尝试纯AI编程有感
目录
这两天花工作的闲暇时间，用 weavefox 和 kimi K2，全程没敲一行代码，做了个人健康数据的展示小网页出来，个人觉得效果还不错，已经在我内网上线测试了。
感触颇深
我从人类工作、思考的角度，来讲讲AI 给我的感觉。
- 先泼一盆冷水，虽然我没有敲一行代码，但是实际的体验还是和敲代码很像的。你至少得大概知道这些功能从代码层面上该如何实现，然后将这个大致的逻辑告诉AI，然后AI才能根据你的逻辑实现相关的代码，如果你的设计出现了迕，那AI可能也无法实现。换言之：AI的能力受制于使用者的能力上限。从这个角度看，或许还算个好消息，至少目前它还不能完全代替程序员。当AI设计出来的东西无法满足需求的时候，理解代码的使用者可以用更短的时间让AI去修复代码，而不理解代码的使用者可能伴随着AI的幻觉一条路走到黑了。虽然最近Vibe Coding这个概念吹得挺火，但是和我认为的Vibe Coding还有不小差距。
- 其次是欣喜，AI能完成的事情越来越多了，我使用的是claude code，它除了可以生产代码之外还能运行指令，Linux指令用的得心应手。如果我没有暂停它几乎就快要把开发部署一整条流水线都建出来了。之前就在设想这样的功能，现在终于有了。AI不应该仅限于coding，而是最大程度解放劳动力（不仅工作），比如自动编写commit然后自动提交，亦或是自动检查-分析-上报。之前看到github上有项目整个个交给AI机器人来写了，开发者只需要负责在issues中检查AI的代码并提出反馈就可以了。相信这样的未来离我们也不远了。
- mcp的出现更是让AI如虎添翼，我觉得mcp主要针对的不是coding，而是生活，mcp将严谨的功能函数和抽象的自然语言联系起来，让人和服务之间的交互更加自然了。
- 多线程，没错你可以在一个项目里面运行多个Agent！虽然一个会话只能运行一个AI，但是你可以同时开多个命令行，让其中一个负责写接口，另一个负责写页面。多个AI同时工作意味着效率的提升，这是你在和网页版chatGPT聊天时所难以想象的。我觉得Agent多线程管理将会是一个很cool的事情。
- AI测试，我认为AI测试是AI想要有质的突破所需要解决的一个大难点。首先你在用AI的时候会发现，第一次生成代码可能只占了一点点时间，但是如果你需要AI继续完善代码，后面的调试非常费时间，因为AI无法识别自己的代码对不对，相比于代码检查，页面的检查目前还是比较麻烦的技术。之前看到阿里在做一个项目，AI根据图纸生成代码，然后交给AI检测，如果不合格再打回去，直到合格，这套一次即交付机制我认为非常棒，不过目前效果还不是很好，核心的原因就是测试方面实现得不好，如果AI测试能够提供准确的测试反馈，那对AI生成的再次迭代将会有莫大的帮助，就像导弹有了雷达。其次，测试的工作实际上是非常程序化的，如果AI能够代替测试，那么AI在生产环境的占领就又前进了一大步。
我突然想到，测试和业务逻辑实际上是高度挂钩的，如果对业务没有好的理解，程序化的测试可能难有好的结果。测试可能不想我像得那么容易被取代。
- 编程能力退化。用了几天claude code后，我发现我变懒了，不再细细研究代码中的每个细节，有时候直接把产品的需求文档整理整理，发给AI让他去完成大量的代码。你说要我自己去动手写的话，根本无从下手，当我发现这一现状的时候我感到了惊慌，于是下午手写了不少东西。
- AI解决问题的思路不够发散（死脑筋），比如我在使用的过程中遇到一个bug：页面左侧出现大量的空白，内容全部从右边溢出了，让AI改了多版也没有解决问题，结果重启项目解决了（可能是电脑休眠一晚上导致的什么小bug）。AI完全无法意识到这个问题的可能性，只会意味地将代码改来改去。再比如，当前版本的AI对mcp以及各种指令的的调用还处于需要人类指引的情况，不然他很可能不会考虑到这个方向（目前聪明一些的AI在这方面做得稍微好些），并且当他决定了一个方向之后，几乎会一条路走到黑。
- AI太果断，不对获取的信息做判断。AI获取到你的信息之后，很少会对你的信息做评估，大多直接开干，这导致有时获取了不完整或者错误的信息后，他会朝非常神秘的方向发展去。我希望他能向我们工作那样，当产品给的需求不明确时，追问准确的需求，并先进行初步的分析，然后才是开干，就像开发者那样。
- 我们应该怎么做？前两天读到一句话，非常合适：“AI 时代技术不值钱后，业务和用户才是护城河”。你会发现，你对业务的理解越深，你就会do well in developing/testing/…… with AI。这个时候
你对业务的理解x你能做出的表达才能得到你对业务的价值。多学技术，多看业务，并发掘AI在这期间能给你的帮助。