全员AI,0Coding 是否马上就能实现?什么时候才能实现?

公司提出全员AI、实现0 Coding ,你们觉得能实现吗?AI建新工程还可以,以前的老代码,还是弄不了额,AI写的屎山,继续堆成屎山?出了问题谁来负责? AI 写出来的代码,不仅会对后续的迭代产生影响,而且这种影响在大多数情况下是 负面且随着迭代逐渐放大的 。 简单来说,AI 非常擅长“从0到1”...
全员AI,0Coding 是否马上就能实现?什么时候才能实现?
全员AI,0Coding 是否马上就能实现?什么时候才能实现?

公司提出全员AI、实现0 Coding ,你们觉得能实现吗?AI建新工程还可以,以前的老代码,还是弄不了额,AI写的屎山,继续堆成屎山?出了问题谁来负责?

AI 写出来的代码,不仅会对后续的迭代产生影响,而且这种影响在大多数情况下是负面且随着迭代逐渐放大的

简单来说,AI 非常擅长“从0到1”的白手起家(比如快速写个原型、做个简单的增删改查),但一旦进入“从1到N”的持续迭代阶段,AI 代码往往会成为拖慢进度的“技术债”。

  1. 代码质量会随着迭代“断崖式”下跌
  2. 结构崩坏: 研究发现,在 80% 的迭代项目中,AI 代码的结构会随着版本更新持续恶化。
  3. 冗余爆炸: AI 经常会在代码库里生成大量重复的“垃圾代码”。
  4. 维护成本飙升,甚至“不敢动”
  5. 变成“黑箱”代码
  6. 隐藏的并发与性能雷区
  7. 导致团队“审查过载”与能力空心化
  8. 审查噩梦
  9. 新人成长受阻
维度 AI 生成的代码 人类编写的代码 初始开发速度 极快(几小时/几天) 较慢(几天/几周) 长期可维护性 差(缺乏结构,迭代越改越乱) 好(遵循规范,易于扩展) 代码冗余度 极高(是人类代码的 2.2 倍) 较低(会主动抽象复用) 缺陷与漏洞 缺陷多 1.7 倍,漏洞多 1.5-2.7 倍 相对可控 技术债务 积累迅速,长期成本极高 可通过规划有效管理

这些问题,都不考虑么?

9 个帖子 - 8 位参与者

阅读完整话题

来源: LinuxDo 最新话题查看原文