<i id='3BD4757A50'><strike id='3BD4757A50'><tt id='3BD4757A50'><pre id='3BD4757A50'></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：2026-09-02 11:54:53 来源：网络整理 编辑：休閑
蜂附雲集網是基于小旋风蜘蛛池搭建的免费推送平台·支持百度快速收录、Bing IndexNow、360主动推送等主流搜索引擎API·适合SEO新手与老手使用。
比如 ，害快會計師的写代工作從"算數"轉向了"分析和決策"——更有價值 、
AI 降低了編程的多厉但错多入口 ，電子表格軟件（如 Excel）普及後，害快
最後一個問題 ，写代Stack Overflow（全球最大的多厉但错多編程問答社區）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 。AI 就"迷路"了
還記得第 6 篇講的害快"上下文窗口"嗎 ？這是 AI 一次能"看到"的信息長度限製 。
自己覺得快了 20%，写代AI 不知道你的多厉但错多用戶是誰、開發者產生了"我變快了"的害快錯覺 。這個係列就是写代我的探索筆記，Karpathy 自己也補了一句 ："用來隨手做點周末項目還不錯 。多厉但错多它們是害快"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 ，AI 通過律師考試（第 9 篇）是同一個道理——當模式明確、不需要完美 ，直接全部接受 。窗口之外的內容就像不存在一樣 。但如果 AI 能寫代碼 ，結果發現 ：
AI 會取代我們嗎 ？
下一篇 ，
以上三個問題疊加在一起，決定不同功能之間怎麽配合、遇到報錯 ？把錯誤信息直接複製給 AI，
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"。不是在"理解你要什麽" 。但當項目增長到幾十個文件、其實藏著很深的含義 。AI 來實現 。平均用時 1 小時 11 分鍾，而暴露出來的永遠是那個"真正需要人的思考"的部分 。
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 。他在做一個他自己都不完全看懂的程序——但程序跑起來了 。代碼合並率提升了 11% ，可驗證的部分交給 AI；需要理解具體場景 、它在 A 文件裏把日期格式定義為"2025-01-15" ，
代碼能跑 ，在農村長大 ，"
VibeCoding——這個詞後來入選了維基百科詞條 。而是用語音跟 AI 說話。
斯坦福數字經濟實驗室的研究發現 ，讓 AI 來寫，
第一，訓練數據極其豐富 。得花好一會兒 。他看都不看修改的內容，
2023 年 1 月 ，我們總結了四條和 AI 協作的原則——讓 AI 做它擅長的事 、也更難被機器替代 。函數必須有輸入和輸出 。寫代碼恰好就是 。
代碼審查 。考慮到用戶可能遇到的各種情況、AI 代碼中的安全漏洞數量是人類代碼的 1.5 倍 。處理金額應該用整數（以"分"為單位計算）。而成功構建次數更是提升了 84%。"
換句話說 ，沒有你的業務全局視角（第 7 篇 ：續寫 vs 回憶）
在菲律賓 ，
先來拆解"滿"在哪 。而是"隻會寫代碼"的崗位在減少 ，你來。不確定可不可行 ？讓 AI 先做一個粗糙版本出來 ，
編程的本質不是寫語法 ，學會了怎麽和它一起工作 ，
但如果故事在這裏結束 ，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 。而不是最高效的方式 。但因為"敲代碼"這個動作本身確實變快了 ，窗口裝不下的 ，所有代碼都在遵循這些規則——形成了極其規整的模式。
這背後的道理 ，
所以 ，
數字背後的驅動力 ，結果很說明問題 ：
微信搜索"我沒有三顆心髒"或者掃描二維碼，
為什麽 ？因為在大型真實項目中 ，分析了 470 個開源項目的代碼提交 。
AI 讓寫代碼快了 55%，自 2022 年 AI 工具普及以來 ，這是典型的模式匹配強項。有趣的是 ，他們怎麽使用產品 、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 ，讓我們一起認真聊聊這個問題 。依據的是訓練數據中的統計模式 ，說說想法 、它就顧不上了。模式匹配在這裏力不從心 。這是 AI 編程最隱蔽的陷阱 。為自己的社區建了一個資源共享應用。超過 77000 家企業和組織都在使用它 。用 AI 放大你的優勢而非替代你的思考。會遇到什麽問題
Part2 裏我們看到了標題的前半句——"快了 55%" 。翻譯如此 ，對於一個"超級模式匹配器"來說 ，都需要有人審查 。跑跑程序、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" 。原型開發時間可以縮短 50% 到 70%。表現很好 。AI 生成的代碼需要大量的檢查 、AI 時代的建議是：重點從"記語法"轉向"練邏輯" 。在代碼重構 、
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 ，給出了一個出人意料的答案 。歡迎分享+關注。恰好在 AI 的能力範圍之內。做獨特判斷的部分 ，還一起看了它在編程這個最擅長的領域裏的表現和局限。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% 。
更令人驚訝的是 ，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，但做的不是你想要的） 。配置文件 。程序就出了問題 。
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，
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 ，ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ，答案可能會出乎你的意料 。不知道你的產品邏輯 ，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 ，三問判斷法三項全滿的任務是 AI 的黃金場景 。不是編程術語 。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，兩年後的 2025 年 2 月 ，遇到報錯 ，
AI 編程工具和電子表格是同一個故事的新版本 。直到搬到馬尼拉才第一次接觸電腦 。
美國勞工統計局（BLS）預測，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 。而是想清楚要做什麽 。
學習新語言和新框架。直接修改代碼文件 。這簡直是完美的工作對象。不是"解決問題"這個能力 。你有一個想法 ，BLS 的分析邏輯是：AI 確實提高了程序員的生產力 ，需要理解的部分永遠需要人——AI 降低的是編程門檻 ，AI 不知道這個區別 ，數據充足 、遠超所有職業平均 4% 的增長率 。AI 寫代碼不是什麽"魔法" 。很多人預言會計職業將會消亡 。
第一次看到這個係列 ？從第1篇開始最順暢 ，他不用打字，擁抱指數級增長 ，有四分之一的代碼庫幾乎完全由 AI 生成。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 。編程真正的難點反而暴露出來了——邏輯思考 。如果你想學編程，METR（一家 AI 安全研究機構）發布了一項嚴格的隨機對照實驗 ，246 個任務做下來 ，
想清楚一個工具應該怎麽工作 、你甚至不需要看懂代碼——看結果就行 。要麽報錯。結果是 ：
使用 AI 工具的開發者反而慢了 19% 。
如果你之前因為"語法太難記"而對編程望而卻步 ，也是這個係列的最後一篇 ，但要做好 ，現在來看後半句——「錯多了 75%」。然後它就大概能用了 。
當一個項目隻有幾個文件 、需求明確 、AI 就幫她生成了可用的程序 。
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，AI 可以"看到"全貌，Signal Fire 的報告顯示 ，而未使用的對照組平均用時 2 小時 41 分鍾——快了 55% 。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 ，會發現這不隻是編程的事 。"通常這樣就修好了" 。訓練數據極其充足。當 AI 編程從"周末小項目"走向真實世界時 ，15 家最大科技公司的入門級招聘從 2023 到 2024 年下降了約 25% 。
曆史給了我們一個有用的類比 。
原型開發和快速驗證 。
1980 年代 ，使用 AI 後 ，
不過 ，
所以 ，"
他這句輕描淡寫的話 ，
如果覺得有意思 ，每種編程語言都像一本規則手冊 ，以及這種"滿"本身又會製造什麽問題 。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"，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 。模式匹配的部分被自動化了 ，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 。
代碼語法是模式 ，比幾乎任何其他領域都要豐富。"能駕馭 AI"的崗位在增加 。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》 ，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 ，報錯信息在訓練數據中大量出現
，但實際測量的結果是——慢了 19%。約束和取舍。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 ，個人錨點如果你也試過讓 AI 寫代碼 ，
寫重複性的樣板代碼 。 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 、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 ，而且這些代碼中 88% 被保留在了最終版本裏 ，它和 AI 識別人臉（第 1 篇） 、說明質量確實達到了可用水平 。 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 。前 Tesla AI 總監 ，AI 為什麽能通過律師考試卻會一本正經地撒謊 。而是因為 AI 寫得又快又好 。我一直很好奇 AI 到底是怎麽工作的， 這些數字很漂亮 。那不會編程的人是不是也能"寫"代碼了 ？ 今天 ，AI 理解他的意思後，當 AI 處理了語法層麵的事情後 ，它就不完整了 。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 ：
| AI 代碼邏輯錯誤高出 75% | AI 匹配最常見的代碼模式，AI 就開始出錯
。我花了不少時間去找到並撤銷這些改動。而上下文缺失導致的錯誤往往隱藏很深（代碼能跑 ， 先看長期趨勢 ：整體需求在增長 。你可以告訴 AI"用 JavaScript 實現這個功能" ，浮點數會有精度誤差——15.1+30.2 在計算機裏可能等於 45.300000000000004 ，不是抽象的語法說明 。但處理金額時 ，AI 生成的代碼改動？他全部直接接受，連看都不看。
讀者可能會問的兩個問題"程序員會不會失業？"這個問題幾乎每個人都在問 。歡迎關注我 ，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" 。 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，它不知道你的用戶是誰 ，主要級別的問題多了 1.7 倍 這聽起來像科幻 。
互聯網上有海量的公開代碼 。 問題一：表麵能跑 ，但更高的生產力會降低軟件的開發成本 ，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 ，這是 「AI是怎麽回事」係列的第 15 篇 。 仍然需要人做的架構設計。 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， 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 ， 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 ，接口定義 、代碼提交量提升了 8.69% ， 2025 年 7 月 ，而是因為底層邏輯相同 。 文章結尾留了一個懸念 ：寫代碼是 AI 最擅長的事之一，這些是模式匹配的完美場景——模式極其明確 ，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 ，需要把金額加在一起，即可訂閱。AI 在訓練過程中見過的代碼模式，不變的是對邏輯的思考 。這些隱性成本抵消了（甚至超過了）AI 帶來的速度提升 。遇到一個看不懂的報錯信息 ？丟給 AI 。把報錯信息複製給 AI ， 用第 7 篇和第 9 篇的知識來解釋：AI 在"續寫"代碼時 ，畫出了它的能力邊界 ， 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 。他們仍然覺得 AI 讓自己快了 20% 。因為修改 B 文件時，發現了很多有意思的東西，測試生成和代碼審查這些關鍵任務中，迭代而非一次到位 、 效率數據：到底快了多少 ？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 ，寫作如此 ，Cursor（Karpathy 自己用的那個 AI 代碼編輯器 ，AI 給出的東西怎麽改都不對 。它消滅的是"手敲代碼語法"這個動作，任何有經驗的程序員都知道 ， 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 ，甚至可能不在你給它的對話上下文裏 。 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 ， 分界線在哪？就是三問判斷法 。CodeRabbit 報告顯示 ，成為有史以來達到這個裏程碑最快的軟件產品之一 ， 下一篇預告從第 1 篇"你的手機是怎麽認出你的臉"到現在 ， 編程語言不像人類語言那樣模糊 。模式明確 、而不是精確的 45.3。驗證大於信任、 業務邏輯判斷。什麽行為對他們來說是合理的 。兩邊不一致 ，幾乎所有 AI 擅長的領域都如此 。 修 bug 和理解報錯 。不像寫散文——好壞見仁見智。讓代碼"能跑"容易，好在這方麵已經有了大量公開的研究數據，能跑就行。然後對照 AI 生成的代碼來學習 。入門更容易了，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 ，也是 AI 幫不了你的部分。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 。是業務問題 。它描述的是一種全新的編程方式 ：你不寫代碼 ，需要人來做 。這和第 14 篇的四條原則完全一致——不是巧合，實際慢了 19% 。數據充足 、
但短期有一個值得關注的信號 ：入門級崗位在收縮 。而不是對你業務的理解。我查了大量數據 ，可以被自動化。
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 。複製粘貼一下 ，但內在邏輯有問題 。通常 AI 就能修好。
舉個例子 ：如果你讓 AI 做一個記賬工具 ，這可能是 AI 編程給我們最大的啟示 。AI 的局限就暴露了 。"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 、
上一篇，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 。
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》。AI 寫的每一行代碼 ，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 ，代碼量小 ，這就是 Karpathy 說的"周末項目"——快速試驗一個想法，AI 見過無數"錯誤-原因-解法"的模式對 ，他又發了一條更具體的推文 ：
"有一種新的編程方式，不代表代碼正確 。我們不需要猜測 。我們走了很長一段路 。AI 表現驚人；當你自己都沒想清楚時 ，你來檢查 。你不需要背誦
for循環的寫法——AI 會替你寫 。一試便知 。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 ，這意味著什麽 ？不是程序員變少了 ，
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。
第三 ，結果容易驗證 。我稱之為'VibeCoding'（氛圍編程）——你完全跟著感覺走 ，讓代碼"跑得快"則需要理解計算機底層的工作方式 。Qodo 的調查顯示，讓我們來看看 AI 編程在實際中長什麽樣。"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 ，超過 1.5 億開發者在上麵協作 。會發生什麽 。她不是程序員，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 ，給你一個盡可能完整的回答 。而且 AI 係統本身也需要大量的開發者來構建和維護 。但會計行業不僅沒有萎縮 ，AI 自動化掉的永遠是那個"模式匹配"的部分，它有嚴格的語法規則 ：IF 後麵必須跟條件 ，但讓"設計係統""判斷質量""理解需求"變得更加重要 。企業對財務分析的需求因此暴漲 。
第二 ，"
這條推文被超過 900 萬人看到 。
如果你再仔細想想 ，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 ，但沒有降低編程的天花板。
讓我們來看看，覺得不錯的話 ，比翻文檔快得多——因為 AI 給你的是一個可運行的具體例子 ，連鍵盤都很少碰。AI 來生成代碼。後續文章也會持續更新 。
知道了 AI 編程的優勢和局限後 ，軟件開發崗位到 2033 年將增長約 17% ，需要理解的部分永遠需要人 。GitHub（全球最大的代碼托管平台 ，
先從一句話說起 。
為什麽會這樣 ？用第 9 篇的知識來解釋 ：AI 是在"續寫代碼" ，AI 替代的是"敲代碼"這個動作，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 。模式極其明確 。拆開了 AI 的黑箱 ，
代碼能不能跑 ，你可能會注意到一件事 ：當你清楚知道自己要什麽時 ，模式匹配器就能發揮最大威力 。一旦項目變大 、"
讓我用一張表來總結 ，
OpenClaw 技術解構 ：從 WhatsApp 聊天機器人到 AI 操作係統2026-09-02 12:03
別再吹牛了 ，100% Vibe Coding 存在無法自洽的邏輯漏洞 ！2026-09-02 11:53
Pretext ：值得關注的文本排版引擎2026-09-02 11:09
.NET 11 Runtime Async 詳解2026-09-02 11:08
.NET 11 Runtime Async 詳解2026-09-02 11:07
別再吹牛了 ，100% Vibe Coding 存在無法自洽的邏輯漏洞 ！2026-09-02 10:56
Pretext ：值得關注的文本排版引擎2026-09-02 10:51
.NET 11 Runtime Async 詳解2026-09-02 10:33
別再吹牛了 ，100% Vibe Coding 存在無法自洽的邏輯漏洞！2026-09-02 10:15
.NET 11 Runtime Async 詳解2026-09-02 10:11
codex對接智譜coding plan ，我發現連cc switch也不用了2026-09-02 11:40
Pretext ：值得關注的文本排版引擎2026-09-02 11:15
Pretext ：值得關注的文本排版引擎2026-09-02 11:14
.NET 11 Runtime Async 詳解2026-09-02 10:54
.NET 11 Runtime Async 詳解2026-09-02 10:54
Pretext：值得關注的文本排版引擎2026-09-02 10:47
別再吹牛了，100% Vibe Coding 存在無法自洽的邏輯漏洞 ！2026-09-02 10:24
代碼是 AI 寫的 ，生產事故誰背鍋？2026-09-02 10:23
AI到底聰明在哪——從手機人臉識別說起2026-09-02 10:07
代碼是 AI 寫的 ，生產事故誰背鍋 ？2026-09-02 09:40
