大家都曾經和一位「搖滾明星級工程師」共事過。他們幾年前加入團隊時,渾身是勁。對新技術、新典範、新架構充滿想法。這些走在最前線的想法,讓其他人都覺得自己似乎有點落伍了。
他們重寫了公司大部分的核心架構。導入了新的建置流程、新的工具、新的語言。他們拒絕了大多數的 Pull Request,拉高了大家對工程品質的期待。沒人真的看得懂他們寫的程式碼,但也沒人敢承認這件事。
所有最難的任務都被指派給這位搖滾明星。他們總是能比任何人更快地完成。工程成果聽起來總是非常厲害,儘管只有這位搖滾明星自己真正了解整個系統是如何兜起來的。
其他人的進度相比之下都慢得多。大家都努力想跟上、想學會那些新套件、想照著搖滾明星的方式做事。
加入團隊幾年後,他們突然就離開了。他們覺得無聊了,想去一家更大的公司、挑戰更有趣的專案。
這時你突然被要求接手搖滾明星的專案。你打開程式碼一看,整個人像是被活埋一樣。資料的流向很難追蹤,看起來像是有人想掩蓋一場謀殺案。
你想從修正一個簡單的 Bug 開始,光是讓那段程式碼能夠在你的筆電上跑起來,就花了一個星期。
有一半的程式碼是用你完全看不懂的語言寫的;另一半則是用你連名字都沒聽過的套件堆出來的。
你試著跟主管反映,告訴他你認為這段程式碼需要整個重來。他不相信你,畢竟這是搖滾明星親手寫的。你一邊在這團混亂中掙扎,一邊開始瀏覽徵才網站,想像自己離職的美好生活。
我曾經和許多團隊與代理商合作,幫他們清理這些搖滾明星留下的殘局。其實我蠻享受那種「搞懂並拯救一團亂的程式碼」的過程。那感覺就像坐在一堆糾結的聖誕節燈串前面,慢慢把它們拆開、整理到能重新使用的狀態。
在這個過程中,我看到了一些共通的模式。這些搖滾明星對寫程式、學習新知、嘗試新典範充滿熱情,而這點在他們的程式碼中表露無遺。他們總是不斷把自己推到能力的最邊緣,試圖寫出最聰明的程式碼。他們專注在追求極致的速度。
可惜的是,這些搖滾明星最不在乎的,就是寫出別人能夠接著維護的程式碼。
過去這幾年,大多數團隊都被一支由「搖滾明星」組成的軍隊淹沒了。每當有人開了一個新的對話視窗,就等於為團隊加入了一位新的搖滾明星。
這個 Agent 不會記得它昨天做過什麼。它會開心地在幾分鐘內生成上萬行程式碼。它以超越人類極限的速度完成任務。它完全不在乎這些程式碼能不能跟系統其他部分好好整合,也不在乎整個系統是變得更容易理解,還是更難理解。
這個 AI 帶著一整箱「最佳實踐」工具,但這些工具很可能根本不適用於當下的情境。它堅持要「皮帶加吊帶」雙重保險式的做法,即便複雜度早就遠遠超過帶來的效益。當請它來 Review 你的程式碼時,它會列出一長串「改進建議」,其中很多你根本不會同意。對工程品質的標準被全面拉高了,許多人開始覺得自己必須用 LLM,否則永遠會被拋在後頭。(不過我始終相信,最終被時代拋下的,會是那些把所有程式碼都交給 LLM 寫的人。)
當生成式程式碼的量多到一個程度,系統的複雜度會以指數級爆炸成長。它可能會複雜到「想搞懂它本身」就必須依賴 LLM。工程師、團隊、整間公司,都可能對生成式 AI 成癮並產生依賴。
坐在一堆 AI 製造的廢物程式碼前面,遠比清理搖滾明星留下的殘局還要令人沮喪。至少那位搖滾明星腦中還有某種設計理念,他至少在嘗試做到最好。
但這種「氛圍編碼(Vibe Coding)」出來的廢物程式碼,並不是由某一個 AI 開發者寫出來的。它是橫跨無數次對話、無數個不同脈絡累積出來的成果。它就像是由「上百位搖滾明星」各自貢獻一個功能或一個 Bug 修正所拼湊出來的程式碼。
有時候,累積出來的技術債已經多到永遠還不完。
不過,使用 LLM 的方式有很多種,並不一定要讓它變成搖滾明星。你可以主導整體工程方向,引導 LLM 一次只生成一小段程式碼。你可以確保整段程式碼的寫法,是團隊裡所有成員都能輕鬆理解並接著維護的。
當你發現自己迷失了方向,已經搞不懂 LLM 到底在做什麼、為什麼這樣做時,就應該踩一下煞車。慢一點沒有關係,重要的是你生成的程式碼品質是好的。避免過度設計也沒有關係,要不斷地把架構簡化、再簡化,直到架構的複雜度剛好對應到問題本身的複雜度。
有時候,把 LLM 收進工具箱,偶爾自己動手寫寫程式,也是可以的。工藝精神(Craftsmanship)永遠掌握在我們手裡——這是機器永遠無法外包給別人的事。
網友熱門留言 (4)