AI 编程始终需要人类迭代 | AI生成和翻译

Home 2026.03 English 中文

---

问题： 为什么在使用像 Copilot 或 Claude Code 这样的工具时，人们仍然需要手动干预，特别是当他们往往事先不知道确切的期望结果，而只是在构建过程中发现可接受的结果时？

回答：

是的，你的观察本质上是正确的。使用 AI 编码助手如 GitHub Copilot 或 Claude Code 时，手动干预仍然必要的一个主要原因是，软件开发常常在过程中发现需求，而不是事先完美定义它们。

这一现象体现在软件工程的几个重要方面。

1. 需求往往未知或不完整

在许多现实世界的项目中，开发者无法在开始时完全描述他们想要什么。相反，他们只有粗略的意图。

例如：

• “Build a search feature”
• “Make the UI feel smoother”
• “Improve performance”

这些目标是模糊且不断演变的。确切的实现只有在实验后才变得清晰。

这有时被称为 emergent design，其中最终设计通过迭代逐渐浮现。

2. 验收标准通过构建过程发现

当开发者构建功能时，他们常常发现之前不明显的约束：

• 性能限制
• 意外的边缘情况
• 集成问题
• 可用性问题

例如，你最初可能想要一个复杂的架构，但实现后你意识到：

• 它太慢了
• 它太复杂了
• 它难以维护

此时，你会细化需求。这就是为什么编码和思考是紧密耦合的活动。

3. 许多质量难以用自然语言描述

软件质量的某些方面难以事先指定，例如：

• 代码优雅性
• 简洁性
• 可维护性
• 架构清晰度

这些质量往往只有开发者看到代码或运行系统时才能认识到。

因此，即使 AI 生成代码，人类仍需要评估：

• 这个设计感觉对吗？
• 它可维护吗？
• 它符合系统的心理模型吗？

4. 软件开发是一种迭代探索

现代开发方法如 Agile 假设知识在开发过程中浮现。

典型工作流程：

1. 想法
2. 原型
3. 观察限制
4. 细化设计
5. 重建
6. 重复

AI 工具加速了 2–5 步，但它们无法消除探索过程。

5. 人类提供判断和上下文

AI 可以生成解决方案，但人类仍提供：

• 产品直觉
• 架构判断
• 权衡决策
• 领域理解

例如，AI 可能生成可工作的代码，但开发者可能决定：

• 这个抽象是错误的
• 这个依赖不应存在
• 这个功能应该简化

这些判断需要经验和上下文意识，AI 目前无法完全复制。

6. 编程往往是发现问题过程

软件工程中的一个著名观点是：

“We don’t really understand the problem until we try to solve it.”

开发者往往只有在编写和测试代码后才理解：

• 真实需求
• 系统限制
• 正确架构

结论

使用 AI 编码工具时，手动干预仍然必不可少，因为：

1. 需求在开始时往往不清晰。
2. 可接受结果通过实验发现。
3. 许多软件质量难以明确描述。
4. 开发是一种迭代探索过程。
5. 人类判断和系统理解仍然必要。

像 GitHub Copilot 和 Claude Code 这样的 AI 助手大大加速了编码，但它们无法取代软件设计的探索本质。相反，它们更像是极快的协作者，仍需要人类的指导和评估。

---

Back Donate