技能成为新的代码检查工具
摘要
作者认为,使用AI技能来自动化代码质量检查,会重现代码检查工具最初旨在解决的内存与可靠性问题,从而质疑基于大语言模型的技能作为替代方案的有效性。
我在一次AI交流会上听到这个观点,惊讶于大家似乎都表示同意。说说我的个人背景:我做自动化很多年了,也开发了一些帮助其他开发者实现自动化的工具。我这么做不是因为我热爱自动化,而是因为我从不依赖自己的记忆力。有些事情还没有形成肌肉记忆就模糊了,另一些事情则非常反直觉,我总得反复查阅文档,还有其他不少原因。代码检查工具(更广义地说,所有可能的自动化检查)就是用来减轻记忆负担的工具之一:不需要记住我们约定好的规则。更有帮助的是把所有检查都迁移到CI(持续集成)中,这样你就不必记得要在本地运行,也不用要求其他人也这么做。并且每个人都可以查看CI日志,了解为什么某处检查没通过。这个方法一直运行良好,直到人们开始使用技能来代替它。有趣的是,大语言模型会重现我们最初试图用代码检查工具来解决的那些记忆问题。大语言模型可能会忘记规则,因为记忆会被更新的上下文覆盖。它的注意力会偏移,在需要的时候不会应用技能。当然,也没有可供审查和改进的日志。所以我的问题是:你们当中有多少人通过AI技能来自动化代码质量检查(格式化、代码检查工具、自动化测试、安全检测等)?我在这里忽略了什么吗?
相似文章
COLLEAGUE.SKILL:通过专家知识蒸馏实现自动化AI技能生成
本文介绍COLLEAGUE.SKILL,一个开源系统,能够从异构轨迹中自动提炼基于人的AI技能,形成可检查、可纠正、可移植的技能包,使LLM代理能够携带有限的人类专业知识和交互风格表征。
LLMs 与表演式生产力
一位开发者反思使用 AI 代理的经历,并质疑表面上的生产力提升是真实的还是仅仅是表演性的,指出虽然任务完成得更快,但深层理解和真正价值可能会丢失。
AI编程工具是在让开发者变得更好,还是仅仅加速了糟糕的判断?
一篇观点文章探讨了像Claude Code和Copilot这样的AI编程工具是否真正提升了开发者的技能,还是仅仅加速了有缺陷的决策,并强调了需要新的指标来评估工程中的人机协作。
AI正在让我变笨
作者反思了在写作和编程中依赖AI工具如何削弱了自己的能力,导致自我怀疑,并决定重新训练。
不要把学习外包出去
一篇文章指出,过度依赖AI编程助手而不主动学习会逐渐削弱技能,引用了Anthropic、MIT和CHI 2026的研究。