大项目里没人懂全部代码,AI写代码也一样
Sean Goedecke 说,大型系统里部分理解就是最优解。宝玉把这个判断延伸到 AI Agent:别指望它读完整仓,测试、Review 和截图证据才是交付底线。
Sean Goedecke 在个人博客里写,大型软件项目里,程序员只理解自己负责的那部分代码,是正常状态,也是能做到的最好状态。宝玉在推文里做了引申:这个判断放到 AI Agent 身上同样成立。很多人说 AI 写不好程序,因为 AI 不能完整理解代码库。可大项目里的程序员,本来也只理解一小块。
新人接手历史复杂的项目,短时间只能理解一部分代码。这不影响他维护项目。以前靠自动化测试兜底。测试覆盖足够,新手改代码不容易把系统搞崩,改出问题测试过不了。Code Review 也是知识传承手段,能防止乱改。
让 Agent 干活也一样。指望它在一个会话上下文里理解整个项目,不现实。它永远只能部分理解项目。质量靠验证手段兜底。自动化测试必须有,但不能过度依赖,有些测试本身有问题。Code Review 现在也难保证,代码量太大,人看不过来,只能让 AI Review 大部分代码,人 Review 最重要的部分。
宝玉提到,他最近常用的手段是让 Agent 截图。开发新功能时提供新功能截图,修 bug 时提供改之前和改之后的截图对比。他还发现一个用法:让 Agent 自己模拟 API 响应数据,动态生成不同场景的截图,不需要服务端配合。有网友猜测,这可能是用 Playwright 的 page.route 拦截请求返回假 JSON,或者前端挂了 MSW。Sean Goedecke 在回复里问,为什么不直接打本地 API,这样模型不用猜。这个细节说明,验证手段还在被一线使用中打磨。
这里有个容易滑过去的点。部分理解是常态,不代表可以乱改。Max Kanat-Alexander 在回复里说,工程师需要对自己的改动有足够判断力,能解释真正的问题是什么,为什么方案明显正确。不能拿 AI 说没问题当借口。Sean 回复他,60% 和 80% 的理解差别巨大。Pascal 的说法更直接:完整理解通常说明系统比你想的小。RISHi 说,工作从来不是全知全能,是在动手前知道自己理解边界在哪。
所以 AI 写不好大项目,未必是理解不够。很多时候是边界和验证没写下来。有评论说,改一块代码如果需要理解一堆不相关模块,架构设计和模块边界一定出了问题。也有评论说,AI 写不好大项目,很多时候因为边界本来就没人写下来。这个判断比讨论 AI 聪不聪明有用。
大系统靠局部修改、接口契约、确定性验收门禁。别把全知全能当目标。给 Agent 留可核对的证据,测试要跑,截图要看,关键路径要过。只听它说改好了,不够。原推文链接:Sean Goedecke,宝玉的解读:链接。
发布时间: 2026-11-21 19:09