别把烂代码喂给 LLM，它会学坏
Write code like a human will maintain it
我最近在使用 LLM 辅助开发时，发现了一个可怕的陷阱：因为觉得 AI 能自动修复，我就懒得遵循 DRY 原则，把重复的访问检查逻辑复制粘贴到了多个文件中。我以为这是在把维护工作外包给 AI，结果却是在训练它养成坏习惯。LLM 不是凭空写代码，它会读取你的代码库，模仿你留下的模式。每一个偷懒的捷径，都在向模型发出信号，告诉它“这就是我们这里的风格”。当你下次请求新功能时，它只会生成更多重复代码，而不是重构。最终，这些代码异味层层叠加，让你无法再通过简单的提示词来修复，只能亲自动手清理。记住，LLM 就像海绵，你喂给它什么，它就还给你什么。
LLM 就像海绵，会吸收你做的每一件事并原封不动地重复回来，所以务必确保你喂给它的是好代码。
HN 评论区
13- 有评论者反驳称 LLM 本身不会学坏，问题在于使用者缺乏重构意图和静态分析工具，导致模型沿袭了人类遗留的坏代码模式。
- 一位从业者分享经验，通过增量式地将个人代码质量标准编码为自动化检查列表，成功将 AI 从低级错误中解放出来，使其专注于更高价值的工作。
- 针对代码规范，有观点指出 LLM 并非人类，不应盲目套用 DRY 等人类最佳实践，而应重新评估这些规范对模型是否依然有效。
- 有评论者强调，提示词应遵循'正向引导'原则，明确告知 LLM 具体该做什么（如使用常量），而非仅禁止错误行为，这与人类沟通逻辑一致。
- 关于 LLM 普及后的竞争格局，有观点认为工具本身不会消除优势，真正的差距在于使用者对工具的深度理解、经验积累及利用能力。