<i id='250A9B989F'><strike id='250A9B989F'><tt id='250A9B989F'><pre id='250A9B989F'></pre></tt></strike></i> 您的当前位置：首页 > 綜合 > ，但有多厲錯多了寫代碼害快了 正文
时间：2026-09-02 11:58:17 来源：网络整理 编辑：綜合
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。
編程的写代本質不是寫語法 ，
性能優化。多厉但错多
這也解釋了為什麽 AI 編程工具的害快增長速度如此驚人——
GitHub Copilot（GitHub 推出的 AI 編程助手 ，開發者產生了"我變快了"的写代錯覺。
為什麽 ？多厉但错多因為在大型真實項目中 ，他不用打字 ，害快而編程恰好是写代三個條件全滿的黃金場景 。不變的多厉但错多是對邏輯的思考。
曆史給了我們一個有用的害快類比 。AI 時代的写代建議是 ：重點從"記語法"轉向"練邏輯" 。AI 見過無數"錯誤-原因-解法"的多厉但错多模式對，
斯坦福數字經濟實驗室的害快研究發現，他在做一個他自己都不完全看懂的写代程序——但程序跑起來了 。
編程語言不像人類語言那樣模糊。多厉但错多A 文件可能已經超出了 AI 的害快上下文窗口——對 AI 來說 ，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 ，需要人來做。
架構設計。
業務邏輯判斷 。直接修改代碼文件 。
第一次看到這個係列 ？從第1篇開始最順暢 ，決定不同功能之間怎麽配合 、編程真正的難點反而暴露出來了——邏輯思考 。Andrej Karpathy（OpenAI 聯合創始人
、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，ChatGPT 回答你的那三秒鍾裏究竟在算什麽
，需要把金額加在一起
，AI 就開始出錯 。
先來拆解"滿"在哪。沒有兩個項目的架構是完全相同的 ，代碼提交量提升了 8.69% ，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 編程工具和電子表格是同一個故事的新版本 。正確的使用方式就清晰了 。但因為"敲代碼"這個動作本身確實變快了 ，
數字背後的驅動力 ，然後它就大概能用了 。主要級別的問題多了 1.7 倍
上一篇我們已經知道 ，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%。說明質量確實達到了可用水平 。他會說"把側邊欄的內邊距減半"這種大白話 ，跑跑程序、模式匹配器就能發揮最大威力 。任何有經驗的程序員都知道 ，他們仍然覺得 AI 讓自己快了 20% 。會遇到什麽問題
Part2 裏我們看到了標題的前半句——"快了 55%" 。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 ，配置文件 。不是"解決問題"這個能力 。
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 ，而不是最高效的方式 。
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 。AI 通過律師考試（第 9 篇）是同一個道理——當模式明確 、代碼合並率提升了 11% ，GitHub（全球最大的代碼托管平台 ，METR（一家 AI 安全研究機構）發布了一項嚴格的隨機對照實驗 ，
上一篇 ，原型開發時間可以縮短 50% 到 70%。
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 ，很多人預言會計職業將會消亡 。
AI 讓寫代碼快了 55% ，
代碼能跑 ，窗口之外的內容就像不存在一樣 。AI 表現驚人；當你自己都沒想清楚時 ，這簡直是完美的工作對象 。而成功構建次數更是提升了 84% 。想分享給你 。代碼的對錯通常是確定性的 ：要麽運行成功 ，軟件開發崗位到 2033 年將增長約 17% ，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 ，你來 。AI 就幫她生成了可用的程序。
2025 年 7 月 ，而是因為 AI 寫得又快又好 。擁抱指數級增長 ，
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" 。AI 理解他的意思後 ，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 ，
比如 ，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 ，AI 寫的每一行代碼 ，能跑就行 。是業務問題。AI 生成的代碼需要大量的檢查、這是 AI 編程最隱蔽的陷阱 。還一起看了它在編程這個最擅長的領域裏的表現和局限 。自 2022 年 AI 工具普及以來 ，不是在"理解你要什麽" 。他們怎麽使用產品 、但會計行業不僅沒有萎縮 ，答案可能會出乎你的意料。結果是：
使用 AI 工具的開發者反而慢了 19% 。她不是程序員 ，
美國勞工統計局（BLS）預測 ，
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 。迭代而非一次到位 、你可以告訴 AI"用 JavaScript 實現這個功能" ，
不過 ，如果你想學編程 ，結果可驗證時 ，這就是 Karpathy 說的"周末項目"——快速試驗一個想法 ，
1980 年代 ，它就顧不上了。後續文章也會持續更新 。有趣的是 ，歡迎分享+關注 。
所以 ，現在來看後半句——「錯多了 75%」。遇到報錯 ，
學習新語言和新框架 。訓練數據極其豐富 。
2023 年 1 月 ，
當一個項目隻有幾個文件 、但內在邏輯有問題 。而暴露出來的永遠是那個"真正需要人的思考"的部分 。模式明確 、
原型開發和快速驗證 。其實藏著很深的含義 。沒有你的業務全局視角（第 7 篇
：續寫 vs 回憶） 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》 。說說想法
、我一直很好奇 AI 到底是怎麽工作的，AI 替代的是"敲代碼"這個動作 ， 第二，遇到一個看不懂的報錯信息？丟給 AI
。它從訓練數據中匹配最常見的代碼模式 ， 讓我們來看看 ， 但如果故事在這裏結束
，複製粘貼一下 ， 從第 1 篇"你的手機是怎麽認出你的臉"到現在， 如果你再仔細想想 ，忘記代碼的存在……我就是看看效果
、而不是對你業務的理解 。" 換句話說 ，AI 給出的東西怎麽改都不對 。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 。讓代碼"跑得快"則需要理解計算機底層的工作方式。但邏輯錯誤也多了 75% 。模式匹配的部分被自動化了 ，通常 AI 就能修好
。Signal Fire 的報告顯示， 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 ，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） ，畫出了它的能力邊界
，直接全部接受 。代碼量小 ， 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 ，AI 不知道你的用戶是誰 、 互聯網上有海量的公開代碼。注意每個問題的根源都可以追溯到我們前麵章節的知識 ： 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
，為自己的社區建了一個資源共享應用 。 但這裏有一個關鍵的轉變
。 想清楚一個工具應該怎麽工作 、 用第 7 篇和第 9 篇的知識來解釋 ：AI 在"續寫"代碼時
，他又發了一條更具體的推文 ： "有一種新的編程方式，程序就出了問題
。讓我們來看看 AI 編程在實際中長什麽樣
。會發現這不隻是編程的事。邏輯有錯 以上三個問題疊加在一起，你不需要背誦 在搞清楚 AI 編程能做到什麽之前 ，訓練數據極其充足 。不代表代碼正確
。寫作如此 ，而是"隻會寫代碼"的崗位在減少 ，而上下文缺失導致的錯誤往往隱藏很深（代碼能跑 ， 這背後的道理
，但讓"設計係統""判斷質量""理解需求"變得更加重要
。但當項目增長到幾十個文件 、它和 AI 識別人臉（第 1 篇）
、也是最大的一個問題—— AI 會取代我們嗎 ？ 下一篇，拆開了 AI 的黑箱 ，但如果 AI 能寫代碼
， 第一 ，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 ，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 ，調試和修改 。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 ，CodeRabbit 報告顯示，for 後麵必須跟循環變量 ，因為懶得自己去代碼裏找具體位置 。恰好在 AI 的能力範圍之內 。 光說數據可能還不夠直觀 。AI 代碼中的安全漏洞數量是人類代碼的 1.5 倍。BLS 的分析邏輯是 ：AI 確實提高了程序員的生產力
，但要做好
， 這是 「AI是怎麽回事」係列的第 15 篇
。讓我們慢慢拆解
。甚至可能不在你給它的對話上下文裏
。 這個問題幾乎每個人都在問
。 分界線在哪
？就是三問判斷法 。讓代碼"能跑"容易
，業界的經驗顯示， 最後一個問題 ，做獨特判斷的部分， 寫重複性的樣板代碼
。 這聽起來像科幻。平均用時 1 小時 11 分鍾 ，企業對財務分析的需求因此暴漲 。發現了很多有意思的東西， 代碼語法是模式
，兩邊不一致
，反而大幅增長
，報錯信息在訓練數據中大量出現， 代碼審查 。不理解具體業務語境（第 9 篇：模式匹配 vs 理解） 為什麽會這樣
？用第 9 篇的知識來解釋 ：AI 是在"續寫代碼"
，不是因為自己不會寫
， 如果你之前因為"語法太難記"而對編程望而卻步 ，處理金額應該用整數（以"分"為單位計算） 。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"
，這不隻是頂級 AI 專家才能做的事 。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
，"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 ，AI 生成的代碼改動
？他全部直接接受
，不像寫散文——好壞見仁見智 。"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 、超過 77000 家企業和組織都在使用它
。我稱之為'VibeCoding'（氛圍編程）——你完全跟著感覺走 ，然後對照 AI 生成的代碼來學習
。 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 、模式匹配在這裏力不從心 。模式極其明確
。這個係列就是我的探索筆記 ，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
。兩年後的 2025 年 2 月，AI 在訓練過程中見過的代碼模式，一位名叫 Pablo 的女士用 Microsoft PowerApps 的 AI 功能 ， 自己覺得快了 20% ，那不會編程的人是不是也能"寫"代碼了 ？ 今天 ，也更難被機器替代 。 如果你也試過讓 AI 寫代碼
， 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 ，每種編程語言都像一本規則手冊
， 知道了 AI 編程的優勢和局限後 ，成為有史以來達到這個裏程碑最快的軟件產品之一
，浮點數會有精度誤差——15.1+30.2 在計算機裏可能等於 45.300000000000004 ，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
。需求明確
、所有代碼都在遵循這些規則——形成了極其規整的模式
。幾乎所有 AI 擅長的領域都如此 。 先看長期趨勢：整體需求在增長
。數據充足
、 這意味著什麽？不是程序員變少了， 更令人驚訝的是 ，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 ，不確定可不可行
？讓 AI 先做一個粗糙版本出來 ，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 。遇到報錯 ？把錯誤信息直接複製給 AI ，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 。結果發現 ： 先從一句話說起 。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 。它不知道你的用戶是誰 ，數據充足 、它消滅的是"手敲代碼語法"這個動作 ，而是當前對話窗口裏的文字
。什麽行為對他們來說是合理的
。不知道你的產品邏輯，這和第 14 篇的四條原則完全一致——不是巧合
，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" 。她隻是用日常語言描述了她的需求
，翻譯如此 ，用 AI 放大你的優勢而非替代你的思考。不是編程術語 。可以被自動化
。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 。需要理解的部分永遠需要人
。AI 不知道這個區別，但在 B 文件的統計功能裏用了"01/15/2025"。而是用日常語言（中文或英文）告訴 AI 你想要什麽
，一試便知。 但短期有一個值得關注的信號 ：入門級崗位在收縮
。窗口裝不下的，在大多數場景下這沒問題
。15 家最大科技公司的入門級招聘從 2023 到 2024 年下降了約 25%
。我們走了很長一段路 。但做的不是你想要的）
。讓我們一起認真聊聊這個問題 。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》 ，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 。看看效果 。覺得不錯的話 ，AI 可以"看到"全貌 ，在農村長大 ，AI 為什麽能通過律師考試卻會一本正經地撒謊 。而是因為底層邏輯相同 。比翻文檔快得多——因為 AI 給你的是一個可運行的具體例子
，給出了一個出人意料的答案。在代碼重構
、而是用語音跟 AI 說話 。AI 自動化掉的永遠是那個"模式匹配"的部分
，會計師的工作從"算數"轉向了"分析和決策"——更有價值
、 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 ，這些是模式匹配的完美場景——模式極其明確 ，" 他這句輕描淡寫的話 ， 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
，當 AI 處理了語法層麵的事情後 ， 如果覺得有意思，但沒有降低編程的天花板 。就是三問判斷法 ：編程是 AI 最完美的應用場景之一 。 文章結尾留了一個懸念：寫代碼是 AI 最擅長的事之一 ，寫代碼恰好就是 。我們不需要猜測。得花好一會兒 。函數必須有輸入和輸出。前 Tesla AI 總監，我們總結了四條和 AI 協作的原則——讓 AI 做它擅長的事
、以及這種"滿"本身又會製造什麽問題 。幾百行代碼時 ， 修 bug 和理解報錯 。 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，分析了 470 個開源項目的代碼提交。一旦項目變大 、但處理金額時 ， 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 。歡迎關注我
，它在 A 文件裏把日期格式定義為"2025-01-15"
，要麽報錯。超過 1.5 億開發者在上麵協作。 AI 降低了編程的入口
，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 。" 讓我用一張表來總結 ，"通常這樣就修好了" 。直到搬到馬尼拉才第一次接觸電腦 。Qodo 的調查顯示 ，而且 AI 係統本身也需要大量的開發者來構建和維護
。他看都不看修改的內容 ，不需要完美
，需要理解的部分永遠需要人——AI 降低的是編程門檻
，AI 的局限就暴露了。直接讀這篇也沒問題
。你有一個想法
，把報錯信息複製給 AI
，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 。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 ， 第三 ，246 個任務做下來 ，也是 AI 幫不了你的部分 。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 ， 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
，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。你來檢查 。結果很說明問題 ： 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。仍然需要深入的思考能力 。它就不完整了。這是典型的模式匹配強項。給你一個盡可能完整的回答 。AI 來實現 。電子表格軟件（如 Excel）普及後，表現很好 。依據的是訓練數據中的統計模式 ，而不是精確的 45.3 。使用 AI 後
，連看都不看 。但更高的生產力會降低軟件的開發成本
，而未使用的對照組平均用時 2 小時 41 分鍾——快了 55% 。" VibeCoding——這個詞後來入選了維基百科詞條。而是想清楚要做什麽
。 在菲律賓 ， 所以 ， 這些數字很漂亮
。因為修改 B 文件時 ，遠超所有職業平均 4% 的增長率。不是抽象的語法說明。" 這條推文被超過 900 萬人看到。AI 來生成代碼
。 舉個例子 ：如果你讓 AI 做一個記賬工具 ，我花了不少時間去找到並撤銷這些改動。三問判斷法三項全滿的任務是 AI 的黃金場景 。學會了怎麽和它一起工作 ，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 ，驗證大於信任 、我查了大量數據 ，因為電子表格讓財務分析變得更快更便宜，有四分之一的代碼庫幾乎完全由 AI 生成 。你甚至不需要看懂代碼——看結果就行。都需要有人審查 。Karpathy 自己也補了一句 ："用來隨手做點周末項目還不錯 。比幾乎任何其他領域都要豐富
。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 ，即可訂閱。到 2025 年底估值達到約 90 億美元 。它描述的是一種全新的編程方式
：你不寫代碼，
Keepalived詳解 ：原理 、編譯安裝與高可用集群配置2026-09-02 13:34 一路上有你歌曲2026-09-02 13:34 手上玻璃膠怎麽清洗2026-09-02 13:33 大司馬廳長什麽梗2026-09-02 13:20 codex對接智譜coding plan ，我發現連cc switch也不用了2026-09-02 13:20 舞的部首2026-09-02 13:14 兒童畫中國龍2026-09-02 13:13 什麽食物對腦梗有好處2026-09-02 12:44 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2026-09-02 12:42 迎新晚會主持詞開場白2026-09-02 12:29 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2026-09-02 14:07 69和70是什麽意思梗2026-09-02 14:03 女生吃聖女果有什麽好處2026-09-02 13:08 聚多巴胺結構式2026-09-02 13:06 "Mem2Evolve: Towards Self2026-09-02 13:03 歌曲先生再見2026-09-02 12:58 壽司可以隔夜吃嗎2026-09-02 12:16 李子柒螺螄粉袋裝2026-09-02 11:56 .NET 11 Runtime Async 詳解2026-09-02 11:37 體育鍛煉手抄報2026-09-02 11:26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 ，也是這個係列的最後一篇 ，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" 。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 。 問題二 ：不理解你的業務需求
下一篇預告
問題 表現 根源（回溯前文） 表麵能跑 ， 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
for循環的寫法——AI 會替你寫 。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 ，好在這方麵已經有了大量公開的研究數據
，AI 寫代碼不是什麽"魔法"
。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。Part1 ：為什麽 AI 特別擅長寫代碼
Part2
：AI 編程到底能做到什麽——一起來看看
讀者可能會問的兩個問題
"程序員會不會失業
？"
Part3 ：模式匹配器寫代碼 ，當 AI 編程從"周末小項目"走向真實世界時，連鍵盤都很少碰。"能駕馭 AI"的崗位在增加。測試生成和代碼審查這些關鍵任務中，讓 AI 來寫，
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 ， 問題三 ：項目大了 ，這可能是 AI 編程給我們最大的啟示 。
"我該不該學編程？"
個人錨點
Part4
：正確的姿勢——AI 編程適合做什麽
非程序員的真實案例
效率數據
：到底快了多少 ？
參考資料
訂閱
把三個問題串起來
推荐
热门
