北京
“AI輔助開(kāi)發(fā)的關(guān)鍵在于建立約束系統(tǒng)。”這是一位開(kāi)發(fā)者在實(shí)踐筆記中給出的判斷。他使用vivo內(nèi)部的AI編碼助手BlueCode，在兩天內(nèi)完成了一個(gè)兩萬(wàn)行Vue項(xiàng)目的重構(gòu)，全程零手寫(xiě)代碼，結(jié)果直接挑戰(zhàn)了“AI編碼僅適合片段補(bǔ)全”的慣性認(rèn)知。
將這一結(jié)果拆解，核心落在三點(diǎn)：Skills、AGENTS.md以及飛輪效應(yīng)（Flywheel Effect）。Skills負(fù)責(zé)明確任務(wù)邊界，告訴AI“做什么范圍的事”；AGENTS.md作為項(xiàng)目級(jí)規(guī)則文件，為AI鋪墊了足夠的上下文與編碼規(guī)范；飛輪效應(yīng)則是通過(guò)“生成-檢查-反饋”的循環(huán)，讓模型輸出越來(lái)越貼合項(xiàng)目狀態(tài)。三者共同形成了一個(gè)約束體系，使得大模型在面對(duì)大型工程時(shí)不再發(fā)散。
但約束體系的另一面是前置成本。如果脫離這套工程化約定，讓AI直接處理兩萬(wàn)行存量代碼的全局修改，理解偏差和不可控的修改很容易出現(xiàn)——這恰恰是許多開(kāi)發(fā)者抱怨“AI不夠好用”的根源。于是，一場(chǎng)辯論浮現(xiàn)：為了讓AI勝任復(fù)雜任務(wù)而耗費(fèi)精力搭建規(guī)則，總體效率是提升還是抵消？
該實(shí)踐給出的判斷是：任務(wù)復(fù)雜度越高、代碼規(guī)模越大，投入約束的收益越明顯。它不是在否認(rèn)簡(jiǎn)單場(chǎng)景中的即時(shí)輔助價(jià)值，而是為AI編碼能力畫(huà)了一條分水嶺——讓工具真正釋放的，并不只是模型本身的能力，更是使用者為它搭建的協(xié)作框架。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶(hù)上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
