AI大量編程損質素埋隱患（郝本尼）
原文刊於信報財經新聞「CEO AI⎹ EJ Tech——智情筆報」
近來「氛圍編程」（Vibe Coding）逐漸成為主流，不少開發者利用它迅速產出程式模組，但也削弱了設計過程的深度思考。當撰寫新的程式碼愈來愈容易，項目必然朝不斷加插代碼、堆疊邏輯及增加檔案的方向發展，最終導致整體大小膨脹及複雜度上升。
程式碼庫膨脹直接影響工程品質，它會增加測試與除錯的難度，也埋下更大的漏洞風險。用戶體驗亦會受到影響，因為安裝包的下載時間變長、數據用量上升，程式執行效能下降、佔用更多記憶體與儲存空間，長遠還會增加耗電，形成資源浪費。
人工智能（AI）程式編輯器Cursor行政總裁特魯爾（Michael Truell）曾警告說：「如果你閉眼不看程式碼，讓AI在搖晃的地基上替你把東西建起來……那麼當你一層又一層地疊加上去，整個東西就會開始崩解。」
上述趨勢已獲實證數據支持。美國開發者分析公司GitClear研究了2020年至2024年間逾2億行程式碼，發現「複製貼上」佔比從8.3%上升到12.3%，做法都切合「氛圍編程」採納AI建議的工作方式。
正是在同一時期，GitClear發現內容重複的代碼區塊，大幅增加8倍之多。按照一般編程習慣，重複邏輯應該要改為函式（Function）或模組（Module），方便其他地方呼叫使用，但因AI模型或用戶指令欠缺「大局觀」，它們往往在需要時直接重寫一次完事。
GitClear認為情況令人擔憂，反映AI工具正在削弱程式碼的可維護性。這種情況亦跟科企過度重視量化評估不無關係，因為開發者生產力經常根據更新次數、代碼行數一類指標計算，使得工程師們樂於選擇這種「衝數字」的做法。
企業宜着重效能及維護
其實早於AI普及以前，代碼膨脹問題已在大型項目屢見不鮮。與此相對，過去小型與獨立開發者推崇「短小精悍」，用小型產品主攻單一價值點，避免大而臃腫。不過，「氛圍編程」大幅降低開發單一核心功能門檻，還重新點燃了持續增加新功能的「功能蔓延」（Feature Creep）惡習。尤其最近業界積極推動AI代理間互通，隨手便添加大型外掛或套件，進一步加劇程式碼庫膨脹。
面對AI編程快速崛起，企業要更警惕上述技術負債累積。應用程式不可能無限制愈做愈大，而在初期開發之外，後續維護管理同樣重要。開發者對每次迭代都須預留工夫作整理，企業績效評估則可以考慮轉用工程交付效能、長期維護成本等指標，才能確保產品快而不亂。
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
Related Posts
