AI 生产的代码缺点儿什么?

本文翻译自 What's Missing With AI-Generated Code? Refactoring,主要是在讨论随着 AI 编程助手的普及,代码重构减少而重复代码增加,不要忽略了软件长期维护的重要性。

上个月,GitClear 在其 AI Copilot代码质量报告 中发布了对 2.11 亿行代码的分析结果。其中一个关键发现是:重构的代码数量正在降低,而重复的代码数量持续攀升。事实上,2024年首次出现了新增重复代码量超过重构工作量的情况。

这种趋势被归因于 AI 编程助手的兴起。如果持续发展,我们可能正走向一场软件危机。

AI 提升生产力

如果您从事软件开发,一定听过 "AI 不会取代开发者,但使用 AI 的开发者将取代不使用 AI 的同行" 的说法。这传递了一个明确信号:要么拥抱 AI,要么面临职业转型。更积极的解读认为,AI 能帮助我们摆脱低价值的重复性工作。

Stack Overflow 最新 开发者现状调查 显示,超过 60% 的开发者已在工作中使用 AI,更多人计划跟进。提升生产力是采用AI 的主要动机。但正如GitClear报告揭示的,盲目追求效率提升就像拆掉自行车链条来加快蹬踏速度------终将适得其反。

在软件开发领域,我们正在加速代码库的变更频率。预计到 2025 年,代码变更速率将达到 AI 普及前(2021年)的近两倍。

代码变更速率图表:包括 2025 年预测总量。图片来源:Octopus Deploy。数据来源:GitClear

这种生产力飞跃被许多利益相关方(尤其是AI供应商)视为重大利好。但我们不应忘记先辈的智慧:生产力指标难以准确衡量知识工作。正如彼得·德鲁克在 1963 年所言:"世界上最没有效率的事情,就是以最高的效率去做一件根本不值得做的事情。"

重构正在锐减

在我们开始痴迷于生产力之前,切勿将软件行业沉淀下基础实践置之脑后,而重构就是其中之一。通过持续优化代码结构,保持组件低耦合、概念单一化,才能构建可靠系统。我们需要将相同变更原因的部分集中管理,将不同变更驱动的模块分离处理。

笔者的书架上摆满了 Kent Beck、Emily Bache、Martin Fowler、Robert C. Martin、Michael Feathers、Rebecca Parsons、Steve McConnell 等人的软件设计著作。这些经典书籍蕴含着构建可持续软件的永恒智慧 ------ AI 助手也不能颠覆这些软件开发的基本法则。

加速代码变更必须与优化系统内部结构保持同步。换言之,要实现长期成功,重构速度必须与代码变更速度相匹配。但现实情况恰恰相反。

GitClear 通过 "移动代码"(即保持核心逻辑但优化设计的变更)这一指标来追踪重构行为,包括 "提取方法"、"重命名变量" 等经典模式。自 2021 年以来,重构在代码变更中的占比从 24% 骤降至不足 10%,而复制/粘贴的重复代码比例则从 10% 攀升至近 15%。

代码变更趋势:重构锐减与重复激增。图片来源:Octopus Deploy。数据来源:GitClear

预测显示,2025 年重构占比将跌至 3%。软件系统或许还能勉强运行,但技术债务的雪崩终将来临。

迟来的教训

笔者曾亲历某组织通过实施持续交付改造混乱的系统。通过测试自动化、部署自动化和完善的监控告警体系,不仅显著提升了可靠性,更重建了开发团队与业务方之间的信任。

离职后,该团队认为测试数据管理过于繁琐,删除了用于重置测试环境的数据库脚本。在数月间,集成测试依然运转正常 ------ 只要没人手动修改测试数据。

当测试数据最终被污染后,团队面临艰难抉择:是重建测试数据管理脚本,还是删除报错的测试用例?在交付压力下,他们选择了后者。

删除测试不会立竿见影地引发问题,功能仍能运行一段时间。但错误终将悄然滋生,最终演变成反复发作的顽疾。这就是追求短期效率牺牲长期可持续性的代价 ------ 当问题显现时,往往已积重难返。

勿要因此失彼

AI 代码助手创造了完美的抛物线式开发速度假象。就像零重力飞机通过抛物线飞行制造失重感,这些工具让我们误以为在翱翔天际,实则正在自由落体。

要让 AI 真正持续提升生产力,就不能放任其主导代码质量。我们必须在加速开发的同时,以同等力度维护系统健康。否则,当下的效率狂欢,终将沦为明日的技术灾难。软件开发的真谛,从来不是比谁写代码更快,而是比谁构建的系统更经得起时间考验。

相关推荐
冷豪4 天前
8 个 SKILL 的设计逻辑
工程实践·ai 编程
冷豪8 天前
从 v0 起步:为什么要规划工具以及若干真实问题
工程实践·ai 编程
夕阳_醉了11 天前
Codex 客户端从装好到跑通:第三方 API 接入与配置避坑指南
人工智能·gpt·openai·codex·ai 编程
冷豪15 天前
AI 开发的快,但焦点会散
工程实践·ai 编程
奈落2419 天前
Codex 并进 ChatGPT 之后,“编程智能体“是变浅了还是变顺了:从官方概览页的功能分工到五家公司开发者反馈,读一次产品化合并的得与失
人工智能·chatgpt·工作流·ai 编程
奈落2422 天前
连错一个端口,Agent就“看不见”工具:从 n8n 的8种AI连接类型到 Dify 的插件审批复用,平台设计里的“隐形接线规则”怎么读
人工智能·agent·ai 编程
奈落2422 天前
工程界讲角色边界,控制论讲博弈与稳定性:从 Swarms 的实践清单到《自动化学报》的协同综述,多智能体‘协同‘这件事有两套语言
人工智能·深度学习·自动化·ai 编程
奈落2422 天前
全局切换器之后:从 ChatGPT 桌面端把聊天、工作、编程并进一个窗口,看“三合一”改了什么、没改什么
chatgpt·工作流·ai 编程
AI闲人24 天前
Hermes:把学习写进文件,把知识变成技能
人工智能·知识库·ai 编程·企业ai落地
奈落2425 天前
RAG 上线只是起点:知识库漂移、模型退化、依赖网扩张,生产环境的长期维护难题怎么拆
本地部署·ai 编程