7 posts
AI 程式碼治理不是要從初階開發者和 AI 代理人手中奪走工具，而是要安裝guardrails，讓每一發子彈都能命中目標而不造成附帶損害。
機關槍已經發下去了。 AdEspresso 共同創辦人暨 Unkover 首席 AI 長 Massimo Chieruzzi 精準地捕捉到了這一點：「AI 有時讓你覺得自己像一隻拿著機關槍的猴子。」我們同意。並從這個洞見中得出我們自己的：我們就是那隻猴子，槍已經在我們手中，問題不在於這兩者任何一方，而在於缺少瞄準。…
AI 程式設計對能從任何混亂中恢復的精英團隊有效。其他人得到的只有恐懼、失敗的 CI，以及被放棄的實驗。差距不在於模型。
觀察兩個團隊使用同一個 AI 模型，你會看到兩種完全不同的結果。 第一個團隊向模型下達提示，要求構建一個畫面。輸出接近正確，但不完全對。樣式偏離了 Figma 檔案。狀態管理碰到了不該碰的檔案。建置在本機通過，但在 CI…
大多數團隊嘗試 AI 輔助寫碼，交付的程式碼未能通過 QA，然後放棄。問題不在模型，而在於缺乏讓 AI 輸出值得信賴的防護機制。
大多數嘗試 AI 輔助寫碼的團隊，走的是同一條軌跡。 他們一開始充滿熱情。模型在幾分鐘內生成一項功能，他們交付出去。QA 捕捉到一個錯誤，於是他們交付一個修復。QA 又捕捉到另一個錯誤，這次是在一個本該毫無關聯的 module 裡。那個修復牽涉了十四個檔案，然後 QA 又發現了另外三個問題。…
AI 程式開發工具擅長生成第一版。真正的工程挑戰從第四版開始——當團隊需要在不破壞其他一切的情況下修改某些東西。
每個 AI 程式開發的展示都遵循相同的弧線。有人對模型下達提示。一個能運作的應用程式就這樣出現了。觀眾印象深刻。 他們確實該如此。速度是真的。能力是真的。有 AI 參與時，第一版確實交付得更快。 問題是，第一版從來都不是困難的部分。 軟體工程的成本不集中在初始創建。它集中在第四、第五、第六次迭代：…
衡量 AI 生成程式碼品質的真正標準，不在於第一天是否能運作，而在於第三十天你能否替換它，而不需要 rewrite 其他所有東西。
大多數關於 AI 生成程式碼品質的討論，都聚焦在生成當下的正確性。輸出能編譯嗎？能通過測試嗎？符合規格嗎？ 這些只是基本門檻。它們無法告訴你真正的成本。 真正的衡量標準是可替換性：當需求改變時，你能以多低的成本刪除這個 module 並在相同的 contract 背後重新實作？ 如果答案是「輕而易舉」，AI…
人工審查不一致。AI 審查更糟。AI 生成 codebase 唯一可擴展的防禦是確定性 enforcement：讓建置失敗的規則，而非被忽略的建議。
對 AI 生成程式碼的標準建議是「仔細審查它」。 這建議正確但在規模化時毫無用處。 開發者在警覺、熟悉領域且沒有時間壓力時，審查 AI 輸出能發現問題。在其他所有情況下——也就是大多數情況——問題會溜過去。 用 AI 審查者抓 AI 生成的問題更不可靠。你在要求一個機率系統驗證另一個機率系統的輸出。失敗模式是相關的。…
這篇對 Stanford CS146S 的評論認為，它準確看見了 AI coding 的轉向，但真正決定長期品質的仍是 AI architecture：系統是否可替換、可約束、可持續演進。
Stanford 的課程代碼是 ，課名是 The Modern Software Developer，由 Mihail Eric 授課，是一門在 2025 年秋季首次開設的課程。想看課程的官方概覽和 syllabus 細節，可以直接到官方課程網站…