开发者到底在工作中如何使用 AI？
-
来源：Dev.to
社区热议：
-
greenfield 和 legacy 的分界线和我做咨询看到的一致。真正的临界点不是“遗留代码”，而是“没人写下为什么的代码”。即便是现代代码库 18 个月内也会撞上这个问题。AI 失败不是因为代码老，而是因为假设没被记录、原作者已经走了。所以一家公司的 AI 生产力，其实是它三年前文档纪律好坏的领先指标 —— Valentin Monteiro
-
我觉得这跟得上现实。好的规格说明加上整体良好的模式就够了，你不需要严格的文档，但需要一个可解读的“为什么”。很好奇那些 vibe-code 出来的代码库过几年会变成什么样 —— Ben Halpern
-
说实话我对那些 vibe 出来的应用挺悲观的。有时候看到智能体生成的东西，可怕的是它们技术上“能跑”。照这个速度，“vibe-code 清洁工”几年后可能真的会成为一个高薪职业 —— Sylwia Laskowska
-
我几个月前写过同一个话题：我们到底往生产环境里推了多少 AI 生成的代码？我的体验很像。老代码库里 AI 经常没什么用，因为理解系统比生成语法更重要。新代码库里如果架构和最佳实践到位，AI 能帮我做到 85%，剩下 15% 我自己改。至于业余项目，我几乎全用 AI —— Daniel Balcarek
-
其实智能体能做一件人类很少能稳定做到的事：在 diff 落地前强制把理由写下来。一个拒绝“无理由”变更的 pre-merge 智能体，能把 18 个月的漂移变成可度量的东西。不是魔法，只是规模化的纪律
海外技术社区热点采集。
-