·tian
AI 代码反馈循环：今日生成的代码如何训练明日的模型
随着AI生成的代码涌入生产代码库，它正在成为下一代模型的训练数据。这一反馈循环已经可以量化——而其失效模式足够隐蔽，以至于可能在不被察觉的情况下悄然到来。
ai-engineering
llm
code-quality
training-data
+1·tian
复制粘贴传染病：AI 辅助开发如何传播架构反模式
AI 编程工具生成的代码局部连贯但全局不一致。当开发者接受建议并进行复制粘贴时，架构反模式正以机器速度传播，且缺乏代码所有权的问责机制。
ai-engineering
software-architecture
code-quality
technical-debt
·tian
“LLM 即编译器” 是一个你的代码库无法承受的隐喻
将 LLM 视为编译器正悄无声息地取消了那些让 AI 生成的代码库在渡过 “六个月之墙” 后仍能保持可维护性的纪律 —— 包括代码审查、重构和架构决策。
ai-engineering
ai-assisted-development
technical-debt
code-quality
+1·tian
规模化 Vibe 编程：当 AI 编写大部分代码库时如何管理技术债务
AI 生成的代码表面上合理，但隐藏着系统性缺陷，在第 12-18 个月会演变成危机级别的技术债务。以下是真正能预防这一问题的工程实践。
ai-engineering
technical-debt
code-quality
vibe-coding
·tian
Vibe Coding 的生产力瓶颈：为何 AI 带来的速度提升在三个月后开始回落
93% 的开发者在使用 AI 编程助手，但生产力的提升却停留在 10% 左右。本文探讨了这种复合失效模式——它如何将早期的速度优势转化为长期的拖累——以及预防这一现象的实践方法。
ai-engineering
productivity
technical-debt
code-quality
+1·tian
AI 生成代码的维护陷阱：团队在六个月后才发现的真相
采用编程智能体的团队在第一到三个月会看到显著的效率提升。到第十二个月，许多团队发现自己在不理解自身系统的情况下已无法交付功能。这就是失败的规律——以及如何避免它。
insider
ai
technical-debt
code-quality
+2·tian
AI委托悖论：你无法评估自己不会做的工作
将编码工作委托给AI的工程师，恰恰失去了验证AI输出所需的技能。研究表明，使用AI工具的开发者实际上慢了19%，却认为自己快了20%——39个百分点的认知差距驱动着代码质量持续下降的危险反馈循环。
insider
ai-engineering
code-quality
software-engineering
+1·tian
AI 可读代码库：为什么你的代码的机器可读性现在至关重要
代码库结构是 AI 辅助开发速度的最大杠杆。了解帮助 LLM 驱动的代理在第一次尝试时就能正确导航和修改代码的重构模式、文件组织策略和上下文工程技术。
ai-engineering
developer-productivity
code-quality
refactoring