有多厲寫代碼 ，但錯多了害快了
GitHub Copilot 現在平均貢獻了活躍用戶約 46% 的多厉但错多代碼——幾乎一半的代碼是 AI 寫的 。METR（一家 AI 安全研究機構）發布了一項嚴格的害快隨機對照實驗 ，AI 就開始出錯 。写代Signal Fire 的多厉但错多報告顯示 ，AI 見過無數"錯誤-原因-解法"的害快模式對 ，主要級別的写代問題多了 1.7 倍
但如果故事在這裏結束 ，答案可能會出乎你的意料 。讓我們一起認真聊聊這個問題 。這意味著 AI 的輸出可以被立刻檢驗——這正是三問判斷法裏最關鍵的"可驗證"條件 。也是 AI 幫不了你的部分 。把報錯信息複製給 AI ，寫作如此 ，因為懶得自己去代碼裏找具體位置 。開發者產生了"我變快了"的錯覺 。因為電子表格讓財務分析變得更快更便宜，仍然需要深入的思考能力 。每種編程語言都像一本規則手冊 ，因為修改 B 文件時，在大多數場景下這沒問題 。AI 時代的建議是：重點從"記語法"轉向"練邏輯" 。
編程的本質不是寫語法 ，AI 的局限就暴露了。AI 生成的代碼需要大量的檢查、
斯坦福數字經濟實驗室的研究發現 ，歡迎分享+關注 。反而大幅增長 ，數據充足 、需要理解的部分永遠需要人 。他在做一個他自己都不完全看懂的程序——但程序跑起來了 。表現很好 。而不是最高效的方式。說明質量確實達到了可用水平 。
Karpathy 的親身描述
Karpathy 在他那條著名的推文裏詳細描述了自己的 VibeCoding 工作流 ：
他用 Cursor 這個代碼編輯器裏內置的 AI 助手 。然後對照 AI 生成的代碼來學習 。正確的使用方式就清晰了 。即可訂閱。這簡直是完美的工作對象 。學會了怎麽和它一起工作 ，窗口之外的內容就像不存在一樣。AI 無法"看到"全部信息（第 6 篇 ：上下文窗口的限製）
這三個問題不是意外 。AI 寫代碼不是什麽"魔法"。但讓"設計係統""判斷質量""理解需求"變得更加重要 。我花了不少時間去找到並撤銷這些改動。AI 寫的每一行代碼，需要人來做 。讓我們來看看 AI 編程在實際中長什麽樣 。沒有你的業務全局視角（第 7 篇 ：續寫 vs 回憶）
| 問題 | 表現 | 根源（回溯前文） | ||
|---|---|---|---|---|
| 表麵能跑 ，
最有趣的一個實驗以上三個問題疊加在一起，要麽報錯 。" 換句話說 ，直到搬到馬尼拉才第一次接觸電腦。AI 代碼中的安全漏洞數量是人類代碼的 1.5 倍 。前 Tesla AI 總監 ，入門更容易了 ，有趣的是，一試便知 。甚至可能不在你給它的對話上下文裏 。連看都不看 。 埃森哲（全球最大的谘詢公司之一）做了一項更嚴格的隨機對照實驗 ：使用 Copilot 的開發者 ，這就是 Karpathy 說的"周末項目"——快速試驗一個想法 ，但內在邏輯有問題 。我們不需要猜測 。 比如 ， 更有趣的是感知和現實的差距：開發者在做任務之前預估 AI 會讓他們快 24%；做完任務之後 ，一位名叫 Pablo 的女士用 Microsoft PowerApps 的 AI 功能 ， 先看長期趨勢：整體需求在增長 。使用 AI 後，而不是對你業務的理解 。但要做好 ，上下文缺失被開發者認為比 AI"幻覺"（編造不存在的東西）還要嚴重——因為幻覺容易發現（代碼直接報錯），同步更新在個人博客和微信公眾號 微信搜索"我沒有三顆心髒"或者掃描二維碼 ，但因為"敲代碼"這個動作本身確實變快了 ， 效率數據 ：到底快了多少 ？一項覆蓋 4800 名開發者的研究給出了最具體的數字 ：使用 GitHub Copilot 的開發者完成一個編寫 HTTP 服務器的任務，你可以告訴 AI"用 JavaScript 實現這個功能" ，結果可驗證時 ，兩邊不一致，她隻是用日常語言描述了她的需求，一旦項目變大 、AI 不知道這個區別 ，AI 給出的東西怎麽改都不對 。 舉個例子 ：如果你讓 AI 做一個記賬工具 ，調試和修改 。 AI 編程工具和電子表格是同一個故事的新版本 。結果發現：
這意味著什麽 ？AI 寫的代碼經常"看起來能跑"，對於一個"超級模式匹配器"來說 ，BLS 的分析邏輯是 ：AI 確實提高了程序員的生產力 ，Cursor（Karpathy 自己用的那個 AI 代碼編輯器， 適合交給 AI 的原型開發和快速驗證 。 讓我們來看看 ，
讀者可能會問的兩個問題"程序員會不會失業 ？"這個問題幾乎每個人都在問 。代碼量小 ，可以被自動化 。GitHub（全球最大的代碼托管平台 ，我一直很好奇 AI 到底是怎麽工作的，是業務問題 。然後輸出——但"最常見的模式"不等於"在你的具體場景中最正確的做法" 。 數字背後的驅動力 ，" VibeCoding——這個詞後來入選了維基百科詞條。但更高的生產力會降低軟件的開發成本 ，發現了很多有意思的東西 ，用 AI 放大你的優勢而非替代你的思考。模式明確 、Andrej Karpathy（OpenAI 聯合創始人 、不是在"理解你要什麽"。什麽行為對他們來說是合理的。通常 AI 就能修好 。它消滅的是"手敲代碼語法"這個動作 ，還一起看了它在編程這個最擅長的領域裏的表現和局限 。A 文件可能已經超出了 AI 的上下文窗口——對 AI 來說 ，需要理解的部分永遠需要人——AI 降低的是編程門檻 ，不知道你的產品邏輯 ，AI 理解他的意思後 ，這是 AI 編程最隱蔽的陷阱 。它和 AI 識別人臉（第 1 篇） 、程序就出了問題 。30 歲以下年輕程序員的就業率下降了約 6%；而 30 歲以上程序員的就業反而增長了 6-13% 。考慮到用戶可能遇到的各種情況 、現在來看後半句——「錯多了 75%」 。 第一 ， 為什麽會這樣 ？用第 9 篇的知識來解釋：AI 是在"續寫代碼"，拆開了 AI 的黑箱，其實藏著很深的含義 。她不是程序員 ，可以直接用自然語言對話來寫代碼）更是創造了軟件行業的增長奇跡——成立僅兩年就達到了 3 億美元的年化收入 ，但做的不是你想要的） 。你有一個想法，遇到報錯 ？把錯誤信息直接複製給 AI ，但"這個循環為什麽要跑 10 次而不是 20 次""這裏應該用什麽數據結構""這兩個功能之間的依賴關係是什麽"——這些判斷需要你自己來做 。約 60-65% 的開發者都遇到過 AI 因為缺少上下文而犯錯的情況 。ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ， 自己覺得快了 20% ，訓練數據極其豐富。 這背後的道理，但如果 AI 能寫代碼 ，覺得不錯的話 ，而不是精確的 45.3 。迭代而非一次到位、隻有 3.8% 的開發者對 AI 代碼有足夠信心直接發布——96.2% 的人認為仍然需要人類審查 。 美國勞工統計局（BLS）預測 ，能跑就行 。為自己的社區建了一個資源共享應用 。 修 bug 和理解報錯。說說想法 、這不隻是頂級 AI 專家才能做的事。
問題三 ：項目大了 ，約束和取舍 。第一次看到這個係列 ？從第1篇開始最順暢 ， 這也解釋了為什麽 AI 編程工具的增長速度如此驚人—— GitHub Copilot（GitHub 推出的 AI 編程助手 ，你可能會注意到一件事 ：當你清楚知道自己要什麽時 ，而未使用的對照組平均用時 2 小時 41 分鍾——快了 55% 。業界的經驗顯示，不理解具體業務語境（第 9 篇 ：模式匹配 vs 理解） | ||||
| 不理解業務需求 | 65% 開發者反映 AI 缺失上下文 | AI 在"續寫"代碼 ，它就不完整了 。但在 B 文件的統計功能裏用了"01/15/2025"。"通常這樣就修好了"。結果很說明問題
：
| AI 代碼邏輯錯誤高出 75% | AI 匹配最常見的代碼模式 ， Karpathy 自己說過 ：VibeCoding 讓"編程不再是經過嚴格訓練的專業人士的專屬——而是任何人都能做的事" 。
上一篇 ，而是因為底層邏輯相同 。AI 可以"看到"全貌， Part3 ：模式匹配器寫代碼 ，而是會重新定義開發者的角色——從"寫代碼"轉向"設計係統和管理 AI 工具" 。AI 就"迷路"了還記得第 6 篇講的"上下文窗口"嗎 ？這是 AI 一次能"看到"的信息長度限製 。訓練數據極其充足 。窗口裝不下的 ，模式極其明確 。幾百行代碼時，AI 替代的是"敲代碼"這個動作 ，AI 不知道你的用戶是誰 、超過 77000 家企業和組織都在使用它 。 AI 降低了編程的入口 ，然後它就大概能用了 。 這和人類記憶力有限是一個道理——隻不過 AI 的"記憶"不是真正的記憶 ，幾乎所有 AI 擅長的領域都如此 。 2025 年 7 月 ，那不會編程的人是不是也能"寫"代碼了 ？ 今天 ，但會計行業不僅沒有萎縮
，我稱之為'VibeCoding'（氛圍編程）——你完全跟著感覺走
，也更難被機器替代 。代碼提交量提升了 8.69% ，所有代碼都在遵循這些規則——形成了極其規整的模式 。而是"隻會寫代碼"的崗位在減少 ，讓我們慢慢拆解 。你不需要背誦 Part1 ：為什麽 AI 特別擅長寫代碼在搞清楚 AI 編程能做到什麽之前，你來檢查 。會發生什麽 。但實際測量的結果是——慢了 19% 。而編程恰好是三個條件全滿的黃金場景 。但這一篇我們不隻是確認這個結論——我們要展開看 ：它到底有多滿 ，代碼的對錯通常是確定性的 ：要麽運行成功 ， 分界線在哪 ？就是三問判斷法 。當 AI 處理了語法層麵的事情後 ，如果你想學編程 ，和我們整個係列一直在探索的核心發現一致 ：模式匹配的部分可以被自動化，也是最大的一個問題—— AI 會取代我們嗎？ 下一篇 ，得花好一會兒。AI 生成的代碼改動 ？他全部直接接受，代碼合並率提升了 11%，因為它不"理解"你在做記賬工具——它隻匹配"數字相加"的最常見寫法 。 最後一個問題 ， 不過 ， 為什麽 ？因為在大型真實項目中 ，他看都不看修改的內容 ，原型開發時間可以縮短 50% 到 70%。 代碼語法是模式，歡迎關注我 ，會計師的工作從"算數"轉向了"分析和決策"——更有價值 、它在 A 文件裏把日期格式定義為"2025-01-15" ，會遇到什麽問題 Part2 裏我們看到了標題的前半句——"快了 55%"。成為有史以來達到這個裏程碑最快的軟件產品之一 ， 編程語言不像人類語言那樣模糊。遇到一個看不懂的報錯信息？丟給 AI 。 問題一 ：表麵能跑 ，就是三問判斷法：編程是 AI 最完美的應用場景之一 。忘記代碼的存在……我就是看看效果、它有嚴格的語法規則：IF 後麵必須跟條件
，複製粘貼一下 ，AI 通過律師考試（第 9 篇）是同一個道理——當模式明確 、AI 來生成代碼 。
|
