霍格沃兹测试开发学社
二、AI 最大的问题，不是写错，而是“写得像真的”很多人以为 AI 写代码的风险是：代码一看就错、跑不起来、语法报错。但这反而不是最危险的。真正危险的是：代码能跑测试能过格式很漂亮注释很完整逻辑看着也合理但一到复杂场景就出问题这类代码最麻烦。因为它不是明显错误，而是低质量但高迷惑性。以前新人写一个 PR，维护者指出问题，新人理解反馈，下次会进步。这个过程虽然慢，但它有一个好处：人会成长。但现在很多 AI PR 的过程变成了这样：看起来流程没问题。但真正的问题是：提交者可能没有理解代码。维护者花了时间，但没有培养出新的贡献者。AI 改了一版又一版，但项目长期质量未必变好。这就是现在很多开源社区正在遇到的困境：写代码的人越来越多，真正理解代码的人反而越来越少。三、AI PR 的核心矛盾：生成很便宜，验证很昂贵AI 时代，代码生产成本正在快速下降。一个以前需要半天写出来的小功能，现在可能十分钟就能生成。一个以前需要认真思考的修复，现在可能一个 Prompt 就能给出方案。但问题在于：生成代码快，不代表验证代码快。软件工程里真正难的从来不是“把代码写出来”，而是回答这些问题：所以你会发现，AI 真正改变的是：开发侧更快了，但质量侧压力更大了。这也是为什么测试开发在 AI 时代不会变得不重要，反而会越来越重要。因为当代码生成速度提升 10 倍，企业最缺的不是更多代码，而是更强的验证体系。四、为什么“AI 自动重构整个项目”听起来很爽，但风险极高？在和 Ryan Peterman 的对谈中，Charlie Marsh 还聊到了一个更激进的话题：如果 AI 已经能大量生成代码，那能不能让它直接重写一个代码库？比如：自动重构代码库自动迁移技术栈自动修复历史 Bug自动把一个语言的项目改写成另一个语言自动批量生成测试和文档这听起来非常诱人。尤其是对于老系统来说，谁不想一键重构？但这里有一个很大的坑：测试通过，不等于系统真的没问题。测试只能证明：在你覆盖到的场景里，系统表现正常。但真实工程里，还有大量测试覆盖不到的隐性行为。比如：某个接口虽然文档没写，但下游系统已经依赖它的返回顺序某个异常逻辑虽然看着不合理，但线上用户刚好依赖这个行为某个字段虽然应该废弃，但有老版本客户端还在用
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
