AI 编程的下一个瓶颈不是生成代码,是读代码

📅 2026/4/26 ✍️ 小文 📖 约 1 分钟

生成一段函数只要几秒,理解一个十万行的老系统要几周。这是 AI 编程工具当前的真实瓶颈。本文分析冷启动、架构考古、隐性约定三类困难,以及可行的缓解手段。

一个错位的事实

几乎所有 AI 编程工具的演示都从空目录开始:你说”给我做一个待办应用”,三分钟后一个能跑的应用出现在屏幕上。这让很多人以为编程的瓶颈解决了。

但真实工程里,绝大多数时间不是在写新代码,是在理解已有代码。 一项流传很广的调查(微软、谷歌的工程师都做过类似统计)长期显示:开发者大约 60% 的时间花在阅读和理解代码上,写的时间不到 20%。

于是问题变成:AI 让写的那 20% 变快了,那 60% 呢?

困境一:冷启动的上下文成本

一个新加入的 Agent(或一个刚接手的开发者)面对十万行的仓库,第一件事是搞清楚”哪里是入口、哪些是核心、什么是死代码”。人类靠的是同事口头传授、文档、以及试错几个小时的直觉。

AI 的方式是 grep 和读文件。它读得快,但读得散:它能找到所有叫 user 的地方,但不知道哪个 user 是真正的领域对象,哪个是历史遗留的 DTO。

结果是:Agent 经常改错文件、在废弃模块上施工、或者重建一个已经存在的工具函数。

困境二:架构考古

遗留系统里最贵的知识没有写在任何文档里:

  • 为什么这里要加一个 sleep(200)?因为下游有个定时任务。
  • 为什么这两个表要冗余字段?因为早期没有 join 性能。
  • 为什么这个类不能删?因为有个 cron 脚本在用。

这些知识叫”架构考古”,它的特点是正确性无法通过阅读代码确认,只能通过运行和历史确认。而 AI 读不到 git 历史里的口头讨论,也读不到五年前那次事故的复盘。

这是 AI 读代码最本质的短板:它理解定义,不理解历史。

困境三:隐性的团队约定

代码库里有大量”大家都这么做”的约定:

  • 所有 API 错误必须走统一的 ApiError 类
  • 数据库查询只能写在 repository 层
  • 日期一律 UTC 存储,展示层转换

这些约定经常不在任何文档里,新人靠 review 被打回来学会。AI 没有任何途径知道,于是它会写出技术上正确、但不符合项目习惯的代码——review 时被打回,然后再改,成本就上去了。

这也是为什么很多团队反映:“AI 生成的代码能跑,但我几乎要重写。“

缓解手段:把隐性知识显性化

这是目前最有效的一招,几乎没有替代品:写一份项目规则文件。放在仓库根目录,被工具自动读取(CLAUDE.md、AGENTS.md、.cursor/rules)。

有效的内容只有四类:

  1. 目录地图:每个目录一句话,特别是标出哪些是废弃的。
  2. 模式示例:贴一段”标准写法”的代码,比十条规则管用。
  3. 禁区:哪些文件不许改、哪些函数不许动、哪些依赖不许引入。
  4. 验证命令:怎么跑测试、怎么跑 lint、怎么本地起服务。

这份文件写得好的团队和没写的团队,AI 编程的返工率差距是数倍的。

缓解手段:用可调用的工具代替阅读

让 AI”读代码”其实是低效的。更有效的做法是让它执行探针:

  • 用测试作为规格:先让 AI 写一组覆盖当前行为的测试,再让它改实现。测试通过就说明没破坏行为。
  • 用类型系统作为约束:类型越强的代码库,AI 越不容易改错。
  • 用静态分析作为护栏:lint 规则、依赖检查可以在提交前拦下大部分违规。

一句话:别指望 AI 通过阅读理解系统,让人为它建好护栏,让护栏替它理解。

缓解手段:缩小作用域

如果一个大任务必须在陌生代码库里做,把它切成小任务,每个任务都提供精确的入口:

不要写”帮我加一个导出功能”,而是写”在 src/services/report/ 下新建 exportService.ts,参考同目录 previewService.ts 的结构,调用现有的 ReportRepository.find(),导出为 CSV,用现有的 CsvWriter 工具”。

后者的成功率远高于前者,因为你把”考古”的工作做完了,只剩”施工”给了 AI。

对工具选型的启示

评估 AI 编程工具时,不要只看生成质量。看三个与读相关的指标:

  1. 它怎么决定读哪些文件(自主 grep 还是可指定范围)
  2. 它能不能跨文件追踪调用链
  3. 它有没有机制把项目约定持久化

这三项决定了它在真实项目里能用多久,而不是在 demo 里有多惊艳。

结论

AI 编程的下一站不是更强的生成,是更好的理解。而目前工程上最现实的解法很朴素:把你们脑子里的项目知识写下来。 这件事对人也有用——新人 onboarding 从三周变成一周,是常有的事。

写文档这件事被 AI 重新变得有价值了,只是这次读者是个模型。

📤 分享到