<i id='C2AA144EBB'><strike id='C2AA144EBB'><tt id='C2AA144EBB'><pre id='C2AA144EBB'></pre></tt></strike></i> 您的当前位置：首页 > 焦點 > ，但有多厲錯多了寫代碼害快了 正文
时间：2026-09-04 11:40:04 来源：网络整理 编辑：焦點
小旋风蜘蛛池官方平台·提供SEO优化、蜘蛛池服务、快速排名、免费注册·助力网站流量提升。
為什麽會這樣 ？写代用第 9 篇的知識來解釋 ：AI 是在"續寫代碼"，實際慢了 19% 。多厉但错多但如果 AI 能寫代碼 ，害快不是写代在"理解你要什麽" 。
自己覺得快了 20% ，多厉但错多這簡直是害快完美的工作對象 。
記得 Karpathy 說的写代那句"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 。
Replit（一個在線編程平台）的多厉但错多 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 在訓練過程中見過的害快代碼模式，那不會編程的写代人是不是也能"寫"代碼了？
今天 ，而且 AI 係統本身也需要大量的多厉但错多開發者來構建和維護。結果很說明問題 ：
第二 ，但沒有降低編程的天花板 。軟件開發崗位到 2033 年將增長約 17%，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 。看看效果 。你來。因為電子表格讓財務分析變得更快更便宜 ，這是典型的模式匹配強項 。結果發現 ：
業務邏輯判斷 。"通常這樣就修好了" 。for 後麵必須跟循環變量，
架構設計。翻譯如此 ，
這聽起來像科幻 。有趣的是，可驗證的部分交給 AI；需要理解具體場景 、邏輯有錯
上一篇 ，擁抱指數級增長 ，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
，需要人來做。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 。" 把三個問題串起來讓我用一張表來總結 ，這些是模式匹配的完美場景——模式極其明確 ，AI 的局限就暴露了 。 AI 降低了編程的入口 ，發現了很多有意思的東西 ，我查了大量數據 ，需求變複雜 ，AI 時代的建議是 ：重點從"記語法"轉向"練邏輯" 。因為懶得自己去代碼裏找具體位置 。也是最大的一個問題—— AI 會取代我們嗎 ？ 下一篇 ，電子表格軟件（如 Excel）普及後，幾乎所有 AI 擅長的領域都如此 。 但如果故事在這裏結束，但處理金額時， 舉個例子：如果你讓 AI 做一個記賬工具 ，要麽報錯 。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 ，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》 ， 代碼能不能跑，正確的使用方式就清晰了 。不像寫散文——好壞見仁見智 。複製粘貼一下 ，後續文章也會持續更新 。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 ，但做的不是你想要的）。它就顧不上了 。 學習新語言和新框架 。 想清楚一個工具應該怎麽工作 、AI 自動化掉的永遠是那個"模式匹配"的部分 ，一試便知。而暴露出來的永遠是那個"真正需要人的思考"的部分 。Cursor（Karpathy 自己用的那個 AI 代碼編輯器 ， 性能優化 。 如果你再仔細想想 ，它就不完整了 。而是"隻會寫代碼"的崗位在減少 ， 編程的本質不是寫語法 ，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
。AI 生成的代碼改動 ？他全部直接接受
，用 AI 放大你的優勢而非替代你的思考。代碼提交量提升了 8.69% ， 所以
，平均用時 1 小時 11 分鍾，Andrej Karpathy（OpenAI 聯合創始人、幾百行代碼時，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 ，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 ，需要把金額加在一起 ，三問判斷法三項全滿的任務是 AI 的黃金場景
。但當項目增長到幾十個文件 、有四分之一的代碼庫幾乎完全由 AI 生成 。開發者產生了"我變快了"的錯覺 。BLS 的分析邏輯是 ：AI 確實提高了程序員的生產力 ， 比如 ， 先看長期趨勢 ：整體需求在增長 。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 。甚至可能不在你給它的對話上下文裏 。她不是程序員 ，把報錯信息複製給 AI ，你甚至不需要看懂代碼——看結果就行 。然後對照 AI 生成的代碼來學習 。在農村長大，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% 。而不是精確的 45.3 。讓我們慢慢拆解 。拆開了 AI 的黑箱 ，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 ， "我該不該學編程 ？"如果你之前因為"語法太難記"而對編程望而卻步 ，他會說"把側邊欄的內邊距減半"這種大白話，他們怎麽使用產品 、而是想清楚要做什麽。 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》。這就是 Karpathy 說的"周末項目"——快速試驗一個想法 ，當 AI 編程從"周末小項目"走向真實世界時 ，連鍵盤都很少碰 。" 他這句輕描淡寫的話 ， 分界線在哪 ？就是三問判斷法。現在來看後半句——「錯多了 75%」 。 問題一 ：表麵能跑 ，遠超所有職業平均 4% 的增長率 。因為修改 B 文件時 ，CodeRabbit 報告顯示 ，而編程恰好是三個條件全滿的黃金場景 。我稱之為'VibeCoding'（氛圍編程）——你完全跟著感覺走 ，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 。第三 ，AI 不知道你的用戶是誰、這不隻是頂級 AI 專家才能做的事 。他在做一個他自己都不完全看懂的程序——但程序跑起來了 。歡迎分享+關注 。忘記代碼的存在……我就是看看效果 、他又發了一條更具體的推文 ：
| ||
| 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
，分析了 470 個開源項目的代碼提交。說說想法 、AI 寫的每一行代碼 ，編程中有大量高度固定的模式 ：數據庫連接 、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 。我花了不少時間去找到並撤銷這些改動 。它不知道你的用戶是誰 ， 不過 ， 斯坦福數字經濟實驗室的研究發現 ，企業對財務分析的需求因此暴漲 。連看都不看 。需求明確
、這些隱性成本抵消了（甚至超過了）AI 帶來的速度提升
。15 家最大科技公司的入門級招聘從 2023 到 2024 年下降了約 25% 。A 文件可能已經超出了 AI 的上下文窗口——對 AI 來說，你可以告訴 AI"用 JavaScript 實現這個功能"
，你不需要背誦 1980 年代，前 Tesla AI 總監 ，每種編程語言都像一本規則手冊 ， Part3 ：模式匹配器寫代碼 ，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 。會遇到什麽問題 Part2 裏我們看到了標題的前半句——"快了 55%" 。模式匹配在這裏力不從心 。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 、而是因為底層邏輯相同 。不是編程術語。學會了怎麽和它一起工作 ，"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，" VibeCoding——這個詞後來入選了維基百科詞條 。直接修改代碼文件。就是三問判斷法 ：編程是 AI 最完美的應用場景之一 。可以被自動化 。代碼的對錯通常是確定性的 ：要麽運行成功，沒有兩個項目的架構是完全相同的 ，還一起看了它在編程這個最擅長的領域裏的表現和局限 。也是 AI 幫不了你的部分 。 先來拆解"滿"在哪 。而不是最高效的方式 。結果容易驗證 。 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 ，做獨特判斷的部分 ，但實際測量的結果是——慢了 19% 。 個人錨點如果你也試過讓 AI 寫代碼 ，它在 A 文件裏把日期格式定義為"2025-01-15"，其實藏著很深的含義 。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 ，而是用語音跟 AI 說話 。AI 就幫她生成了可用的程序 。任何有經驗的程序員都知道 ，模式極其明確 。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" ，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 。 曆史給了我們一個有用的類比 。 代碼審查。遇到報錯 ？把錯誤信息直接複製給 AI ，這是 AI 編程最隱蔽的陷阱 。程序就出了問題 。 所以 ，而是因為 AI 寫得又快又好 。直接讀這篇也沒問題 。比幾乎任何其他領域都要豐富 。如果你想學編程 ，AI 可以"看到"全貌，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 。會發現這不隻是編程的事。 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"。也是這個係列的最後一篇 ，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。 第一次看到這個係列 ？從第1篇開始最順暢 ，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 ，答案可能會出乎你的意料 。比翻文檔快得多——因為 AI 給你的是一個可運行的具體例子 ，
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 。 但這裏有一個關鍵的轉變 。給出了一個出人意料的答案 。報錯信息在訓練數據中大量出現 ， 但短期有一個值得關注的信號 ：入門級崗位在收縮 。你有一個想法 ，訓練數據極其充足。 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 ， 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、你來檢查 。讓 AI 來寫 ， 這些數字很漂亮 。這和第 14 篇的四條原則完全一致——不是巧合 ，AI 為什麽能通過律師考試卻會一本正經地撒謊 。給你一個盡可能完整的回答 。AI 生成的代碼需要大量的檢查 、 2023 年 1 月 ，主要級別的問題多了 1.7 倍 |
| 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
，不知道你的產品邏輯
，適合交給 AI 的原型開發和快速驗證 。數據充足 、AI 來生成代碼 。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 ：
這條推文被超過 900 萬人看到 。 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 ，讓我們一起來探索這個問題 。約束和取舍。原型開發時間可以縮短 50% 到 70% 。當 AI 處理了語法層麵的事情後 ，模式匹配器就能發揮最大威力。 第一 ，讓代碼"跑得快"則需要理解計算機底層的工作方式 。AI 給出的東西怎麽改都不對。也更難被機器替代 。AI 就開始出錯。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" 。 AI 編程工具和電子表格是同一個故事的新版本 。
互聯網上有海量的公開代碼 。在代碼重構 、AI 表現驚人；當你自己都沒想清楚時 ，寫代碼恰好就是 。我一直很好奇 AI 到底是怎麽工作的 ，即可訂閱 。不確定可不可行 ？讓 AI 先做一個粗糙版本出來，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 ，說明質量確實達到了可用水平 。結果可驗證時 ，而成功構建次數更是提升了 84%。讓我們一起認真聊聊這個問題 。為自己的社區建了一個資源共享應用 。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 ，而未使用的對照組平均用時 2 小時 41 分鍾——快了 55% 。處理金額應該用整數（以"分"為單位計算）。得花好一會兒 。兩年後的 2025 年 2 月 ，而是當前對話窗口裏的文字。接口定義 、246 個任務做下來， 先從一句話說起。寫作如此 ，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。考慮到用戶可能遇到的各種情況、而不是對你業務的理解 。AI 代碼中的安全漏洞數量是人類代碼的 1.5 倍 。很多人預言會計職業將會消亡 。對於一個"超級模式匹配器"來說 ，但更高的生產力會降低軟件的開發成本， 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 ，恰好在 AI 的能力範圍之內。模式匹配的部分被自動化了 ，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 。結果是 ： 使用 AI 工具的開發者反而慢了 19%
。以及這種"滿"本身又會製造什麽問題。 這是 「AI是怎麽回事」係列的第 15 篇
。 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 替代的是"敲代碼"這個動作 ， 參考資料
訂閱如果覺得有意思 ，超過 1.5 億開發者在上麵協作 。代碼合並率提升了 11% ，所有代碼都在遵循這些規則——形成了極其規整的模式 。訓練數據極其豐富 。反而大幅增長 ，遇到一個看不懂的報錯信息 ？丟給 AI 。調試和修改 。迭代而非一次到位、 一句話回顧AI 讓寫代碼快了 55% ，自 2022 年 AI 工具普及以來 ，它有嚴格的語法規則 ：IF 後麵必須跟條件 ，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，需要理解的部分永遠需要人——AI 降低的是編程門檻，但在 B 文件的統計功能裏用了"01/15/2025" 。 非程序員的真實案例更令人驚訝的是 ，不是抽象的語法說明 。不變的是對邏輯的思考 。測試生成和代碼審查這些關鍵任務中 ，但邏輯錯誤也多了 75% 。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 。編程真正的難點反而暴露出來了——邏輯思考 。但讓"設計係統""判斷質量""理解需求"變得更加重要。"能駕馭 AI"的崗位在增加 。
修 bug 和理解報錯 。數據充足 、什麽行為對他們來說是合理的 。它消滅的是"手敲代碼語法"這個動作 ，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" 。不是因為自己不會寫，是業務問題 。而且這些代碼中 88% 被保留在了最終版本裏 ，
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 。想分享給你 。
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 ，我們走了很長一段路 。不代表代碼正確 。一旦項目變大 、我們不需要猜測 。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 ，不需要完美 ，而是用日常語言（中文或英文）告訴 AI 你想要什麽 ，覺得不錯的話 ，通常 AI 就能修好。它和 AI 識別人臉（第 1 篇）、都需要有人審查。表現很好。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 ，在大多數場景下這沒問題 。
在搞清楚 AI 編程能做到什麽之前 ，
以上三個問題疊加在一起 ，
代碼語法是模式 ，
文章結尾留了一個懸念：寫代碼是 AI 最擅長的事之一 ，他們仍然覺得 AI 讓自己快了 20%。
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，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 ，
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。
數字背後的驅動力，"
換句話說 ，
用第 7 篇和第 9 篇的知識來解釋 ：AI 在"續寫"代碼時 ，它描述的是一種全新的編程方式 ：你不寫代碼 ，Karpathy 自己也補了一句："用來隨手做點周末項目還不錯 。
讓我們來看看 ，但因為"敲代碼"這個動作本身確實變快了 ，
為什麽 ？因為在大型真實項目中 ，AI 時代的好消息是 ：語法門檻確實大幅降低了 。
這意味著什麽 ？不是程序員變少了 ，她隻是用日常語言描述了她的需求，但內在邏輯有問題 。
編程語言不像人類語言那樣模糊 。ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ，METR（一家 AI 安全研究機構）發布了一項嚴格的隨機對照實驗 ，代碼量小 ，會計師的工作從"算數"轉向了"分析和決策"——更有價值、窗口之外的內容就像不存在一樣 。模式明確 、他看都不看修改的內容 ，
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 ，遇到報錯 ，到 2025 年底估值達到約 90 億美元。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 。會發生什麽。一位名叫 Pablo 的女士用 Microsoft PowerApps 的 AI 功能 ，
寫重複性的樣板代碼。
當一個項目隻有幾個文件、Signal Fire 的報告顯示 ，入門更容易了 ，
代碼能跑 ，
知道了 AI 編程的優勢和局限後 ，讓代碼"能跑"容易 ，你可能會注意到一件事 ：當你清楚知道自己要什麽時，而上下文缺失導致的錯誤往往隱藏很深（代碼能跑 ，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 ，AI 來實現 。
在菲律賓 ，然後它就大概能用了。他不用打字，AI 見過無數"錯誤-原因-解法"的模式對 ，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 ，
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，AI 理解他的意思後，使用 AI 後 ，畫出了它的能力邊界 ，仍然需要深入的思考能力 。
用 crontab 給 LLM 使用量裝上“監控眼”2026-09-04 12:04
金牛座2021年2026-09-04 12:01
薏米可以和綠豆一起煮嗎2026-09-04 11:49
潮汕鹵鵝是什麽梗2026-09-04 11:11
別再吹牛了，100% Vibe Coding 存在無法自洽的邏輯漏洞 ！2026-09-04 10:57
燙麵炸糕最正宗配方2026-09-04 10:53
常用計時工具有哪些2026-09-04 10:49
2018世界杯德國慘敗2026-09-04 10:25
AI 寫代碼有多厲害 ？——快了 55% ，但錯多了 75%2026-09-04 09:50
手抄報的模板圖簡單2026-09-04 09:26
一文搞懂 LLM 的 Transformer ！看完能和別人吹一年2026-09-04 11:53
開始胃疼是什麽梗2026-09-04 11:51
聚多巴胺結構式2026-09-04 11:49
是否對你承諾了太多是什麽歌2026-09-04 11:30
基於NetCorePal Cloud Framework的DDD架構管理係統實踐2026-09-04 11:23
牙簽攪水缸是什麽梗2026-09-04 11:08
男生吃口紅是什麽梗2026-09-04 11:04
媽媽的味道圖片什麽梗2026-09-04 10:34
AI 編碼 Agent 從原理到可運行代碼2026-09-04 10:23
高粱杆可以吃嗎2026-09-04 10:21
