AI编程翻车现场

AI编程的四大翻车现场

你雇了一个实习生。简历天花乱坠——精通十八种语言，读过整个互联网，加班不要工资。

你给他一个任务，他两分钟交差。打开代码一看，血压飙到 180。

翻车一：他压根没理解你要什么

你说"加个登录功能"，他给你写了一个包含指纹识别、虹膜扫描、人脸检测的超级系统——但你只是想加个邮箱密码登录框。

Matt Pocock 的解决方案叫烤问——让 AI 来烤问你自己。他的 `/grill-me` 技能在写任何代码之前，AI 会像面试官一样追问每一个细节：用什么认证？需要记住登录吗？密码怎么存储？忘记密码怎么办？

一次烤问下来，你的需求比 90% 的项目都清晰。

翻车二：二十个字能说清的事，它说了一整段

AI 会用"在当前系统的用户认证模块中，当一个已经被创建的课程章节被赋予文件系统中的物理位置时"来描述一件事。而你的团队只需要说一个词："实例化"。

解决方案是创建一个 `CONTEXT.md`，把项目所有核心术语写下来。AI 每次开工前先读这个词典。效果立竿见影：命名更一致，代码更易读，思考的 token 更少。

翻车三：代码写完就崩溃

需求对齐了，术语统一了，代码跑不起来。因为 AI 在飞盲——没有反馈，就是在黑暗中乱撞。

Pocock 的方案是"红绿重构"循环：先写失败测试，再让代码通过，然后重构。一次只走一个垂直切片——一个测试、一个实现、再来下一个。

翻车四：代码能跑，但谁也看不懂

AI 加速了代码产出，也在加速制造技术债。三天前干净的架构，今天已经是"泥球"。

Pocock 建议：每隔几天运行 `/improve-codebase-architecture`，像打扫房间一样定期清理。好的模块像冰山——露出水面的是简洁接口，水下是复杂实现。

这四个问题——需求不清、术语混乱、代码崩坏、架构腐烂——不是新问题。AI 只是让它们发生得更快了。解决方案也不新鲜：精确沟通、统一语言、快速反馈、持续重构。经典之所以经典，是因为管用。