软件基本功在AI时代变得更加重要

AI 时代的软件基本功

核心观点：软件基本功比以往任何时候都更加重要。优秀的代码库是享受 AI 红利的前提，糟糕的代码是有史以来最昂贵的。

一、背景：从规范到代码运动的陷阱

当前流行一种”从规范到代码”（Spec-to-Code）的理念：

• 写一份应用规范，让 AI 将其转化为代码

• 出了问题不看代码，只修改规范，重新”编译”

• 反复运行，期望代码自动变好

现实却是：每次运行编译器，代码只会越来越糟，最终得到一堆垃圾。这种做法本质上只是换了个名字的”凭感觉写代码”（cowboy coding）。

二、为什么代码并不廉价

“代码很廉价”是一个流行但错误的前提。

• 糟糕的代码库难以修改，让你无法享受 AI 带来的好处

• AI 在良好的代码库中表现非常出色

• 因此，优秀的代码库比以往任何时候都更加重要

两本经典著作的支撑

三、AI 编程的五种失败模式与应对策略

失败模式 1：AI 没有按照我的意愿去做

你和 AI 之间存在沟通障碍，AI 做出了你不想要的东西。

根因：你和 AI 之间没有共享的”设计概念”（Design Concept）。

来自 Frederick P. Brooks《设计的设计》：当多人协作设计时，需要一个共同的无形概念——设计概念。它不是资产，不是 markdown 文件，而是你们正在构建的东西的共识。

应对——GrillMe 技能：

• 让 AI 不断采访你，确认计划细节，直到双方达成共识

• 深入设计树的每个分支，逐一理解决策之间的依赖关系

• AI 会问你 40-100 个问题，在满意之前不会停止

• 对话结果可转化为 PRD 或任务，交给 AI 代理执行

• 核心思路：先达成共同的设计理念，再开始执行（比急于制定计划更好）

失败模式 2：AI 说话太啰嗦，鸡同鸭讲

你和 AI 之间没有共同语言，AI 用大量词语却表达不到点子上。

根因：这和开发者与领域专家之间的语言鸿沟完全一样。

应对——通用语言（Ubiquitous Language）：

来自领域驱动设计（DDD）：通过通用语言，开发者之间的交流、代码表达、与领域专家的对话，全部源自同一个领域模型。

具体做法：

• 扫描代码库，查找术语

• 生成一个 markdown 文件，包含所有术语的表格

• 确保术语含义与实际完全一致

• 在代码、讨论、与 AI 沟通中统一使用这些术语

效果：提升规划质量，让 AI 思考更简洁，最终实现更符合规划。

失败模式 3：AI 构建了正确的东西，但不能正常运行

应对——反馈循环：

必须为 AI 提供以下反馈机制：

• 静态类型检查（TypeScript）

• 浏览器访问（前端开发时让 LLM 查看页面）

• 自动化测试

但仅仅有反馈循环还不够——LLM 并不像资深开发者那样充分利用它们。

来自《程序员修炼之道》：”超越你的车灯”——开得太快，因为反馈的速度就是你的速度上限。

LLM 默认行为：一次性生成大量代码，然后才想起来做类型检查或跑测试。

应对——TDD（测试驱动开发）：

• 先写测试 → 让测试通过 → 再重构

• TDD 迫使 LLM 采取小步前进的方式

• 好的代码库是容易测试的代码库——又回到了”代码本身很重要”

失败模式 4：AI 不理解你的代码

代码库充满浅层模块，AI 需要在大量小块中穿梭导航，无法及时找到正确模块或理解依赖关系。

应对——深层模块（Deep Modules）：

来自 John Ousterhout：代码库应拥有相对较少的大而深的模块，而非大量浅层模块。

重构方法：

• 探索代码库，寻找彼此相关的代码

• 将相关代码封装进深层模块

• 精心设计接口（否则 AI 可能搞砸设计）

• 具体实现可一定程度交给 AI

• 在接口层进行测试，通过接口验证

失败模式 5：交付更多代码，但大脑跟不上了

AI 加速了开发，但你却比以往更疲惫——因为你的大脑和 AI 一样需要记住所有信息。

应对——设计接口，把实现交给 AI：

• 把深层模块当作”灰盒”：只设计接口，不过多审查具体实现

• 在应用中不太关键的部分，无需在意内部实现

• 前提：模块外部有可测试的边界，你理解它的用途，能从外部验证

• 关键领域（如金融）仍需审查

进一步要求：

• 熟悉应用中的模块地图，将其纳入通用语言

• 在 PRD 中具体说明模块变更和接口修改方式

Kent Beck：每天都要投入到系统设计中。

从规范到代码的运动恰恰是在撤出对系统设计的投入——这是最危险的趋势。

四、总结：你就是那个战略层面的人

• 代码并不廉价，代码很重要

• AI 是一位非常优秀的基层/战术型程序员——擅长做代码变更

• 但 AI 之上还需要有人在战略层面进行思考——那个人就是你

• 这需要我们过去 20 年甚至更久以来一直在使用的软件基础技能

不要因为 AI 的出现就抛弃经典的软件设计原则——恰恰相反，现在比任何时候都更需要它们。