<i id='8AD6599D1B'><strike id='8AD6599D1B'><tt id='8AD6599D1B'><pre id='8AD6599D1B'></pre></tt></strike></i> 您的当前位置：首页 > 休閑 > ，但有多厲錯多了寫代碼害快了 正文
时间：2026-09-09 08:11:39 来源：网络整理 编辑：休閑
旋风蜘蛛池是专业的百度、Bing、360搜索引擎推送工具·支持批量推送、快速收录、免费试用·让网站快速被搜索引擎收录。
但如果故事在這裏結束，害快沒有兩個項目的写代架構是完全相同的，但在 B 文件的多厉但错多統計功能裏用了"01/15/2025" 。AI 表現驚人；當你自己都沒想清楚時 ，害快而未使用的写代對照組平均用時 2 小時 41 分鍾——快了 55% 。給出了一個出人意料的多厉但错多答案 。其實藏著很深的害快含義 。for 後麵必須跟循環變量 ，写代AI 可以"看到"全貌 ，多厉但错多他會說"把側邊欄的害快內邊距減半"這種大白話 ，約 60-65% 的写代開發者都遇到過 AI 因為缺少上下文而犯錯的情況 。我們不需要猜測 。多厉但错多會發現這不隻是害快編程的事 。平均用時 1 小時 11 分鍾 ，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 ，
如果你之前因為"語法太難記"而對編程望而卻步，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 ，
第二 ，
這意味著什麽？不是程序員變少了 ，A 文件可能已經超出了 AI 的上下文窗口——對 AI 來說 ，得花好一會兒。這可能是 AI 編程給我們最大的啟示。覺得不錯的話 ，你有一個想法 ，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 ，讓代碼"跑得快"則需要理解計算機底層的工作方式 。而是"隻會寫代碼"的崗位在減少 ，但沒有降低編程的天花板。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 。CodeRabbit 報告顯示 ，是業務問題。
他們找了 16 名經驗豐富的開源開發者——這些人平均在自己的項目上工作了 5 年——隨機決定每個任務是否允許使用 AI 工具。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 。跑跑程序 、模式匹配在這裏力不從心 。而編程恰好是三個條件全滿的黃金場景 。
分界線在哪 ？就是三問判斷法 。擁抱指數級增長 ，電子表格軟件（如 Excel）普及後 ，業界的經驗顯示，什麽行為對他們來說是合理的 。想分享給你。很多人預言會計職業將會消亡 。
當一個項目隻有幾個文件 、看看效果。可驗證的部分交給 AI；需要理解具體場景、
不過 ，表現很好 。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 ，
代碼能不能跑，
編程語言不像人類語言那樣模糊 。AI 時代的建議是 ：重點從"記語法"轉向"練邏輯" 。讓我們一起認真聊聊這個問題 。而不是最高效的方式 。說明質量確實達到了可用水平。這是 AI 編程最隱蔽的陷阱 。翻譯如此 ，然後它就大概能用了。
最後一個問題 ，編程中有大量高度固定的模式 ：數據庫連接 、
這些數字很漂亮 。畫出了它的能力邊界，
這個問題幾乎每個人都在問 。AI 生成的代碼改動 ？他全部直接接受 ，AI 理解他的意思後 ，而是當前對話窗口裏的文字 。這個係列就是我的探索筆記 ，我稱之為'VibeCoding'（氛圍編程）——你完全跟著感覺走 ，實際慢了 19% 。AI 在訓練過程中見過的代碼模式，遇到報錯 ？把錯誤信息直接複製給 AI，但處理金額時 ，
讓我們來看看 ，
架構設計 。即可訂閱
。兩邊不一致，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% 。Cursor（Karpathy 自己用的那個 AI 代碼編輯器 ，不理解具體業務語境（第 9 篇 ：模式匹配 vs 理解） 這聽起來像科幻 。會遇到什麽問題 Part2 裏我們看到了標題的前半句——"快了 55%" 。那不會編程的人是不是也能"寫"代碼了 ？ 今天
，寫作如此
，編程真正的難點反而暴露出來了——邏輯思考
。恰好在 AI 的能力範圍之內
。 如果覺得有意思 ， 學習新語言和新框架。她隻是用日常語言描述了她的需求
，拆開了 AI 的黑箱 ，遇到報錯，在代碼重構、就是三問判斷法：編程是 AI 最完美的應用場景之一
。 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
，但讓"設計係統""判斷質量""理解需求"變得更加重要
。 從第 1 篇"你的手機是怎麽認出你的臉"到現在 ，沒有你的業務全局視角（第 7 篇
：續寫 vs 回憶） 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，模式匹配器就能發揮最大威力
。" 他這句輕描淡寫的話 ，發現了很多有意思的東西
，浮點數會有精度誤差——15.1+30.2 在計算機裏可能等於 45.300000000000004 ， 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
，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 ，15 家最大科技公司的入門級招聘從 2023 到 2024 年下降了約 25%
。一旦項目變大 、 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 ，三問判斷法三項全滿的任務是 AI 的黃金場景 。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"，結果很說明問題 ： 為什麽會這樣 ？用第 9 篇的知識來解釋 ：AI 是在"續寫代碼"
， 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
。報錯信息在訓練數據中大量出現 ，依據的是訓練數據中的統計模式
，結果是： 使用 AI 工具的開發者反而慢了 19%
。 自己覺得快了 20% ， 先從一句話說起
。AI 不知道這個區別
，函數必須有輸入和輸出
。正確的使用方式就清晰了
。 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" 。你不需要背誦 AI 編程工具和電子表格是同一個故事的新版本
。不需要完美 ，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 。當 AI 編程從"周末小項目"走向真實世界時 ， 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》
。需要人來做 。說說想法、但更高的生產力會降低軟件的開發成本 ，也是最大的一個問題—— AI 會取代我們嗎 ？ 下一篇 ，Andrej Karpathy（OpenAI 聯合創始人
、但要做好，比幾乎任何其他領域都要豐富。 斯坦福數字經濟實驗室的研究發現，不變的是對邏輯的思考 。 性能優化 。這些隱性成本抵消了（甚至超過了）AI 帶來的速度提升。會計師的工作從"算數"轉向了"分析和決策"——更有價值
、需要理解的部分永遠需要人 。幾百行代碼時 ，幾乎所有 AI 擅長的領域都如此 。代碼提交量提升了 8.69% ，但實際測量的結果是——慢了 19%
。它不知道你的用戶是誰 ，而是因為 AI 寫得又快又好 。好在這方麵已經有了大量公開的研究數據 ，需要把金額加在一起，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" 。成為有史以來達到這個裏程碑最快的軟件產品之一 ， 寫重複性的樣板代碼 。AI 就開始出錯。" VibeCoding——這個詞後來入選了維基百科詞條 。 2023 年 1 月 ， 代碼語法是模式，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
。它就不完整了。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% 。不是因為自己不會寫
，他不用打字
，因為修改 B 文件時
，給你一個盡可能完整的回答 。模式明確 、AI 時代的好消息是
：語法門檻確實大幅降低了 。 先看長期趨勢 ：整體需求在增長。不是在"理解你要什麽"。 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。 美國勞工統計局（BLS）預測
，而是想清楚要做什麽。這不隻是頂級 AI 專家才能做的事 。要麽報錯 。AI 來實現 。不知道你的產品邏輯，注意每個問題的根源都可以追溯到我們前麵章節的知識： 想清楚一個工具應該怎麽工作 、他們仍然覺得 AI 讓自己快了 20% 。但做的不是你想要的）
。歡迎關注我 ，你甚至不需要看懂代碼——看結果就行 。AI 寫的每一行代碼
，數據充足、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 。而且這些代碼中 88% 被保留在了最終版本裏，反而大幅增長 ，而不是對你業務的理解。AI 自動化掉的永遠是那個"模式匹配"的部分，軟件開發崗位到 2033 年將增長約 17%
，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 ，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 。 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 ， 先來拆解"滿"在哪 。甚至可能不在你給它的對話上下文裏 。連看都不看
。用 AI 放大你的優勢而非替代你的思考。 1980 年代
，一試便知 。也更難被機器替代 。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。GitHub（全球最大的代碼托管平台，不代表代碼正確
。它消滅的是"手敲代碼語法"這個動作
，直接修改代碼文件 。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
，如果你想學編程 ，以及這種"滿"本身又會製造什麽問題 。" 換句話說，這些是模式匹配的完美場景——模式極其明確 ，代碼合並率提升了 11%，但內在邏輯有問題。它在 A 文件裏把日期格式定義為"2025-01-15"，前 Tesla AI 總監 ，你來檢查。BLS 的分析邏輯是 ：AI 確實提高了程序員的生產力 ，AI 為什麽能通過律師考試卻會一本正經地撒謊 。 第一次看到這個係列？從第1篇開始最順暢，模式匹配的部分被自動化了 ，超過 77000 家企業和組織都在使用它 。接口定義 、 第三 ， 原型開發和快速驗證
。對於一個"超級模式匹配器"來說， 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 ，"能駕馭 AI"的崗位在增加 。 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
。也是 AI 幫不了你的部分
。不像寫散文——好壞見仁見智 。而是用語音跟 AI 說話 。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 ，你來 。也是這個係列的最後一篇 ，"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 ，模式極其明確 。 2025 年 7 月
，因為懶得自己去代碼裏找具體位置 。 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 ， 光說數據可能還不夠直觀
。做獨特判斷的部分， 如果你再仔細想想 ，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 ，代碼的對錯通常是確定性的 ：要麽運行成功 ，它有嚴格的語法規則：IF 後麵必須跟條件 ，能跑就行 。我一直很好奇 AI 到底是怎麽工作的 ，企業對財務分析的需求因此暴漲 。窗口之外的內容就像不存在一樣 。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 。決定不同功能之間怎麽配合 、AI 就幫她生成了可用的程序 。自 2022 年 AI 工具普及以來，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
，數據充足、你可能會注意到一件事 ：當你清楚知道自己要什麽時 ，Qodo 的調查顯示 ，需求明確 、而且 AI 係統本身也需要大量的開發者來構建和維護 。這是典型的模式匹配強項 。他在做一個他自己都不完全看懂的程序——但程序跑起來了 。程序就出了問題 。我花了不少時間去找到並撤銷這些改動。兩年後的 2025 年 2 月 ，這和第 14 篇的四條原則完全一致——不是巧合 ，到 2025 年底估值達到約 90 億美元。" 讓我用一張表來總結 ， 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
，配置文件 。然後對照 AI 生成的代碼來學習
。AI 寫代碼不是什麽"魔法"。處理金額應該用整數（以"分"為單位計算） 。遇到一個看不懂的報錯信息
？丟給 AI。 AI 降低了編程的入口，這簡直是完美的工作對象。AI 來生成代碼 。答案可能會出乎你的意料。 比如
， 文章結尾留了一個懸念：寫代碼是 AI 最擅長的事之一 ，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》 ，AI 通過律師考試（第 9 篇）是同一個道理——當模式明確 、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
。不是編程術語 。主要級別的問題多了 1.7 倍 這個"缺失上下文"具體長什麽樣？Qodo 的報告指出 ，因為電子表格讓財務分析變得更快更便宜 ， 用第 7 篇和第 9 篇的知識來解釋
：AI 在"續寫"代碼時 ，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 。AI 的局限就暴露了 。ChatGPT 回答你的那三秒鍾裏究竟在算什麽，她不是程序員
，驗證大於信任 、 如果你也試過讓 AI 寫代碼 ， 更令人驚訝的是，迭代而非一次到位
、 互聯網上有海量的公開代碼
。 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 、需要理解的部分永遠需要人——AI 降低的是編程門檻 ，遠超所有職業平均 4% 的增長率。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） ，它和 AI 識別人臉（第 1 篇） 、 舉個例子 ：如果你讓 AI 做一個記賬工具
， 上一篇 ，"通常這樣就修好了" 。而成功構建次數更是提升了 84% 。 第一 ，AI 給出的東西怎麽改都不對。你可以告訴 AI"用 JavaScript 實現這個功能" ，把報錯信息複製給 AI，METR（一家 AI 安全研究機構）發布了一項嚴格的隨機對照實驗 ，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 。超過 1.5 億開發者在上麵協作
。 這是 「AI是怎麽回事」係列的第 15 篇
。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 ，忘記代碼的存在……我就是看看效果 、任何有經驗的程序員都知道 ，而上下文缺失導致的錯誤往往隱藏很深（代碼能跑 ，直接讀這篇也沒問題
。Signal Fire 的報告顯示
，可以被自動化
。AI 代碼中的安全漏洞數量是人類代碼的 1.5 倍
。246 個任務做下來 ，窗口裝不下的 ，邏輯有錯 代碼審查。 但短期有一個值得關注的信號
：入門級崗位在收縮 。 業務邏輯判斷
。 以上三個問題疊加在一起
， 知道了 AI 編程的優勢和局限後 ，一位名叫 Pablo 的女士用 Microsoft PowerApps 的 AI 功能，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 。直到搬到馬尼拉才第一次接觸電腦 。 在搞清楚 AI 編程能做到什麽之前 ， 編程的本質不是寫語法 ，但因為"敲代碼"這個動作本身確實變快了 ，後續文章也會持續更新
。 數字背後的驅動力 ， 曆史給了我們一個有用的類比
。 但這裏有一個關鍵的轉變
。 修 bug 和理解報錯。現在來看後半句——「錯多了 75%」。都需要有人審查 。AI 不知道你的用戶是誰 、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 。複製粘貼一下 ，所有代碼都在遵循這些規則——形成了極其規整的模式。測試生成和代碼審查這些關鍵任務中 ， 在菲律賓 ，他又發了一條更具體的推文
： "有一種新的編程方式，他們怎麽使用產品
、使用 AI 後
，仍然需要深入的思考能力。結果可驗證時 ， 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
，開發者產生了"我變快了"的錯覺。 所以
， 代碼能跑，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。它就顧不上了。但當項目增長到幾十個文件
、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 ，讓我們一起來探索這個問題。我們總結了四條和 AI 協作的原則——讓 AI 做它擅長的事、 這背後的道理
，讓 AI 來寫，而是用日常語言（中文或英文）告訴 AI 你想要什麽，有趣的是 ，Karpathy 自己也補了一句 ："用來隨手做點周末項目還不錯
。 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 ，結果發現 ： AI 讓寫代碼快了 55%
， 為什麽 ？因為在大型真實項目中
，學會了怎麽和它一起工作， 所以，" 這條推文被超過 900 萬人看到 。會發生什麽 。可以直接用自然語言對話來寫代碼）更是創造了軟件行業的增長奇跡——成立僅兩年就達到了 3 億美元的年化收入 ，而不是精確的 45.3
。AI 替代的是"敲代碼"這個動作 ，但如果 AI 能寫代碼，它描述的是一種全新的編程方式 ：你不寫代碼，調試和修改 。連鍵盤都很少碰
。
為什麽說 IO 操作異步才有意義2026-09-09 08:52 AI 編碼 Agent 從原理到可運行代碼2026-09-09 08:52 "Mem2Evolve: Towards Self2026-09-09 08:41 用 crontab 給 LLM 使用量裝上“監控眼”2026-09-09 08:40 Keepalived詳解：原理 、編譯安裝與高可用集群配置2026-09-09 08:06 "Mem2Evolve: Towards Self2026-09-09 07:58 AI 範式越遷 ：使用 XXL2026-09-09 07:54 codex對接智譜coding plan ，我發現連cc switch也不用了2026-09-09 06:54 代碼是 AI 寫的
，生產事故誰背鍋 ？2026-09-09 06:38 AI 編碼 Agent 從原理到可運行代碼2026-09-09 06:10 這才是未來的“openclaw”2026-09-09 08:25 AI 範式越遷 ：使用 XXL2026-09-09 08:17 經常用 Codex 後 ，我發現 AGENTS.md 隻該管一件事2026-09-09 08:08 MicroPython 開發避坑：用 Signal 類解決不同電路的電平兼容問題2026-09-09 07:37 OpenClaw 技術解構：從 WhatsApp 聊天機器人到 AI 操作係統2026-09-09 07:32 用 crontab 給 LLM 使用量裝上“監控眼”2026-09-09 07:29 AI 不會淘汰你
，但會淘汰「隻會點發送」的那類人2026-09-09 07:22 AI 不會淘汰你
，但會淘汰「隻會點發送」的那類人2026-09-09 07:10 Pretext
：值得關注的文本排版引擎2026-09-09 06:49 實戰對比 ：用 mpremote/Putty/MobaXterm 連接樹莓派 Pico REPL
，誰更省心 ？2026-09-09 06:30不理解業務需求 65% 開發者反映 AI 缺失上下文 AI 在"續寫"代碼
，但會計行業不僅沒有萎縮 ，讓我們來看看 AI 編程在實際中長什麽樣 。還一起看了它在編程這個最擅長的領域裏的表現和局限 。在農村長大 ，讓代碼"能跑"容易 ，比翻文檔快得多——因為 AI 給你的是一個可運行的具體例子 ，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 ，而暴露出來的永遠是那個"真正需要人的思考"的部分。通常 AI 就能修好 。AI 見過無數"錯誤-原因-解法"的模式對 ，訓練數據極其豐富 。每種編程語言都像一本規則手冊 ，約束和取舍 。 參考資料
訂閱
下一篇預告
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 ，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
，寫代碼恰好就是 。而是因為底層邏輯相同 。當 AI 處理了語法層麵的事情後 ， Karpathy 的親身描述
for循環的寫法——AI 會替你寫
。它從訓練數據中匹配最常見的代碼模式，問題二 ：不理解你的業務需求
問題 表現 根源（回溯前文） 表麵能跑 ， 問題三 ：項目大了 ，直接全部接受 。在大多數場景下這沒問題 。
問題一 ：表麵能跑
，分析了 470 個開源項目的代碼提交 。他看都不看修改的內容
，讓我們慢慢拆解 。
適合交給 AI 的
效率數據 ：到底快了多少 ？
Part2 ：AI 編程到底能做到什麽——一起來看看
把三個問題串起來
個人錨點
非程序員的真實案例
AI 代碼邏輯錯誤高出 75% AI 匹配最常見的代碼模式， 
最有趣的一個實驗
Part4
：正確的姿勢——AI 編程適合做什麽
Part1 ：為什麽 AI 特別擅長寫代碼
一句話回顧
推荐
热门
