者按】AI 工具的广泛应用，使得人们普遍认为 AI 将减轻技术债务的影响，因为它简化了代码编写和清理的过程——但本文作者认为，真实情况完全相反：实际上，生成式 AI 显著拉大了高质量代码与遗留代码之间在开发速度上的差距股票配资世界，导致如今股票配资世界清理旧代码的代价比以前还大。

作者 | Evan Doyle 翻译 | 郑丽媛

最近有一种新兴的观点认为，AI 会让技术债务变得不那么重要。既然编写代码变得越来越容易，清理代码也变得更加简单，那么对于普通公司来说，是否意味着就可以承受更多的技术债务了？

事实恰恰相反：其实 AI 显著增加了承担技术债务的实际成本。关键影响在于，生成式 AI（GenAI）极大地拉开了“低债务”编码和“高债务”编码之间的速度差距。拥有相对年轻、高质量代码库的公司从生成式 AI 工具中获益最多，而那些拥有复杂、遗留代码库的公司则难以采用这些工具。

换句话说，现在拥有“高债务”代码库的代价现在比以往任何时候都要大。

生成式 AI 难以应对高复杂性

如果你尝试过像 Cursor 或 Aider 这样的专业编程工具，就会知道它们的表现高度依赖于你正在处理的代码的复杂性。当应用现有模式或利用现有接口和模块关系时，它们可以大幅加速开发进程。然而，在“高债务”的环境中，代码存在微妙的控制流程、长距离依赖和意外的模式，此时 AI 工具往往难以生成有用的响应。

复杂的代码库不仅让模型难以生成连贯的响应，也让开发人员难以提出清晰的请求。

这种体验导致大多数开发人员选择“观望”：等待工具改进，直到它们能够处理软件中的“生产级”复杂性。尽管生成式 AI 在某些方面（如多模态、速度更快、体积更小、成本更低）取得了显著进步，但这一障碍一直难以突破，o1 的采用率相对较低，多智能体框架也未能显著提升推理能力。

让工具为你工作

与其试图让生成式 AI 工具去解决遗留代码库中的棘手问题，不如由人类专家负责重构遗留代码，直到生成式 AI 能够顺畅操作为止。如果直接重构仍然风险过高，团队可以调整开发策略，例如采用“绞杀者模式”来构建可以直接从生成式 AI 工具中受益的新模块。

这意味着现代开发团队需要转向更高层次的抽象。一个产品应该由一个精简的专家团队负责，他们将主要专注于代码架构而非实现细节。

对 AI 友好的方法

本质上来说，我们的目标应该是尽可能地为 AI 工具“扫清障碍”。有种较为可靠的方法是：花时间将系统分解为内聚且连贯的模块，每个模块通过明确的接口进行交互。

评估一组模块的一个有用经验法则是，用它们来解释你的核心功能和数据流，并用自然语言描述。你应该能够简洁地描述当前和计划中的功能，你还可以设置可见性和强制措施，以推动架构向期望的方向发展。

现代开发团队应该致力于维护和发展一套明确定义的模块系统，使其能够稳健地模拟其领域的需要。日常的功能开发应该在这个基础上进行，并尽可能地利用生成式 AI 工具。

质量才会带来速度

如今，拥有高质量的代码库比以往任何时候都更有价值。投资模块化架构可以让团队充分利用生成式 AI 工具，实现快速的功能开发，同时构建更高质量的软件。

• 股票配资世界