2026年11月16日 星期一

[AI 深思] AI 程式碼生成越快,軟體越容易維護嗎?

[AI 深思] AI 程式碼生成越快,軟體越容易維護嗎?

摘要:AI 能加快程式碼生成,卻無法取代架構判斷、有效測試與審查;長期維護成本取決於團隊流程。



內容:


一篇在 Hacker News 引發六百多則評論的文章,提出了 AI 程式設計的關鍵問題:程式碼越容易生成,誰來確保系統仍能持續演進?文章作者曾在 Meta 工作。他表示,離職前幾個月,自己至少九成的程式碼由 AI 生成;進入另一家大型科技公司後,比例更達到百分之百。然而,他並未因此得到兩倍或十倍的程式碼產出,反而注意到一些經驗豐富的工程師開始提交「能執行,卻可能難以長期維護」的程式碼,讓程式碼庫逐漸變得脆弱。


軟體能成功執行一次,不代表它容易修改。以訂單系統為例,今天支援普通訂單,下個月加入優惠券,之後再接入訂閱支付,每次需求變動都可能碰到原有邏輯。設計清晰的系統能將改動限制在相對明確的邊界;脆弱的系統則可能因為新增一種付款方式,就得修改十幾個檔案,甚至刪掉一段看似多餘的邏輯,便影響仍在使用舊流程的客戶。這類問題在功能首次上線時未必會暴露,往往要等需求持續疊加,團隊才發現每次修改都比上一次困難。


作者舉過一個小例子:一位能力很強的同事為了實現滑鼠懸停樣式,使用 JavaScript 事件監聽控制介面;但在那個簡單場景中,CSS 的 hover 選擇器通常已經足夠。JavaScript 寫法不一定有錯,也能做出要求的效果,卻額外引入事件處理、狀態維護與清理工作。複雜互動當然可能需要 JavaScript;這個例子要說明的是,Agent 能完成任務,卻不一定會選擇最符合現有系統、維護成本最低的方式。


測試也有類似問題。AI 可以快速替簡單的 getter、setter 寫出大量測試,讓測試數量與覆蓋率看起來很漂亮,但真正高風險的情境仍可能沒有被檢查:付款成功後,確認結果因網路中斷而未返回,使用者再次點擊會不會重複付款?兩個請求同時修改資料時,是否會發生競態條件?尤其當 Agent 同時撰寫實作與測試,兩者可能共享同一個錯誤理解,於是測試全部通過,業務規則卻仍然錯誤。


因此,驗證依據不能只來自實作程式碼本身。以優惠金額為例,團隊可以獨立訂出「優惠不得小於零,也不得超過應付金額」等業務性質,檢查邊界與異常情境;必要時再使用變異測試,故意改動關鍵計算邏輯,確認測試是否真能抓出錯誤。測試的價值不只是顯示綠燈,而是它發現錯誤的能力。


抽象設計同樣需要判斷。AI 可能為了遵守避免重複的原則,把只是暫時相似的功能硬合併,或將簡單功能拆成過多的輔助函式與層次;反過來,也可能對明確需要支援數十種告警的專案,只寫出數百行針對第一種告警的專用程式碼。該提前考慮哪些變化、哪些應等需求明確再處理,沒有永遠正確的答案。


Agent 可以搜尋倉庫、閱讀檔案並反覆檢查,卻未必掌握系統設計背後的歷史。兩個模組沒有共用介面,可能是因為曾發生效能事故;一段看似奇怪的相容邏輯,可能仍服務尚未遷移的老客戶。若這些背景沒有記錄在程式碼或可讀取的文件中,Agent 很容易根據眼前資訊做出不合適的修改。人類工程師也會犯錯,但長期參與專案的人,至少有機會從實作、除錯與事故經驗中累積這類隱含知識。


當團隊越來越依賴 Agent 產生程式碼,另一個風險是系統持續增長,卻越來越少有人能解釋它為何如此運作。原本每天只有幾個需要審查的 pull request,導入多個 Agent 後可能增至數十個;生成改動的時間縮短了,閱讀、驗證、討論設計與整合的工作卻沒有消失。團隊若無法提高審查能力,就可能讓改動排隊,或縮短每次審查的時間,將問題延後到正式環境才發現。


研究結果呈現的也不是單一結論。Needle in a Repo 測試了 23 種模型與 Agent 配置;在報告統計的 483 個結果中,有 64 個通過全部功能測試,卻未通過結構檢查,約占 13.3%。這項診斷基準不能直接推算生產環境的缺陷率,但提醒我們:功能正確,不等於依賴關係、職責拆分與可維護性也正確。


另一項研究分析逾 6,200 個 GitHub 倉庫與逾 30 萬次經辨識的 AI 程式碼提交,透過靜態分析識別出約 48 萬個問題,其中多數屬於程式碼異味。在持續追蹤的問題中,24.2% 到觀察結束時仍存在。程式碼異味不等於線上故障,但若新增問題的速度長期高於修復與整理的速度,技術債就可能累積。


不過,也不能據此認定 AI 程式碼必然比較差。一項發表於 Empirical Software Engineering 的兩階段研究發現,使用 AI 的開發者在第一階段新增 Java 功能時,任務完成時間中位數縮短了 30.7%;第二階段由另一批開發者在沒有 AI 的情況下繼續修改程式碼,研究未發現兩組在後續修改耗時或品質上存在統計顯著差異。這項結果有任務規模與實驗情境的限制,但說明開發流程、任務類型、經驗與驗證方式,都會影響最終品質。


Hacker News 的討論也指出,技術債、過度抽象、測試不足、難以理解的舊程式碼,以及趕進度時跳過審查,都是 AI 出現前就存在的問題。AI 可能放大並加速這些問題,也可能在良好的流程中幫助團隊改善品質。Google 的 DORA 研究亦指出,較高的 AI 使用程度與較高的交付吞吐量相關,同時也與較高的交付不穩定性相關。AI 更像放大器:清晰的架構、可靠的測試與穩定的交付流程會受益;混亂的邊界與不足的驗證,也可能更快累積後果。


因此,團隊使用 Coding Agent 時,值得優先做好五件事:修改前明確需求邊界及必須維持的系統行為;將模組職責、依賴方向與架構約束記錄在倉庫中;要求最小必要改動,並解釋新增抽象或跨模組修改的理由;在持續整合中結合功能測試、異常情境、靜態檢查與必要的變異測試;最後,依改動風險安排審查強度,對支付、權限、資料遷移及核心狀態管理採取更嚴格的驗證。


AI 已能分擔大量重複實作、程式碼遷移、測試輔助與問題定位工作,沒有必要因擔心技術債就完全放棄它。但生成程式碼的成本降低,不代表判斷業務需求、維持架構邊界與處理未來故障的成本也會消失。未來衡量開發效率,不能只看一天產生多少程式碼、合併多少 PR;更重要的是幾個月後,團隊是否仍能以合理成本理解、修改並維護這套系統。

沒有留言:

張貼留言