comments（代码注释）是源代码中以说明性文字形式存在的非执行内容，用于解释代码意图、辅助团队协作，是软件工程中最基础也最常被讨论的实践之一。随着 AI 编程工具大规模普及，comments 的生产方式、质量标准和清理机制正在经历一轮重新审视，甚至成为开发者社区的热点话题。
AI 生成 comments 的质量问题
近期最受关注的讨论来自 Viking 在 X 上分享的观察：AI 写代码会滚雪球式堆积无用注释，并提出了用 /no-comments skill 来清理的办法。其核心问题在于，AI 编码助手倾向于为几乎每一行代码添加冗余解释，这些注释往往只是复述代码本身，随迭代次数增加不断累积，反而降低了代码可读性。这一话题在 Hacker News 的 2026-10-14 至 2026-10-16 的热榜讨论中均有相关延伸，反映出开发者社区对 AI 生成 comments 质量的普遍焦虑：注释数量上升，信息密度却在下降。
comments 在大型系统中的工程挑战
GitHub 官方账号在 2026-10 中旬发布的技术分享也印证了 comments 的分量。团队在处理百万行 diff 渲染时指出，渲染一百万行 diff 本身是容易的部分，真正让性能崩溃的恰恰是 comments——因为评论的高度取决于内容，无法像固定高度的代码行那样预先计算几何布局。这类讨论说明，在现代协作开发平台中，comments 不只是文档问题，也直接影响渲染性能和系统架构设计。
当前焦点与观察点
围绕 comments 的讨论目前集中在三个层面：其一，AI 编码工具是否应默认生成注释，以及如何通过 prompt 约束或 skill 机制控制注释密度；其二，团队是否需要建立新的 code review 规则来过滤 AI 产生的低价值 comments；其三，注释在评估与协作系统中的技术成本（如渲染、存储、检索）如何被重新建模。可以预见，随着 AI 参与代码的比例继续上升，「谁来写注释、写多少、写给谁看」将从风格偏好问题逐渐演变为工程规范问题。对开发者而言，与其让工具自动堆积 comments，不如把注释视为需要主动管理的高价值信息资产。