AI 编程 Bug 激增背后的真相

AI 编程带来的体验日益提升，甚至超越了部分初级开发者，然而近期发布的大模型在编程辅助上 Bug 频发，究竟为何 Bug 数量不降反升？？？

可能存在以下几种情形：

1、大模型厂商暗中削减了推理算力

大模型企业一方面对外提供服务（供我们使用），另一方面需训练新模型。当前显卡紧缺、内存价格飙升，厂商将部分算力转向训练，导致对外服务资源缩减（我们感知到的就是模型变“笨”了）

2、训练大模型遭遇瓶颈

举例而言，GitHub 上的优质代码均由人类编写，将这些代码输入大模型，模型基于概率生成接近人类风格的代码，因此 AI 编程水平持续攀升。但近期水平下降，原因在于人类借助 AI 编写代码后，仅做简单功能测试便直接提交至 GitHub，缺乏逐行代码审查。长期如此，大量程序员重复此操作，AI 无法获取新知识。从信息熵角度看，这一过程仅导致信息熵减少

3、项目规模急剧扩大

AI 生成代码速度极快，单日可产出数万行代码，如此庞大的代码量直接压垮了 AI 对话的上下文窗口。后续虽引入上下文压缩机制，但压缩必然造成信息丢失，导致 AI 对项目整体理解片面，进而引发更多 Bug

因此，“古方编程”绝非无用。正因上述原因，加之大模型固有的幻觉问题，致使项目代码库日益混乱。如今多家公司因 AI 编程大幅裁减程序员，但不到一年，待到两三年后，这些公司遗留的“代码屎山”将有多严重？谁又能负责维护？谁又能修复 Bug？