“AI工具为何无法解决程序员的最后30%难题？”

正文

请到「今天看啥」查看全文

我发现最违反直觉的一件事是： AI 工具对有经验的开发者帮助更大，而非初学者。 这似乎与我们的预期相反——难道 AI 不应该让编程变得更加民主化吗？

现实情况是，AI 就像团队中非常热心的初级开发人员。他们可以快速编写代码，但需要持续的监督和纠正。你了解得越多，就越能更好地指导他们。

这就产生了我所说的“知识悖论”：

• 资深工程师利用 AI 加速他们已经知道如何做的事情

• 初级工程师尝试使用 AI 来学习该做什么

因此结果大相径庭。

我目睹过很多资深工程师使用 AI 来：

• 快速制作他们已经理解的原型想法

• 生成基本实现，然后进一步优化

• 探索已知问题的替代方案

• 自动执行常规编码任务

与此同时，初级工程师常常：

• 接受不正确或过时的解决方案

• 忽略软件中关键的安全性和性能

• 在调试 AI 生成的代码时遇到困难

• 构建他们并不完全理解的脆弱系统

4、70% 问题：AI 的学习曲线悖论

最近有一条推文完美地总结了我在这一领域观察到的现象： 非工程师使用 AI 进行编程时，发现自己遇到了令人沮丧的障碍。他们能够以惊人的速度完成 70% 的工作，但最后的 30% 却变成了边际效益递减的练习。

这个“70% 问题”揭示了当前 AI 辅助开发状态下的一个关键事实。你使用时，初期的进展感觉像是魔法——你可以描述你想要的东西，像 v0 或 Bolt 这样的 AI 工具会生成一个看起来令人印象深刻的可工作程序原型。但随后很多现实问题就开始显现。

两步后退模式

接下来通常发生的事情会遵循一个可预测的模式：

• 你尝试修复一个小 bug

• AI 给出了一个看似合理的更改建议

• 但这个修复却破坏了其他东西

• 你再请求 AI 修复新出现的问题

• 这又产生了其他两个新的问题

• 如此循环往复

对于非工程师来说，遇到这个循环尤为痛苦，因为他们缺乏理解实际发生错误的思维模型。当有经验的开发者遇到 Bug 时，他们可以根据多年积累的经验来推断潜在的原因和解决方案。如果没有这种技术背景知识，你基本上是在处理你不完全理解的代码，就像是在玩打地鼠游戏一样。

持续的学习悖论

这里有一个更深层次的问题：本来 AI 编程工具是对非工程师而言，是一个简单方便使用的东西——因为它们为你处理复杂性问题——然而，实际上它们可能会影响非工程师的自学能力。当代码只是“出现”，而你并不理解其背后的原则时：

• 你不会培养出调试技能

• 你错过了学习基本模式的机会

• 你无法推理架构决策

• 你在维护和演化代码方面会遇到重重困难

这会产生一种依赖关系，你需要不断地将你遇到的问题提交给 AI 工具，不断地询问 AI 工具的建议，而不是自己培养处理这些问题的专业知识。

知识差距

我见过成功的非工程师使用 AI 编程工具的方法是采取一种混合策略：

• 使用 AI 进行快速原型设计

• 花时间理解生成的代码如何工作

请到「今天看啥」查看全文