Sean Goedecke:程序员只需部分理解代码库,AI 写代码同理
这篇文章反驳了“AI 不能完整理解代码库所以写不好代码”的说法——人类程序员本来也只理解一部分。作者还分享了几个实操招数:让 Agent 提供改前改后截图、自己模拟 API 数据生成测试场景,写代码的人可以直接抄作业。
Sean Goedecke 在个人博客发文提出,在大型软件项目中,程序员只理解自己负责的那部分代码是常态,而且部分理解已经是能做到的最好状态。新人接手历史复杂项目时也只能短时间理解一部分代码,项目靠自动化测试兜底、Code Review 防止误改,这套机制本身就是知识传承的手段。
文章引申到 AI 编程场景:让 Agent 在一个会话上下文中完整理解整个项目同样不现实,它永远只能部分理解,但这不妨碍它修改运行中的程序。保证 Agent 干活质量要靠验证手段兜底,自动化测试是必须的,但不能过度依赖,因为有些测试本身可能有问题;Code Review 也因代码量太大看不过来,只能让 AI Review 大部分代码,人只 Review 最重要的部分。
另一个有效手段是让 Agent 自己提供证据,比如开发新功能时提供截图,修 bug 时提供改前改后的截图对比。作者还提到让 Agent 自己模拟 API 响应数据、动态生成不同场景的截图,不需要服务端配合。
Sean Goedecke 在个人博客发文说,在大型软件项目里,程序员只理解自己负责的那一部分代码是正常的,而且这已经是能做到的最好状态。 确实如此,我基于原文稍微解读和引申一下。 很多人说 AI 写不好程序,因为 AI 不能完整理解代码库,但实际上在大的软件项目中,程序员只理解自己负责的一小部分代码是常态。 想象一下,新人去接手一个历史复杂项目,那么他们短时间只可能理解一部分代码,但这并不妨碍他们去维护项目。 那么以前怎么保证不理解完整代码不会改出问题呢?还得要靠自动化测试来兜底。 一个好的项目,需要配合好充分的自动化测试覆盖,这样就算新手去修改代码,也不至于把正常运行的系统搞崩溃,毕竟改出问题了自动化测试是无法通过的。 并且为了防止新人乱改,还会有 Code Review 配合,这本身也是很好的知识传承手段。 现在让 Agent 干活也是如此,让 Agent 在一个会话上下文中理解整个项目是不现实的,它永远只能部分理解项目,但这并不妨碍 Agent 去修改运行程序。 要保证 Agent 干活的质量,同样也要通过验证手段兜底,自动化测试是必须的,但也无法过度依赖,因为有些测试可能本身就是有问题的; Code Review 现在也很难保证了,毕竟代码量太大了,人根本看不过来,只能是让 AI Review 大部分代码,人只 Review 最重要的部分。 另外一个有效手段就是让 Agent 自己提供证据,比如我最近最常用的手段就是让 Agent 截图,在开发新功能的时候让它提供新功能截图,修改 bug 的时候提供改之前和改之后的截图对比。 让 Agent 截图,最近还挖掘出来一个用法:就是让 Agent 自己去模拟 API 响应数据,动态生成各种不同场景的截图,都不需要服务端配合,虽然我还没搞明白它是怎么去模拟的。 Sean Goedecke @sjgoedecke In many software engineering environments, there’s nothing wrong with being in a state of partial understanding. In fact, in large systems a partial understanding is the best you can do. 🔗 View Quoted Tweet📊 19 ⚡
本条情报归属 AITOP「技巧」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:Sean Goedecke、编程助手、提示词工程、自动化测试,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「宝玉」(@dotey),经 AITOP 多维评分管线结构化提炼。