Skip to main content

AI编程中的常见问题与挑战 - 开发人员使用AI工具的经验分享

· 4 min read

现在的 AI 工具，已经能够:

  • 执行测试和开发任务，自动检测并修复代码规范和编译错误，并能够尝试修复偶误
  • 联网研究，并编写代码
  • 继承浏览器预览，通过预览结果捕捉错误

我不得不掌舵的地方​

在编程过程中，ai 需要编写的内容越多，它就越容易出错。

代码提交 commit​

代码运行不了 对原因的错误分析

团队流程迭代 Team flow iteration​

AI 会不由自主的改变过多代码，修改颗粒度问题 AI 不会问为什么，找到并分析根本原因之后提出解决方案 AI 提出的方案往往是加法思维，会让开发工作流变复杂

长期可维护性 Long-term maintainability​

AI 生成测试很方便，但是可能会创建冗长且重复的测试，这对测试阶段来说，多了很多不必要的开销和单次改动多个测试错误的问题 AI 无法很好做到重用代码，比如不记得之前有另外的 UI 组件，倾向使用 inline css 而不是 css class AI 无法平衡现有代码，和理解现有代码思路，往往提供的方案是加法，让代码变得过度复杂或冗长

编程建议 - 个人开发者​

  • 认真审阅代码
  • 如果你觉得 AI 编码太多太长的话，不妨重新开启新的 AI 对话，或者手动编码
  • 警惕"够用"的解决方案，它们可能带有长期的高维护成本
  • 双人编程，四只眼睛比两只眼睛看得更多，两个大脑比一个大脑更不易自满

编程建议 - 团队、公司​

  • 注重代码质量: 使用 SonarQube 或 Codescene 去检测质量
  • 预提交钩子和 IDE 集成的代码审查: 记住尽可能左移——有许多工具可以在拉取请求期间或在流水线中审查、检查和进行代码安全检测。但你能在开发过程中直接捕获的问题越多越好。
  • 重新审查代码审查的流程，以减少各类问题，比如维护一份「问题记录」日志，记录 AI 生成的代码导致团队摩擦或影响可维护性的事件，并每周对其进行反思。
  • 团队使用 AI 时，通过预先设置的 Prompt 或者 代码案例引导 AI 做出正确实践。不过随着编程对话内容变多，AI 依然可能出错。
  • 信任和开放的沟通文化: 所有开发者都在过渡时期，这项技术正在逐步颠覆现有的工作方式，所有人都是学习者。这个过程会有很多挑战而不仅仅看到 AI 让效率上升的观察。一个信任和心理安全感高的团队，开发人员才能轻松分享他们的挑战，并让团体更快学习，充分利用这些工具和技术。

资源​

History​

  • 2025.03.28, created by xiaoka: first version