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 ⚡
This report is categorized under AITOP's "How-to" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include Sean Goedecke, coding assistants, prompt engineering, automated testing.
Source attribution: curated from 宝玉 (@dotey).