使用 AI 构建让我意识到我们经常不理解自己的代码

Source: Dev.to

我第一次认真使用 AI 来写代码时，并没有感觉被取代。
我感到自己被暴露了。

并不是因为 AI 比我更聪明——而是因为它不断提出我的代码无法回答的问题。

这段经历改变了我看待 AI 和软件开发的方式。

AI 并不会取代开发者。它揭示了我们对工作思考的清晰程度。

“它能运行”并不等同于“我们理解它”

我们很多人用一个简单的指标来评估代码：

它能运行吗？

如果答案是肯定的，我们就继续前进。

但能运行的代码并不一定是我们真正理解的代码。

当你让 AI 参与——让它重构、优化或扩展已有系统时，它会立刻提出诸如：

• 这里的目标是什么？
• 应该遵守哪些约束？
• 哪些权衡是有意做出的？

如果这些答案不明确，限制会很快显现。

AI 填补我们未定义的空白

对 AI 工具的常见批评是它们会“幻觉”。

实际上，更多时候发生的事情更为微妙。

当我们给出模糊指令时，例如：

• “重构这个”
• “让它可扩展”
• “提升性能”

……而没有定义意图或约束，我们实际上是在让 AI 代替我们做假设。

AI 并不“挣扎”于模糊——它响应模糊。
输出的质量反映了输入的清晰度（或缺乏清晰度）。

提示（Prompt）主要是关于清晰思考

围绕“提示工程”（prompt engineering）的讨论很多，但在日常开发中，好的提示往往归结为清晰的推理。

有效的提示通常会回答：

• 我们在解决什么问题？
• 什么必须保持不变？
• 哪些约束重要？
• 哪些权衡是可以接受的？

如果编写提示感到困难，往往是因为这些问题还没有得到答案——而不是措辞不够巧妙。

AI 促使更好的解释

与 AI 合作的一个意外好处是，它经常迫使我们进行澄清。

在扩展或修改代码时，AI 自然会反问：

• 为什么要这样组织结构？
• 为什么要共享这个状态？
• 为什么是同步的还是异步的？
• 这依赖了哪些假设？

回答这些问题会提升代码库的质量——不论 AI 是否参与。

为什么这是一次积极的转变

如果使用得当，AI 会鼓励更好的习惯：

• 更清晰的意图
• 明确的约束
• 更好的文档
• 更审慎的设计决策

它抑制了模糊、充满假设的开发方式，奖励清晰度。

从这个意义上说，AI 的作用更像是一个持续的审查循环——它会立即响应我们表达思考的清晰程度，而不是单纯的替代品。

AI 揭示的技能差距

AI 突显的最大差距并不在于：

• 语法
• 框架熟悉度
• 记忆 API

而在于：

• 系统思维
• 理解权衡
• 清晰阐述决策
• 知道为什么某件事存在

这些技能相互叠加。AI 只是让它们更加显眼。

最后思考

AI 并没有让我成为更好的开发者。
它让我更清楚地意识到“能运行的代码”和“我真正理解的代码”之间的区别。

而这种觉悟的价值远超任何自动补全功能。