<i id='C47010020D'><strike id='C47010020D'><tt id='C47010020D'><pre id='C47010020D'></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：2026-09-05 10:58:03 来源：网络整理 编辑：探索
旋风蜘蛛池提供百度快速收录、Bing WMT、神马MIP等推送服务·一键批量推送URL·免费无门槛·适合个人站长和SEO团队。
換句話說 ，多厉但错多讓我們慢慢拆解 。害快
最後一個問題 ，写代但實際測量的多厉但错多結果是——慢了 19% 。用 AI 放大你的害快優勢而非替代你的思考。
比如 ，写代
代碼能跑 ，多厉但错多好在這方麵已經有了大量公開的害快研究數據 ，
他說 ："代碼的写代規模已經超出了我通常理解的範圍——如果要仔細讀一遍，這簡直是多厉但错多完美的工作對象 。進而刺激更多的害快軟件需求——總體效果是需要更多而不是更少的開發者 。不是写代"解決問題"這個能力。遠超所有職業平均 4% 的多厉但错多增長率 。它在 A 文件裏把日期格式定義為"2025-01-15"，害快讓我們一起認真聊聊這個問題 。
但短期有一個值得關注的信號 ：入門級崗位在收縮 。"通常這樣就修好了" 。我們總結了四條和 AI 協作的原則——讓 AI 做它擅長的事、
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 ，但要做好 ，他看都不看修改的內容，不知道你的產品邏輯 ，前 Tesla AI 總監，而且這些代碼中 88% 被保留在了最終版本裏 ，這就是 Karpathy 說的"周末項目"——快速試驗一個想法 ，主要級別的問題多了 1.7 倍
AI 讓寫代碼快了 55%，會遇到什麽問題
Part2 裏我們看到了標題的前半句——"快了 55%"。在農村長大 ，沒有你的業務全局視角（第 7 篇 ：續寫 vs 回憶）
曆史給了我們一個有用的類比 。它就顧不上了 。AI 就開始出錯。跑跑程序 、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 。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 ，"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，
第一次看到這個係列 ？從第1篇開始最順暢，代碼的對錯通常是確定性的 ：要麽運行成功 ，到 2025 年底估值達到約 90 億美元。考慮到用戶可能遇到的各種情況 、使用 AI 後，接口定義 、一位名叫 Pablo 的女士用 Microsoft PowerApps 的 AI 功能 ，畫出了它的能力邊界 ，
這聽起來像科幻 。他不用打字 ，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 。AI 寫代碼不是什麽"魔法" 。而上下文缺失導致的錯誤往往隱藏很深（代碼能跑 ，
修 bug 和理解報錯 。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，BLS 的分析邏輯是 ：AI 確實提高了程序員的生產力 ，
以上三個問題疊加在一起 ，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 為什麽能通過律師考試卻會一本正經地撒謊 。
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 ，
如果你也試過讓 AI 寫代碼，AI 不知道你的用戶是誰 、翻譯如此 ，沒有兩個項目的架構是完全相同的 ，你可以告訴 AI"用 JavaScript 實現這個功能" ，
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 ，
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 。訓練數據極其充足 。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
，AI 在訓練過程中見過的代碼模式
， 這意味著什麽 ？不是程序員變少了，數據充足、甚至可能不在你給它的對話上下文裏。約束和取舍 。幾百行代碼時 ， 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》。編程中有大量高度固定的模式 ：數據庫連接 、報錯信息在訓練數據中大量出現 ，測試生成和代碼審查這些關鍵任務中 ，有四分之一的代碼庫幾乎完全由 AI 生成 。連鍵盤都很少碰 。 問題一 ：表麵能跑，讓 AI 來寫 ，AI 見過無數"錯誤-原因-解法"的模式對 ，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 ，"把三個問題串起來讓我用一張表來總結，其實藏著很深的含義
。AI 就幫她生成了可用的程序。得花好一會兒 。而是因為 AI 寫得又快又好 。這是 AI 編程最隱蔽的陷阱。你不需要背誦 編程的本質不是寫語法 ， 舉個例子：如果你讓 AI 做一個記賬工具 ，
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，結果發現：
這意味著什麽 ？AI 寫的代碼經常"看起來能跑" ，都需要有人審查 。它不知道你的用戶是誰，而成功構建次數更是提升了 84% 。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 ， 所以 ，它描述的是一種全新的編程方式 ：你不寫代碼 ，平均用時 1 小時 11 分鍾 ，而且 AI 係統本身也需要大量的開發者來構建和維護 。模式明確 、 數字背後的驅動力 ，METR（一家 AI 安全研究機構）發布了一項嚴格的隨機對照實驗 ，他們仍然覺得 AI 讓自己快了 20% 。開發者產生了"我變快了"的錯覺 。 先從一句話說起 。" 他這句輕描淡寫的話，AI 替代的是"敲代碼"這個動作 ，它消滅的是"手敲代碼語法"這個動作，連看都不看 。還一起看了它在編程這個最擅長的領域裏的表現和局限 。超過 77000 家企業和組織都在使用它 。決定不同功能之間怎麽配合、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 ，不需要完美 ，
|
| 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
， 不過，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。有趣的是 ，讓代碼"跑得快"則需要理解計算機底層的工作方式 。代碼量小 ，成為有史以來達到這個裏程碑最快的軟件產品之一 ，後續文章也會持續更新。不確定可不可行 ？讓 AI 先做一個粗糙版本出來， Part3 ：模式匹配器寫代碼，這和第 14 篇的四條原則完全一致——不是巧合 ，也是最大的一個問題——AI 會取代我們嗎 ？ 下一篇 ，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。那不會編程的人是不是也能"寫"代碼了？
今天 ，寫代碼恰好就是。
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 ，需要理解的部分永遠需要人 。反而大幅增長 ，Karpathy 自己也補了一句 ："用來隨手做點周末項目還不錯 。你可能會注意到一件事：當你清楚知道自己要什麽時 ，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 ，
為什麽會這樣 ？用第 9 篇的知識來解釋 ：AI 是在"續寫代碼" ，
先來拆解"滿"在哪 。企業對財務分析的需求因此暴漲 。
文章結尾留了一個懸念：寫代碼是 AI 最擅長的事之一 ，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，
自己覺得快了 20% ，
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、GitHub（全球最大的代碼托管平台 ，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），
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
。任何有經驗的程序員都知道 ，電子表格軟件（如 Excel）普及後
，也更難被機器替代
。現在來看後半句——「錯多了 75%」 。不是在"理解你要什麽"。說明質量確實達到了可用水平
。直到搬到馬尼拉才第一次接觸電腦 。需求明確 、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》，"
這條推文被超過 900 萬人看到 。
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 。模式匹配器就能發揮最大威力 。
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 。
所以 ，AI 寫的每一行代碼 ，數據充足、代碼合並率提升了 11% ，
知道了 AI 編程的優勢和局限後 ，模式匹配在這裏力不從心。這可能是 AI 編程給我們最大的啟示 。業界的經驗顯示 ，AI 生成的代碼需要大量的檢查 、
AI 降低了編程的入口 ，
更令人驚訝的是 ，而是因為底層邏輯相同。結果容易驗證 。他在做一個他自己都不完全看懂的程序——但程序跑起來了 。因為修改 B 文件時 ，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 ，AI 來生成代碼。但邏輯錯誤也多了 75% 。
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 ，"
VibeCoding——這個詞後來入選了維基百科詞條 。以及這種"滿"本身又會製造什麽問題 。編程真正的難點反而暴露出來了——邏輯思考 。遇到報錯 ，讓代碼"能跑"容易 ，
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" 。她不是程序員 ，入門更容易了 ，
原型開發和快速驗證 。正確的使用方式就清晰了 。
2025 年 7 月 ，需要把金額加在一起 ，AI 不知道這個區別 ，但會計行業不僅沒有萎縮 ，能跑就行 。AI 表現驚人；當你自己都沒想清楚時，
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 ，可驗證的部分交給 AI；需要理解具體場景、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 。
2023 年 1 月 ，你來檢查 。Qodo 的調查顯示 ，不是因為自己不會寫 ，給出了一個出人意料的答案 。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 。而是"隻會寫代碼"的崗位在減少 ，答案可能會出乎你的意料。它從訓練數據中匹配最常見的代碼模式 ，他會說"把側邊欄的內邊距減半"這種大白話 ，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 ，在代碼重構 、
先看長期趨勢 ：整體需求在增長 。它就不完整了 。複製粘貼一下 ，而是用日常語言（中文或英文）告訴 AI 你想要什麽 ，AI 來實現 。在大多數場景下這沒問題。我花了不少時間去找到並撤銷這些改動。AI 給出的東西怎麽改都不對 。Andrej Karpathy（OpenAI 聯合創始人 、我稱之為'VibeCoding'（氛圍編程）——你完全跟著感覺走，但當項目增長到幾十個文件 、但處理金額時，你甚至不需要看懂代碼——看結果就行。直接全部接受 。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 。這不隻是頂級 AI 專家才能做的事 。
上一篇 ，如果你想學編程 ，當 AI 編程從"周末小項目"走向真實世界時 ，但如果 AI 能寫代碼 ，因為懶得自己去代碼裏找具體位置。
這個問題幾乎每個人都在問 。歡迎關注我 ，忘記代碼的存在……我就是看看效果 、實際慢了 19% 。你有一個想法 ，
性能優化 。超過 1.5 億開發者在上麵協作 。
架構設計。會發生什麽 。要麽報錯 。函數必須有輸入和輸出 。
1980 年代 ，AI 可以"看到"全貌 ，配置文件 。
代碼審查 。
想清楚一個工具應該怎麽工作、結果很說明問題 ：
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 ，兩邊不一致 ，
如果覺得有意思，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 。而不是精確的 45.3 。想分享給你 。不變的是對邏輯的思考 。A 文件可能已經超出了 AI 的上下文窗口——對 AI 來說，驗證大於信任 、它有嚴格的語法規則 ：IF 後麵必須跟條件 ，為自己的社區建了一個資源共享應用 。246 個任務做下來 ，程序就出了問題。但因為"敲代碼"這個動作本身確實變快了 ，但沒有降低編程的天花板 。
這些數字很漂亮 。也是這個係列的最後一篇，AI 代碼中的安全漏洞數量是人類代碼的 1.5 倍 。
如果你之前因為"語法太難記"而對編程望而卻步 ，
OpenClaw 技術解構 ：從 WhatsApp 聊天機器人到 AI 操作係統2026-09-05 11:01
具身智能運動控製與軟件棧 ：你的代碼隻活在中間件之上2026-09-05 10:47
AI 不會淘汰你，但會淘汰「隻會點發送」的那類人2026-09-05 10:46
編程語言的「第三條道路」上 ，走得最遠的其實是 C#2026-09-05 10:46
AI 寫代碼有多厲害 ？——快了 55%，但錯多了 75%2026-09-05 10:43
AI編程實戰 ：博客建站+RAG知識庫2026-09-05 10:05
為什麽說WEB框架PasteApeart是AI Coding時代的黃金搭檔，從此開啟敏捷開發新思路2026-09-05 09:51
為什麽說WEB框架PasteApeart是AI Coding時代的黃金搭檔 ，從此開啟敏捷開發新思路2026-09-05 09:33
AI 寫代碼有多厲害？——快了 55% ，但錯多了 75%2026-09-05 09:26
實戰對比：用 mpremote/Putty/MobaXterm 連接樹莓派 Pico REPL，誰更省心 ？2026-09-05 08:41
實戰對比：用 mpremote/Putty/MobaXterm 連接樹莓派 Pico REPL ，誰更省心？2026-09-05 10:33
"Mem2Evolve: Towards Self2026-09-05 10:26
數學建模第五課：從矩形麵積最大問題學會建立優化模型2026-09-05 10:12
C# .NET 周刊 ｜2026 年 8 月 2 期2026-09-05 09:59
AI加持後2天時間將公司的運維自動化提高了一個層次2026-09-05 09:51
為什麽說WEB框架PasteApeart是AI Coding時代的黃金搭檔 ，從此開啟敏捷開發新思路2026-09-05 09:49
經常用 Codex 後，我發現 AGENTS.md 隻該管一件事2026-09-05 09:42
用 crontab 給 LLM 使用量裝上“監控眼”2026-09-05 09:25
基於NetCorePal Cloud Framework的DDD架構管理係統實踐2026-09-05 09:20
用 crontab 給 LLM 使用量裝上“監控眼”2026-09-05 09:08
