标签
文章认为，随着AI使代码生成变得更便宜，软件工程的价值从编写代码转向定义、监督、验证并拥有最终系统，这有利于积极采用AI工具的工程师，同时提高了验证标准。
Florian Herrengt 的一句引言，关于 AI 生成的代码如何导致项目复杂混乱，无人理解系统，突显软件工程中的风险。
Linus Ekenstam讨论了AI编写Google 75%的新代码与仅10%的实测开发速度提升之间的差距，以及Sonar如何致力于弥合这一差距。
对 630 多个 vibe-coded 站点的安全扫描揭示了常见漏洞，如缺少 CSP、不安全的 Cookie 和暴露的 API 密钥，凸显了 AI 生成代码的风险。
Twitter用户 @corbin_braun 声称 Fable 5 为他的隐身软件生成了120万行代码，这表明AI驱动的编程取得了重大进展。
一项大规模实证研究，分析了生产环境中352万次C++代码变更，比较AI生成代码与人工编写代码的质量，发现AI代码具有更高的耦合度和计算开销，但有针对性的反馈可以缓解这些问题。
v0 现在可以通过浏览页面和框架，然后将屏幕构建为一个应用，将整个 Figma 文件转换为一个可工作的应用。
一篇文章认为，AI工具消除了编写原生iOS代码的难度，从而移除了软件中最后一道主要护城河，使得移动应用开发在因偏重Web应用而被忽视后重新变得开放。
Palmer Luckey 预测，AI生成的代码将出人意料地高度优化，类似于 John Carmack 风格的机器码，这反驳了对效率低下的担忧。
本文介绍了生成式编译，一种在AI生成代码过程中获取部分程序编译器反馈的方法，利用“sealor”变换使得标准编译器能够诊断不完整的代码。在Rust编码任务上的评估表明，该方法通过及早捕获错误，减少了无法编译的输出并提高了功能正确性。
据报道，Linus Torvalds 正在使用AI为新项目编写Python可视化工具，这标志着传统软件工程实践可能面临转变。
Jerry Liu的一条推文强调了运行幻觉代码的危险做法，提到一种通过将代码转换为图像进行OCR处理来降低Fable成本的技术。
Gergely Orosz认为，经验丰富的软件工程师之所以仍然有价值，是因为他们能区分好代码与坏代码，而人工智能代码生成器仍无法可靠地做到这一点。
Fable 5模型根据一句话描述生成644行单文件HTML，实现逼真的美国国旗飘动效果，包括褶皱、光影和抖动节奏，一次成型无需修改，展现了AI在复杂代码生成上的能力。
Fable 5 与 Composer 2.5 Fast 集成，以增强 AI 代码生成能力。
本文探讨了AI代码生成在局部代码块方面表现出色，但在全局程序理解方面存在困难，导致过多的防御性检查。它考察了编程语言设计是否能有所帮助，并通过一个局部推理保证全局属性的例子进行说明。
作者认为，不受监控的AI代码生成（'Vibe Coding'）会产生复利式技术债务，并提出了“AI赋能开发者宣言”，倡导宏观层面的架构控制。
Charlie Marsh 与 Ryan Peterman 讨论 AI 写代码对软件工程的影响，认为 PR 审查成本不变而生成成本为零，并分享构建 Ruff 的经验，强调快速迭代、真诚营销和性能基准测试的重要性。