anonymous256

@so2back 就是编的骗点击，分手后重新认识没几天，哪来的标题“投入了很多精力经营的一段感情”

写代码最难的部分是抽象，这恰恰是 AI 最不擅长的地方。AI 可以帮写出一个能运行的程序，但它不会默认设计出一个良好和可维护的抽象。这部分工作应该由自己主导，这样即便出问题也不会太严重。

程序员解决问题的能力大多不算弱，但是产品的能力欠缺。只知道打螺丝，但不知道怎么构建产品为别人服务。

我也发现了这个问题。 同一个功能，我分别让 grok 、claude code 和千问生成代码，他们生成的函数名称和代码注释居然出奇的一致。可能训练的数据抄袭了相同的开源项目吧。

最近我用 AI 辅助开发 DNS DoH 的代理工具，也算是深度使用 AI 。帮助有不少，但不能指望太多。Vibe Coding 差不多是胡扯。AI 生成的代码作为原型验证和概念参考尚可，基本能跑通逻辑就算成功，然而维护性基本为零、可靠性和健壮性也没有。其次，AI 不知道现实世界的细节和 bug ，只是当你提问到具体细节的时候，它才可能意识到没考虑那个具体问题，它也无法很好的解决。问题是，当你提问具体细节的时候，你已经踩到坑。我本地测试很多问题都没有，部署到服务器会遇到各种奇怪的 DNS ，比如，同一时间多个重复的 DNS 请求，需要丢弃；有些查询返回了域名不存在，需要负缓存；以及 type 65 类型的 DNS 需要转发等各种问题。两天跑通主逻辑，然后逐个解决这些细节问题却花了我将近两周。

设计上，AI 给我的代码是多线程。测试时最多开 40 个线程，结果只有 1200 的 QPS 。而我自己重写的代码单线程多协程，只用一个线程就有 2600 个 QPS ，性能差太多，AI 只会生成无脑浪费计算资源的代码。它会抄作业，却不懂编程，不懂设计。写的代码也很难看，一个函数超过屏幕还多一大半，我不知道怎么维护这种东西，还是需要自己拆分和重新设计模块和接口。

正如 Frederick P. Brooks 多年前那篇论文，《没有灵丹妙药——软件工程中的本质性和附属性》。软件开发的困难分为两类：本质性困难，比如抽象概念的构建，数据、算法的构建工作（解决这些问题需要程序员一点想法）；附属性困难则是抽象概念映射到具体机器和代码，比如编译和语言错误等。软件工程领域，没有任何一项语言、技术或管理上的突破，能像硬件领域那样在十年内让生产力、可靠性或简洁性得到数量级的提升。包括 JetBrains 这些 IDE 工具，它们主要解决了附属性困难，却无法帮助降低本质性困难。现在 AI 出来，本质性困难得到解决了吗？

AI 对我最大的帮助并不是生成代码，而是搜索文档的效率显著提高，原本需要自己 Google 逐个打开网页看资料，现在比如要看 DNS 的报文格式，只需要让它告诉我就行，自己参考格式去解析，省掉了搜资料的过程。

复制 AI 代码的时候我也意识到侵权问题，AI 返回的代码里难免包括开源作品，我使用它的代码会无意中侵权。作者本人同意吗？这还不是最关键的，关键是用户不知道自己使用了谁的代码。如果我用了别人的代码，我会附上他的 Lisence ，表示对他人工作的尊重。现在这样侵权，我都不知道侵权了谁。未经同意、没有报酬，就随意拿别人的辛勤产出作为训练数据，伤害了那些认真做事的人。

只是学，很难学到理解深刻的东西。只要在项目中才能成长。我个人来说，我开始阅读 Python 的标准库源码时是进步最快的一段时间，因为发现它的那些设计都比较简单和清晰，代码很容易就能看懂；相比之下，自己设计的项目就显得很难看。

没学过 java ，不过你的设计肯定是有问题的。
基类就不应该调用派生类的任何东西，不管技术上能不能实现，你都不应该这么做。
这是一个道德性原则。