KeyFrame內部研究專用

Why I still read code ... but only parts of it.

Maximilian Schwarzmüller16 min英文
觀看原始影片

三句話摘要

AI 時代軟體工程師應否繼續閱讀代碼,以及如何在寫代碼比例下降的同時,重新定義對代碼的「關心」。 「是否還要讀代碼」無絕對答案,需根據產業風險、專案規模、個人信任程度在「完全自動化」與「人工審查」之間找到平衡點。 閱讀與關心是獨立維度 — 講者將代碼工作拆為「讀」與「關心」兩軸,產生四種模式:都讀、都不讀、只讀不關心、只關心不讀。這改變了「應否讀代碼」的簡單二元問題,引入了更細緻的思考框架。

重點整理

  1. 閱讀與關心是獨立維度 — 講者將代碼工作拆為「讀」與「關心」兩軸,產生四種模式:都讀、都不讀、只讀不關心、只關心不讀。這改變了「應否讀代碼」的簡單二元問題,引入了更細緻的思考框架。

  2. 「不讀但關心」的新工作模式 — 這種方式透過充分信任 AI 進行代碼審查、頻繁的代碼庫審計和自動化掃描,並投入更多時間在規劃和規範上,而非逐行審視代碼。關鍵是整體設計和架構正確,而非單行程式碼的完美。

  3. 重新排序「關心」的維度 — 代碼風格與可讀性在不讀代碼時變得次要,因 AI 通常能理解;但安全性、可靠性、性能與系統架構仍須高度關心,特別在生產環境或金融、醫療、國防等關鍵領域。

  4. 講者的折中實踐 — 採選擇性閱讀策略,聚焦關鍵模組、AI 容易出錯的區塊,快速掃過非關鍵部分。體現出無絕對對錯,應按專案風險、信任程度與業界要求動態調整。

實用技巧與重點

  • 講者過去 6-8 個月內寫代碼比例從接近 100% 下降
  • 工具:Claude Code、Claude Fable 5、Codex 等 AI 助手用於代碼生成與審查
  • 四種模式組合:既讀且關心、既不讀也不關心、只讀不關心、只關心不讀
  • 「Vibe Coding」定義:既不閱讀也不關心代碼
  • 代碼關心維度排序:代碼風格(低優先級)→ 可讀性(低優先級)→ 安全性(高)→ 可靠性(高)→ 性能(高)→ 系統架構(高)
  • 風險差異:獨立開發者零用戶 vs. 金融/醫療/國防領域大規模應用,後者代碼錯誤後果嚴重,需謹慎

結論

「是否還要讀代碼」無絕對答案,需根據產業風險、專案規模、個人信任程度在「完全自動化」與「人工審查」之間找到平衡點。

完整解析

在 AI 能力持續進化的時代,一個引發技術社群熱議的問題浮現:軟體工程師是否還需要讀代碼?講者認為這個問題之前,應該先問另一個更基礎的問題——你還在寫代碼嗎?

過去 6 到 8 個月,隨著 AI 模型在指令遵循上的進步,以及 Claude Code 等工具的成熟,許多開發者(包括講者自己)寫代碼的比例大幅下降。講者估計自己已從幾乎 100% 寫代碼下降至遠低於此的比例。這雖提高了開發速度,但也帶來了一個難以預期的代價——手工編寫代碼帶來的工藝快樂逐漸消逝。

講者提出了一個關鍵洞察:不應將「閱讀代碼」和「關心代碼」視為一個問題,而是兩個獨立的維度。這樣便產生了四種組合。第一種是「既不讀也不關心」,講者稱為「Vibe Coding」——只要產品能運作,若出現問題就讓 AI 修復,對代碼本身不感興趣。第二種是「只讀不關心」,可能是被迫做代碼分析工作卻缺乏內在動力。第三種是「只關心不讀」——這看似矛盾,卻是可能的。

這第三種模式依賴一套不同的工作流:使用 AI 進行所有代碼審查、定期對整個代碼庫進行自動化掃描和審計,同時投入大量精力於規劃和規範的撰寫。在這種模式下,開發者不關注單行代碼的品質,而是確保整體系統設計、架構決策、安全性與可靠性指標符合預期。這要求開發者完全信任 AI 的代碼生成與審查能力。

講者本人採取了「既讀且關心」但居中的位置。他並非閱讀 100% 的代碼,而是運用工程師的直覺,先識別哪些是系統中的關鍵模組,深入分析這些部分;其次針對 AI 已知容易出錯的區域(如過度防御性的錯誤處理、冗餘的檢查邏輯),花時間仔細檢視;最後才對不那麼重要的部分快速瀏覽。

講者強調,代碼「關心」的不同維度應按優先級排序。代碼風格與可讀性在不閱讀代碼的時代變得相對不重要,因為 AI 通常能解析並理解任何風格的代碼。然而,安全性、可靠性、性能表現與系統架構卻始終至關重要。這種優先級的重新調整在涉及大規模用戶、金融交易、醫療健康或國防應用的場景中尤為明顯——任何代碼缺陷都可能釀成災難性後果。相比之下,個人項目或零用戶的應用可能不需要這般謹慎。

總的趨勢是開發者正逐步減少代碼閱讀,就如同減少代碼編寫一樣。但講者坦言,目前他對 AI 完全替代人工審查仍持保留態度。雖然他不排除未來態度可能改變(就像寫代碼習慣的改變一樣),但在可預見的未來,他仍傾向於維持「讀且關心」的工程師身份。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。