各位开发者们，想必大多数人接触人工智能编程的旅程都是从一个这样类似的开始：

你给它一个简单的任务，它给做完了。

你很是佩服它，于是你给它一个更大的任务，它又做完了，你更加佩服它。

你打开编辑对话框，然后写一篇关于工作岗位流失的长篇大论文章。

如果你坚持看到这里：恭喜你，你比 99% 的人更加了解人工智能编程。

真正使用人工智能进行实际工作（而不仅仅是周末项目）的软件工程师，其人工智能开发过程也大多遵循可预测的发展轨迹。

你仍然对交给它的艰巨任务感到惊讶，不禁想知道是否可以继续给它布置越来越大的任务。或许还可以让它承担那项无人愿意接手的棘手重构工作？

但事情到这里开始有点变得“扑朔迷离”。

一方面，你会惊讶于它似乎非常了解你。另一方面，它也会犯一些令人沮丧的错误，做出一些明显违背你们之间已建立的共识约定。

你很快就会发现，对大语言模型生气没有任何用处，所以你开始将任何不令人满意的结果内化。

“是我的错。我的提示语写得太糟糕了，说明不够详细。”

“只要我能提出要求，它就能做到。没有做不到的，”你心里会这样想。

于是你打开 Obsidian，开始撰写更详尽的规格文档，用令人印象深刻的细节描述你脑海中的功能。也许你已经写完了一整页的提示信息，为此花了大半个小时。

但你会发现，基于规范的开发似乎也行不通。

在现实生活里，设计文档和规范都是动态的，它们会随着探索和实现而不断演变。试想一下，如果你在一家真实的公司里，花一个小时写了一份复杂架构的设计文档，把它交给一位中级工程师（并叮嘱他不要跟任何人讨论这份文档），然后就跑去度假了。

这样智能体不仅无法在构建底层组件的过程中，历经数周时间逐步完善规范，而且还会在初期做出一些之后不会偏离的决定。大多数智能体一旦感觉问题和解决方案已经超出自身掌控，就会选择放弃（尽管这种情况现在很少发生，因为智能体会强行突破迷宫的障碍）。

更糟糕的是，智能体编写的代码在编写与展示给你的时候看起来合情合理，也很令人印象深刻。即使在拉取请求中，它看起来也很不错。

因为你和智能体都接受过良好的训练，知道一个“漂亮的”拉取请求应该是什么样的。

直到我打开了整个代码库，从头到尾阅读了它的最新状态，我才开始明白我们之前推测和希望，只是早期模型逐渐消失的产物：非常粗糙。

再严重点，那简直就是一团糟。

我百思不得其解。难道我在承认之前没有逐行检查过代码吗？这些……垃圾……到底是从哪儿来的？

现在回想起来，这很有道理。AI 代理编写的变更单元单独来看都很好，它们自身与你的提示语保持一致。但他们并不尊重整体，他们也不尊重架构的完整性，甚至连相邻的模式也不尊重。

人工智能只是给我讲了一个不错的故事。

就像用直觉创作小说一样，它给我展示了几个段落，这些段落逻辑清晰，结构和语法也完全正确。甚至连各个角色的性格特点都捕捉到了。但不知为何，当你读完整章之后，却发现它一团糟，它与整本书以及前后章节的上下文完全不符合规则。

在阅读了几个月积累的大量高度规范的智能体代码后，我对自己说：我不会再发布这种垃圾。我也不会向用户收费。我也不会承诺用户能用这玩意儿保护他们的数据。

我不会在这件事上对用户撒谎。

所以我又开始手写大部分的东西了。令人惊讶的是，如果把所有成本都算进去，而不仅仅是每小时的代码代币成本，我的速度、准确度、创造力、生产力和效率都比人工智能要高得多。

作者：atmoio

编译：洛逸

来源：

https://atmoio.substack.com/p/after-two-years-of-vibecoding-im