Evan X. Merz 现在 100% 的代码都用 AI 生成。不是因为他信这个,是因为他认为这才符合当今的行业标准。
今年 5 月他从 Meta 被裁。他对原因有个猜测:「我怀疑原因之一,是我比一些同事更抗拒把 AI/LLM 当作编码工具。」
他承认在 Meta 最后几个月,至少 90% 的代码是 AI 生成的——「这是拿到体面评级的最低标准」。但他说 AI 并没有让他的产出翻十倍,甚至没翻两倍。
因为他把精力放在了代码质量上。他看到重度依赖 AI 的同事提交的代码是脆的(brittle)。很多细微的问题会变成长期技术债,甚至一些明显的问题也被很好的程序员忽略了。
他举了个例子:团队里最好的程序员之一,试图合并一段用 JavaScript 事件实现鼠标悬停效果的代码,而不是用 :hover 选择器。
这是完全不可扩展的写法。

Merz 的判断是:AI 很擅长解决能塞进它上下文窗口的问题,但对窗口之外那点小小画框里看不到的长期问题,它完全无感。
他列了四种让代码库变脆弱的方式。
一、AI 写的测试很浅
这是最明显的一条。LLM 倾向于写简单的自动化测试,覆盖不到对人真正重要的东西。
常见的现象是:AI 大量生成 get/set 方法的测试——这些方法本身不值得测。当 AI 写端到端测试时,它们往往只覆盖代码库里已经覆盖过的用例。
换句话说,AI 只测一种用户,或者只测表层交互。
这会在测试覆盖上留下巨大的空洞,而开发者看不见,因为行覆盖率这个指标根本测不出来。
二、AI 写的代码过度复杂
AI 倾向于把代码写复杂。本来一个辅助方法就够了,它经常写两三个。
它会努力遵守编码规范——比如 DRY——但遵守到过分的程度,意识不到这种死板带来的额外复杂度,反而让人类开发者更难调试和理解。
三、越依赖 AI,人越看不懂代码
这是第三个问题,也是更麻烦的一个:人看不懂自己的代码库了。
公司越长时间依赖 AI agent 生成代码,理解这个代码库的开发者就越少。这意味着开发者做不到「构建一个健壮代码库」所需要的事——他们不再足够理解数据结构和算法,看不出某个 PR 里引入的新抽象跟既有的结构根本不兼容。
四、AI 太快,快到守不住质量线
每个 PR 来得比上一个更快,留给人 review 的时间更短。
结果是开发者开始扫读代码,漏掉关键细节,这些都变成长期技术债。测试缺口、变量命名糟糕这类小问题不断累积,直到代码库变成一堆意大利面。
四个征兆:你的代码库可能已经变脆弱了
Merz 还给了一份自查清单。
一、事故变多了吗?
刚切到 agentic coding 的时候,一切看起来跟传统开发没什么不同。PR 提了、合了,好像都还行。
然后月底来了一个 P0。第二个月两个 SEV。再下个月更多。一两年之后,感觉每个周末都有事故。
二、事故恢复变慢了吗?
不只是事故更多,处理也更慢。
因为团队里的开发者对代码库的理解更浅了。如果 AI agent 找不到客户遇到的问题,人就得钻进一个高度复杂、测试稀薄的代码库——相当于进入陌生地带。
三、出现了只有用户才能看见的错误了吗?
人不花时间在代码里,就看不到所有的使用场景。他们不理解真实的人是怎么用这个产品的,因为他们没确保 AI 正确埋点、正确捕获异常。
于是代码里开始出现看不见的错误:没被捕获,只有真实用户能看到,自动化测试和开发者的手工测试都碰不到。
四、用户体验变差了吗?
这是最终的问题:AI 代码库不是为人做的。
Merz 的说法是:「AI 代码库是 AI 为 AI 做的软件。」它不贴合人类用户使用产品的方式,也不贴合人类开发者维护产品的方式。两端的体验一起劣化,形成「enshittification」(恶化)的恶性循环。
Merz 认为,让产品满足人类客户,必须有人类的视角参与。他用两个日常例子类比:没人喜欢在餐厅从机器上点餐;网购衣服的合身程度永远不如线下试穿。
每次你把 SaaS 产品交到机器手里,你都在丢掉对人类用户和开发者都有价值的那个「人的触感」。
他也留了余地:这可能对只拼价格的最便宜产品有效。但高质量软件产品会一直带着人的触感——最好、最贵的产品,会由人类开发者为人类用户量身定做。
参考来源