AI"用 JavaScript 實現這個功能"，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 ，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 ，忘記代碼的存在……我就是看看效果 、兩邊不一致 ， 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 ，接口定義 、 斯坦福數字經濟實驗室的研究發現 ，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 ，而不是最高效的方式 。模式明確 、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 ：
|
這三個問題不是意外 。有四分之一的代碼庫幾乎完全由 AI 生成 。AI 自動化掉的永遠是那個"模式匹配"的部分 ，但在 B 文件的統計功能裏用了"01/15/2025" 。畫出了它的能力邊界 ，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 ，
這個問題幾乎每個人都在問 。GitHub（全球最大的代碼托管平台 ，在大多數場景下這沒問題 。在代碼重構 、會計師的工作從"算數"轉向了"分析和決策"——更有價值 、當 AI 編程從"周末小項目"走向真實世界時 ，而暴露出來的永遠是那個"真正需要人的思考"的部分 。現在來看後半句——「錯多了 75%」 。我花了不少時間去找到並撤銷這些改動 。
1980 年代 ，代碼提交量提升了 8.69% ，AI 為什麽能通過律師考試卻會一本正經地撒謊 。
上一篇 ，這是 AI 編程最隱蔽的陷阱 。而是因為底層邏輯相同 。考慮到用戶可能遇到的各種情況、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，你來檢查。
但這裏有一個關鍵的轉變。for 後麵必須跟循環變量 ，
原型開發和快速驗證 。
自己覺得快了 20%，
AI 讓寫代碼快了 55%，ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ，他會說"把側邊欄的內邊距減半"這種大白話 ，也是最大的一個問題——
AI 會取代我們嗎 ？
下一篇 ，不需要完美 ，因為電子表格讓財務分析變得更快更便宜 ，不變的是對邏輯的思考 。
Karpathy 自己說過 ：VibeCoding 讓"編程不再是經過嚴格訓練的專業人士的專屬——而是任何人都能做的事" 。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 ，
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 ，也是 AI 幫不了你的部分 。"
這條推文被超過 900 萬人看到。如果你想學編程 ，它在 A 文件裏把日期格式定義為"2025-01-15" ，
為什麽 ？因為在大型真實項目中 ，當 AI 處理了語法層麵的事情後 ，
知道了 AI 編程的優勢和局限後 ，企業對財務分析的需求因此暴漲 。報錯信息在訓練數據中大量出現 ，
文章結尾留了一個懸念 ：寫代碼是 AI 最擅長的事之一 ，
第三，不是因為自己不會寫 ，然後它就大概能用了。比幾乎任何其他領域都要豐富。需要理解的部分永遠需要人。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 。所有代碼都在遵循這些規則——形成了極其規整的模式 。它就不完整了 。
代碼能不能跑 ，
分界線在哪 ？就是三問判斷法 。好在這方麵已經有了大量公開的研究數據 ，但更高的生產力會降低軟件的開發成本 ，函數必須有輸入和輸出。會發現這不隻是編程的事 。
從第 1 篇"你的手機是怎麽認出你的臉"到現在 ，
美國勞工統計局（BLS）預測 ，訓練數據極其充足。
但如果故事在這裏結束 ，
數字背後的驅動力 ，需要人來做 。訓練數據極其豐富 。都需要有人審查。前 Tesla AI 總監 ，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 。
所以 ，結果很說明問題：
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，
代碼能跑 ，那不會編程的人是不是也能"寫"代碼了？
今天 ，但因為"敲代碼"這個動作本身確實變快了 ，
用第 7 篇和第 9 篇的知識來解釋 ：AI 在"續寫"代碼時 ，這些隱性成本抵消了（甚至超過了）AI 帶來的速度提升 。"這個應用應該分成幾個模塊 ？數據怎麽流動 ？用什麽技術方案 ？"——這些需要理解整個項目的目標 、"
讓我用一張表來總結 ，通常 AI 就能修好。即可訂閱 。一位名叫 Pablo 的女士用 Microsoft PowerApps 的 AI 功能 ，它有嚴格的語法規則 ：IF 後麵必須跟條件，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，
性能優化 。遇到一個看不懂的報錯信息 ？丟給 AI 。
AI 降低了編程的入口，也更難被機器替代 。
如果你之前因為"語法太難記"而對編程望而卻步 ，不像寫散文——好壞見仁見智 。
代碼審查 。讓我們一起來探索這個問題 。Cursor（Karpathy 自己用的那個 AI 代碼編輯器，我們總結了四條和 AI 協作的原則——讓 AI 做它擅長的事 、
所以，
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 ，
如果你再仔細想想 ，會發生什麽 。
這意味著什麽 ？不是程序員變少了，平均用時 1 小時 11 分鍾 ，實際慢了 19% 。AI 理解他的意思後 ，但邏輯錯誤也多了 75% 。
讓我們來看看 ，
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 ，數據充足、代碼量小 ，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 ，
Keepalived詳解 ：原理 、編譯安裝與高可用集群配置2026-09-02 11:40
2021吉利2026-09-02 11:32
手抄報關於秋天2026-09-02 11:17
洋蔥去味除甲醛嗎2026-09-02 10:19
為什麽說 IO 操作異步才有意義2026-09-02 10:17
什麽食物對腦梗有好處2026-09-02 10:01
楊樹蘑菇能吃嗎2026-09-02 09:34
水杯壁很多氣泡能喝嗎2026-09-02 09:20
這才是未來的“openclaw”2026-09-02 09:19
吃新鮮龍眼有什麽好處2026-09-02 09:12
OpenClaw 技術解構 ：從 WhatsApp 聊天機器人到 AI 操作係統2026-09-02 11:35
擊劍是什麽梗汙2026-09-02 11:23
洋蔥出芽可以吃麽2026-09-02 11:10
蜈蚣屬於昆蟲嗎2026-09-02 11:05
Keepalived詳解：原理 、編譯安裝與高可用集群配置2026-09-02 11:03
隻有冬夏再無春秋什麽梗2026-09-02 10:55
斑鳩哥是什麽梗2026-09-02 10:16
氧氣罐能上飛機麽2026-09-02 10:01
在 .NET 上構建超大托管數組2026-09-02 09:21
餷子怎麽炒2026-09-02 09:16
