AI时代编程的抽象思考

type

Post

status

Published

date

slug

summary

架构设计非常重要。因为 AI 编程目前看，技术负债很多，所以需要分成一个个的模块、解耦、封装。出了问题好定位，不能和之前一样做大段大段的代码了。

这个主要是考虑 AI 出问题了，最大的破坏性有多大。需要对这个进行估算，然后对输出结果进行检测。

长期来看，梳理问题还是要考虑收益和责任的问题。不管是人写还是 AI 写，最后法律负责还是要归结到人身上，这样才能把很多东西梳理清楚。

版本控制粒度要更细。AI 一次改动经常跨多个文件，如果不拆 commit，出了问题回滚代价极大。每个功能点一个 commit，commit message 要写清楚“AI 生成 + 人工审核”。

测试前置，不是后补。AI 写代码速度快但正确性不稳定。传统开发可以先写后测，AI 编程必须先有测试再让 AI 写实现——TDD 反而成了最适合 AI 协作的方法论。没有测试的 AI 代码就是定时炸弹。

给 AI 的指令质量决定产出质量。以后“写需求”这件事不会消失，只是从写给人变成写给 AI。

以前招人看“能不能写出来”，以后看“能不能看出问题”。代码审查、安全审计、架构评审这些能力会比编码本身更值钱。第 3 条“责任归人”也指向这个——审查者承担责任。

上下文管理是新的工程能力。例如：CLAUDE.md、实验规范、会话总结、memory 系统。管理 AI 的上下文窗口、让它在正确的信息边界内工作，这本身就是一个新的工程学科。

Blacksmith