氛围编程的问题（第二部分）
内容提要
本文讨论“vibe coding”（氛围编程）的弊端。作者指出，在大型代码库中，AI 生成代码虽快，但会打断开发者构建心智模型的过程，导致理解停滞。AI 像永不成长的初级程序员，常犯错且不反思，增加资深开发者审查负担。长期看，团队能力上限下降，代码质量受损，成本远超表面效率。
延伸解读
心智模型断裂的代价
作者指出，在大型代码库中，AI 生成代码会打断开发者构建心智模型的过程。传统编程中，编码与理解同步进行，而 vibe coding 将两者分离，导致开发者对代码库的理解停滞。这种断裂使得审查和纠错变得困难，因为开发者无法在编写过程中逐步深化对系统的认识，最终影响代码质量和团队效率。
AI 的“初级程序员”困境
作者将 AI 比作永不成长的初级程序员：它产出大量代码，但从不提问、自信地编造、不记忆教训、不反思错误。与人类初级程序员不同，AI 无法通过经验成长，每次会话都从零开始，导致资深开发者需要反复纠正相同问题。这种持续的审查负担最终会耗尽资深开发者的精力，降低团队的整体纠错能力。
上下文窗口的局限与隐性约束
AI 规划受限于上下文窗口，无法看到代码库中的隐性约束，如历史事故后的异常处理、字段非空的原因、为特定客户设计的端点等。这些约束存在于开发者头脑、聊天记录和提交信息中，AI 无法感知，导致计划看似合理却遗漏关键信息。作者观察到模块在一年内被重写三次，每次局部正确但全局错误，正是这一局限的体现。
Q&A
为什么在大型代码库中，氛围编程会打断开发者的心智模型构建？
在大型代码库中，氛围编程让AI代理代替开发者编写代码，开发者只负责计划和审查，导致他们无法通过编写代码来测试假设和加深对系统的理解。心智模型的构建与编码被割裂，开发者的理解停滞，而代码库却在不断变化。
氛围编程中，AI生成的计划为什么可能基于错误的假设？
AI生成的计划受限于上下文窗口，无法看到整个代码库，也无法理解开发者脑中的不变量、提交信息中的推理或历史讨论中的约束。因此，计划可能基于错误的假设，一旦批准，错误的前提可能成为后续开发的基础。
作者将AI比作初级程序员，两者有何不同？
AI像初级程序员，但比人类初级程序员更糟糕：它写的代码行数更多，从不提问，自信地编造，不记得之前的教导，也不反思错误。人类初级程序员会成长并融入团队，而AI每次会话都从零开始，修复的问题可能再次出现，审查负担全部落在资深开发者身上。
氛围编程对资深开发者的长期影响是什么？
长期来看，资深开发者的反思时间被消耗，心智模型停止形成，工作变得浅薄，团队的能力上限会逐渐下降到与AI相当的水平。资深开发者被审查和争论循环拖垮，团队的纠错能力减弱。
为什么说氛围编程的成本不是它产生的坏代码？
因为坏代码是可以修复的，真正的成本是开发者监督AI时发生的变化：反思时间被吞噬，心智模型不再形成，导致开发者能力下降，团队整体水平降低。
在大型单体应用中，氛围编程的效率优势为何消失？
在大型单体应用中，AI生成代码的速度优势被抵消，因为开发者需要花费大量时间审查、争论和纠正AI的错误，而无法通过编码来构建心智模型。工作从编码转变为审查和纠错，效率反而降低。
