效率的幻觉：为什么 AI 的“最后一公里”代价巨大

当你读到关于 AI 代码的 80/20 法则时，你会点头表示赞同。

AI 在几秒钟内就能写出你 80% 的代码。看起来像是进步，感觉像是提速。

这是一个陷阱。

最后 20% 的工作需要花费你 80% 的时间。这就是项目夭折的地方，也是开发者崩溃的地方。

AI 基于概率工作。它预测下一个最可能的单词或代码行。它不理解逻辑。它不理解你特定的系统架构。它创造了一个仅在完美条件下才能运行的“理想路径”（happy path）。

当你走出理想路径时，就会撞墙。

我称之为“验证债”（Verification Debt）。

技术债源于权宜之计。验证债则源于缺乏理解。

当你亲手编写代码时，你会构建一个心理地图。你知道每一行代码存在的意义。而当 AI 编写代码时，你得到的是一个并非由你构建的成品。你并不拥有逻辑，你只拥有结果。

如果你不理解代码，你就无法调试它。你会花费数小时去修复 AI 在一秒钟内犯下的错误。

生成的速度创造了一种“已完成”的幻觉。你以为快要大功告成了。接着，边缘情况（edge cases）接踵而至。集成失败。安全漏洞显现。

最后 20% 不仅仅是“收尾工作”。它是质量的核心。它是测试、调试和边缘情况处理。

如何解决这个问题？

不要把 AI 的输出视为最终产品。要将其视为不可信的数据。

  • 先写测试。在生成逻辑之前，永远不要先生成测试。在 AI 发言之前，先定义失败是什么样子的。
  • 分段验证。不要等到整个系统集成后再去寻找错误。隔离测试每一个小的代码块。
  • 弃用而非修补。如果一个 AI 函数未能通过测试，不要试图逐行修复它。直接删除它，然后尝试不同的提示词（prompt）。修补 AI 的错误往往会产生更多的错误。

80/20 法则是一个警告。AI 提高了你的速度，但也增加了你验证的责任。

如果你把所有时间都花在修复 AI 的错误上，你并没有获得效率。你只是用一种工作换成了另一种工作。

“最后一公里”是你证明代码确实有效的地方。也是你证明自己没有被一个看起来完美的谎言所蒙蔽的地方。

Source: https://dev.to/amrree/the-illusion-of-efficiency-why-ais-last-mile-costs-everything-a7g

Optional learning community: https://t.me/GyaanSetuAi