来源笔记
When Code Is Cheap, Does Quality Still Matter?
摘要
LLM 生成的代码降低了写代码的成本，但文章认为代码质量仍然重要，因为变更、故障和维护最后还是由人负责。
问题
- 便宜的生成代码会让代码量增长快于团队的理解速度。
- 打磨过的 AI 输出会掩盖糟糕的边界、重复逻辑、含糊命名，以及难以移除的行为。
- 软件工作的主要成本在于理解、变更、评审、调试和运维，不在于敲键盘。
方法
- 把 LLM 当作人类拥有的系统里的快速助手。
- 让 AI 的改动保持狭窄，沿用现有仓库模式，明确边界，加入测试、工具权限和成功标准。
- 让模型做受约束的实现、机械重写、迁移、测试和小函数，而不是开放式的功能设计。
- 依据工程师是否能够解释、评审、重构、删除和运维这些代码来判断生成代码的质量。
结果
- 文章报告了 0 个实验、0 个数据集、0 个基线和 0 个基准指标。
- 文章认为 LLM 降低了代码生产成本，但理解、评审、调试和运维仍然昂贵。
- 文章认为较弱的工程师现在能写出比自己理解得更多的代码，这提高了评审和维护风险。
- 文章认为较强的 AI 编码实践会使用受限差异、类型化契约、可复现命令、强测试、等价性检查和评审检查点等约束。
- 文章把所有权定义为质量标准：如果团队不能安全地重构或删除生成的代码，这些代码就已经很贵了。