🔥 HN 热议

AI工具很强,为什么错误清单还没有清空?

约2分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
待处理错误清单

还没有修好的软件错误列表。

功能请求

希望产品增加或改变内容的要求。

关注度

有多少人注意到一篇帖子。

发生了什么

Hacker News(技术新闻讨论网站)上出现了一篇 Ask HN 帖子。标题提出一个问题:如果人工智能工具真的很强,为什么软件错误的待处理清单还没有清空?发帖人 ex-aws-dude 从一个常见说法出发:人工智能会不会取代程序员?如果这种替代已经发生,团队应该快没有事情可做。错误应该已经修完,产品负责人提出的功能要求也应该已经完成,最后只剩业务方面的决定成为瓶颈。

但发帖人说,自己的公司并不是这样。他与业内开发者交流后,也没有看到大多数人已经追上所有工作。这里要先分清:这是一名发帖人的问题和观察,不是一份行业调查。

这个问题的背景

待处理错误清单,就是还没有修好的软件错误列表。功能请求,就是人们希望产品增加或改变的内容。发帖人把这两类未完成工作,当成检验人工智能替代程序员说法的线索。

他的推理是有条件的。如果人工智能能取代大量编程工作,错误和功能要求应该明显减少。等这些工作完成后,业务决定才会成为主要限制。帖子没有说这条链条已经发生,而是在问:为什么自己的经历没有显示出这种结果?

为什么值得看

人工智能的讨论常看它能生成多少代码。这个帖子改看生成之后还剩多少工作。这样,替代程序员的宽泛说法,就变成了可以检查的结果。

帖子也把修错误和决定做什么放在同一幅图里。工具就算能加快执行,也不代表它已经替人决定产品优先顺序。至于业务是否真的成了普遍瓶颈,帖子没有提供证据。

可以确认的事实

可以确认的是,发帖人用自己的公司和身边开发者的情况提出疑问。他设定了一个条件:如果人工智能取代程序员,待办清单应该接近空白。Hacker News 上记录了32个积分和51条评论,说明社区注意到了这篇帖子。但这些数字只表示关注度,不证明发帖人的判断正确,也不证明某个答案正确。查看 Hacker News 原帖

还不知道什么

帖子没有说明公司、产品大小、团队人数、人工智能工具、清单数量或比较时间。我们不知道错误清单是在变长、变短,还是一直保持相近。也不能从一篇个人帖子推出人工智能在其他地方没有减少工作。发帖人提到的业内交流,也不是公开的抽样调查。

接下来观察什么

更好的后续比较,应记录使用人工智能前后的工作变化。错误和功能请求要分开统计,还要写清优先级和时间范围。若能看到多家公司、较长时期的记录,才更适合把个人观察和行业趋势放在一起讨论。

这篇帖子的价值,不是替人工智能下结论。它追问的是:如果替代真的发生,什么清单应该先变空?这个问题让一个宽泛的说法,变成了可以继续查证的观察点。

💬 用了 AI,为什么 Bug 待办仍不一定会清空?

答案是:有时可以,但不会自动发生。有用户自述 AI 很快清掉了简单 Bug;不过,需求含糊、代码审查、测试、根因判断,以及 AI 新增的 Bug,都会让待办不一定归零。

  • 确实有人自述 Bug 待办已经清空,并取得很好的指标。一位用户自述,在一个约150万行、运行了7年的业务系统中,功能开发速度达到原来的5倍,缺陷率和缺陷进入生产环境所需的时间也处于这段时间的最好水平。另一位用户自述每天净增加50到200行生产代码,同时生成约10倍数量的测试框架代码。这些都是个人案例,不能证明所有项目都会如此。
  • 个人项目可能进展很快,但团队项目中的代码审查可能成为速度上限;跳过审查可能造成宕机。游戏还需要真实试玩来判断是否好玩。一位用户自述,能把两小时试玩得到的记录,在约15分钟内做成新版本。这同样是个人经验。
  • 一位用户的经验是,AI 代理经常只是用代码遮住报告中的表面症状,而没有解决根因,也很少主动选择能消除一整类相似问题、同时保持代码易维护的方案。
  • 有些 Bug 报告其实没有完成产品决策。例如,菜谱目录允许同一道菜添加两次时,团队仍要先决定是合并、拒绝第二次添加,还是允许不同版本;规则没定下来,AI 就无法知道哪种修复才是正确的。
  • 困难案例仍然会形成瓶颈。评论中提到过罕见且无法稳定重现的 C++ 崩溃,也提到人们需要理解并审查 AI 的修改,以及提供上下文、测试和操作 AI 所花的时间;可用输入量的限制也会影响速度。
  • 另一种观点是,AI 会放大产出:更多代码、功能和项目,也可能带来更多 Bug 和更多需要验证的内容。即使 AI 工具完美无误,需求表达不准确仍会产生 Bug。
  • Bug 待办为空,不一定证明 Bug 真的为零。可能是测试或监控不足、问题尚未被发现,也可能是产品行为与客户期待不一致,而不是一个已经明确的技术错误。
  • 即使 Bug 减少,新功能、客户要求、竞争压力、技术债务和进入新领域,也会形成新的待办。因此,Bug 待办和全部工作待办不是一回事。

这是评论数为51时的初期(修订1)。获取55条,并从整体抽取55条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

AI很能干,错误清单为什么还在?

📰 完整报道: AI工具很强,为什么错误清单还没有清空?

Hacker News是一个讨论技术新闻的网站。这里有一篇帖子提出了这个问题。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
错误清单

还没有修好的程序错误列表。

功能请求

希望产品增加的东西。

💡 一句话总结

  • 如果人工智能很强,未完成工作应该减少。
  • 发帖人说,自己的公司仍有许多工作。
  • 帖子很受关注,但关注不等于正确。

帖子在问什么

发帖人问:如果人工智能会代替程序员,为什么错误清单还没有空?错误清单里,放着还没修好的程序错误。功能请求,是人们希望产品增加的东西。

发帖人认为,人工智能如果真的能代替很多编程工作,错误和功能请求都会变少。清单变短,说明还有更少的事情要做。最后,公司的决定可能会成为主要的等待原因。

能看到什么

发帖人说,自己的公司没有追上所有工作。他还说,和他交流的许多开发者也不是这样。这只是发帖人的观察。它不是调查全国或全行业的数据。

这篇帖子在Hacker News上有32个积分和51条评论。这说明它得到了注意。它不说明发帖人的判断一定正确。它也不说明人工智能没有用。

还缺什么

我们不知道公司用了什么人工智能。我们不知道清单有多长。我们也不知道比较了多久。所以,不能只靠这篇帖子判断人工智能的全部效果。

接下来怎么查

可以比较使用人工智能前后的错误数量。还要把错误和功能请求分开。再看它们用了多长时间才完成。这样,大家才能知道工作是否真的变少。

这篇帖子最重要的地方,是把大问题变成了可检查的问题。不要只看人工智能写得快不快。还要看没有做完的工作少没少。

来源:Hacker News 原帖

💬 为什么用了 AI,Bug 还是不会全部消失?

AI 能很快修好一些简单 Bug,但人仍要做决定、审查和测试。

  • 有用户自述 Bug 列表清空了,开发速度也大幅提高。但这些数字只代表他们自己的项目。
  • 团队仍需要人来审查代码,游戏也需要人实际试玩。
  • AI 有时只修复表面症状,没有解决真正原因。大项目里的罕见 Bug 仍可能很难处理。
  • 有些 Bug 其实是规则没有决定好。人要先决定产品应该怎么做,AI 才能正确实现。
  • AI 会增加代码和功能,所以也可能增加新的 Bug 和检查工作。
  • 即使 Bug 列表为空,新功能、客户要求和其他工作仍然可能很多。

这是评论数为51时的初期(修订1)。获取55条,并从整体抽取55条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

人工智能帮忙后,为什么还有事情没做完?

📰 完整报道: AI工具很强,为什么错误清单还没有清空?

人工智能像会帮忙的电脑。可是,事情不一定全做完。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
待办清单

还没有做完的事情列表。

Hacker News

一个聊技术问题的网站。

Hacker News(聊技术的网站)上有人问了这个问题。

人工智能可以帮人写程序。 程序有时会出错。 错误就是电脑做错了事。 待办清单就是还没做完的事。 发帖人说,清单还没有空。 这表示还有事情要做。

帖子有32个积分和51条评论。 这表示很多人看到了它。 不表示答案一定对。 我们不知道用了什么人工智能。 也不知道还剩多少错误。 以后可以比较使用前后。 这样才能知道事情有没有变少。

来源:Hacker News 原帖

💬 为什么 AI 不能让所有 Bug 都消失?

AI 可以很快修好一些小 Bug,但人还是需要帮忙。

  • 有些人说,AI 帮他们把 Bug 列表清空了。
  • 人要读代码,也要实际使用或试玩,看看它是不是真的正常。
  • 如果大家还没决定产品应该怎么做,AI 可能会选错修法。
  • AI 也会写新的代码,所以新的 Bug 也可能出现。

这是评论数为51时的初期(修订1)。获取55条,并从整体抽取55条总结。内容属于HN用户自述,并非编辑部核实的事实。

来源