Vibes Don't Maintain：AI 生成的代码为何难以维护
自从 ChatGPT 走红以来，许多管理者认为软件工程师即将失业。我的一位朋友用 Claude Code 零代码生成了一个餐厅管理 App，界面整洁且功能看似完备。然而，当我深入检查时，发现它缺乏响应式布局、登录验证、错误处理以及多语言支持等关键要素。这只是一个完美的点击原型，而非可维护的生产系统。软件的核心价值往往在于那些从未在演示中出现的“安全带”和“安全气囊”，即应对异常和灾难的代码。AI 让执行变得廉价，却无法替代工程师对系统全貌的理解和规划。如果输入只是对理想路径的模糊描述，输出也只会是脆弱的理想路径。真正能幸存下来的不是代码本身，而是记录设计意图、决策过程和规范的文档。
软件大部分是安全带，演示中展示的顺利路径只是代码库中最小的一部分。
HN 评论区
42- erelong
我懂你的意思，但这似乎有点言过其实：当应用出问题时，他们会请 AI 来维护（效果参差不齐），而且一开始他们就可以让 AI 进行检查，提前发现一些可能需要的东西。
我觉得更具讽刺意味的是，无论是专业人士还是业余爱好者，都缺乏一套可以遵循的模板（无论是否使用 AI），比如可能出现的各类问题清单……其中很多问题本可以通过模板或清单（辅以 AI 协助）来处理。
- DonsDiscountGas
观点不错，但到了这个阶段，如果餐厅老板能用非技术语言清晰表达需求，我敢打赌 Claude 或 Codex 能做得很好。这说起来容易做起来难，但绝非火箭科学：
* 做一个给员工排班的应用。
* 需要处理多用户，并智能地协调编辑冲突。
* 需要同时适应英语和西班牙语使用者。
* 需要身份验证。
* 需要 99.9% 的可靠性。
这已经能解决大部分问题了。当然，餐厅老板可能需要进行迭代，但这不是一直以来的常态吗？现在的迭代并不需要雇佣外部帮助。
- Vishal_Max
这已经不完全正确了，但我确实同意一点：AI 无法可靠地一次性或在几天内构建整个应用，而且你完全可以期待开发者自己也会犯同样的错误，即使是大型团队也会犯错，遗漏边缘情况。
- BubbleRings
> "……或者那些从未在生产环境中执行过的部分，因为它们是为了应对某人坐下来想象的最坏情况而存在的。"
说得真好。
> "这是代码本该做什么的记录……写在某个地方，人类或智能体可以读回来。我们的是 git 里的 markdown 文件……"
我不断感到惊讶的是，我认识的许多相当懂技术的人，虽然在使用 AI 做实实在在的工作，却从未接触过 markdown。
如果你就是其中之一，请允许我提个建议：
停下。在你完成以下步骤之前，别再向 ChatGPT 或 Claude 提问了：
- 在你的 Windows 或 Mac 机器上安装 Typora。
- 使用 Typora（或其他支持 markdown 的编辑器，不过 Typora 就很好了）写一个长达一整页的 .md（markdown 文本）文件。至少要用到一级标题、二级标题和下划线格式。
- 让这一页文件成为一个复杂的 AI 请求。比如“研究 x，将其与 y 进行比较，猜测未来会发生什么，这里是我的一些观点和猜测，请简短回复，并提供参考文献”。
把这个 .md 文件交给你喜欢的 AI。（如果能用拖拽功能或让 AI 指向文件所在的目录，那就更棒了。）看看结果。修改一下你的 .md 文件，再交给 AI，看看不同的结果。
在我看来，如果你用键盘工作，并且过去 8 个月一直在使用 AI，那你应该在 4 个月前就完成上述操作了。在你做到之前，你将很难理解如何有效地利用 AI 进行工作。
- fk202611
我只能读懂基础级别的代码，所以我和这篇文章的作者处境一样。我用 AI 构建了一个诊断应用。通过最初的提示词，我让它生成了诊断结果。然而，当我要求 AI 进行修改时，有时其他部分就会出错。每次发生这种情况，我都得让 AI 重新检查代码。