当我拒绝AI代码即使它能工作——Vinicius Brasil
当我拒绝AI代码即使它能工作——Vinicius Brasil
随着实现速度越来越快，真正的瓶颈转移到了审查AI生成的大量代码上。我甚至不是在谈论你同事（以及他们的AI代理）的PR（Pull Request），而是你自己的coding agent完成工作后的git diff。
即使我遵循好的实践——比如从计划模式开始，将大任务分解为阶段，以及小步发布——在审查自己并未真正思考过的内容时，我仍然感到认知负荷过重。
在使用coding agent之前，当接到一个任务时，我会探索代码库，思考不同的解决方案，进行实验，然后才实现。这可能需要几天时间来整合所有上下文。当我最终提交那个PR时，信心更高，向同事解释每项更改也更容易。
我必须承认，使用AI完成大任务仍然需要我花几天时间。很多时候，我会拒绝AI所做的所有更改，然后重新开始。第一次会话和第二次会话之间的区别不在于LLM（大语言模型）模型，而在于屏幕后面的人。有了更多时间来巩固我正在解决的问题，我能够引导代理找到更好的解决方案，而不是被它牵着走。
越来越多地，我因为同样的原因拒绝AI代码：
- 当我无法用自己的语言解释方法时，我拒绝AI代码。
- 当diff比问题本身还大时，我拒绝AI代码。
- 当它在证明需要之前就引入抽象时，我拒绝AI代码。
- 当它在本地能工作但让系统更难理解时，我拒绝AI代码。
- 当我更信任输出而不是自己的理解时，我拒绝AI代码。
工程师过快接受AI生成的更改并不罕见，这就是为什么我主张在AI审查的同时还需要人工审查。现实是，能运行并通过CI（持续集成）的代码仍然可能是一个糟糕的解决方案，而工程一直关乎实现适当、可扩展和可扩展的解决方案。
我已经使用coding agent一段时间了，尽管它们令人印象深刻，但它们仍然需要优秀的工程师引导它们找到优秀的解决方案。是的，coding agent不仅可以通过编写代码来帮你完成任务，但这并不意味着它们已经能够以可持续的方式自主完成。