AI Coding 的能力上限在于技术团队的工程架构能力

标签: | 发表时间:2026-01-18 15:17 | 作者:
出处:https://weibo.com
最近大家都在讨论Cursor AI写的300万行代码跑不起来的问题,虽然偶尔有嘲笑,但更多技术朋友在理性讨论:目前 AI Coding 的上限在哪。
在我来看,Cursor这次测试还是非常有价值的,一方面验证了当前大模型复杂度控制的实际能力,另一方面也给AI Coding领域一个警示:暴力Vibe Coding不可取。实际工作中(特别是大型工程项目)“一键成片”的时代还没有到来。

从技术角度,Cursor这次尝试之所以没能真正跑通整个系统,表面上看,这是上下文窗口限制导致的;更本质的原因,是缺乏足够的 thinking 和 plan——也就是说,没有在架构和规划层面,预先设计出抵抗上下文限制的工程方法。
AI 往往是按“当前对话上下文”局部生成代码,而不是先做领域建模(核心对象、边界)、模块划分(服务拆分、层次结构)、接口协议约定(API、DTO、事件);
结果是模块之间风格不统一、职责混乱,命名、数据结构、错误处理方式不一致;
虽然相比早期 AI Coding,循环依赖、数据流完全对不上的低级错误在工程化实践中正在减少,但调用链混乱、难以排错的问题仍然大量存在。
再加上大模型上下文窗口有限,导致“遗忘”和“自相矛盾”,早期定义好的接口 /数据结构,模型在后面生成时不一定记得住。这类问题在大型项目中(比如 300 万行规模下)会被无限放大,综合效应就是“跑不起来”。

Cursor 这次实验其实是当前 Vibe Coding 思路的一种极端体现:把尽可能多的实现交给模型自动铺开。然而实际业务应用中,尤其是在 Vibe Coding 和 background agent 模式下做 AI Coding 时,统一的工程架构设计仍然非常重要。
这种情况下,有经验的架构师在这次AI Coding范式转型中将显得越发重要;在当下可预见的发展阶段,AI Coding 的实际效率与效果,很大程度上将取决于技术团队的工程架构能力上限。

相关 [ai coding 技术] 推荐:

AI Coding 的能力上限在于技术团队的工程架构能力

- -
最近大家都在讨论Cursor AI写的300万行代码跑不起来的问题,虽然偶尔有嘲笑,但更多技术朋友在理性讨论:目前 AI Coding 的上限在哪. 在我来看,Cursor这次测试还是非常有价值的,一方面验证了当前大模型复杂度控制的实际能力,另一方面也给AI Coding领域一个警示:暴力Vibe Coding不可取.

Beyond Vibe Coding - AI 辅助开发指南

- -
Beyond Vibe Coding - AI 辅助开发指南. 的新书,目的是纠正当前流行的 “Vibe Coding” 误区,为构建生产级软件提供一套严谨的 AI 辅助工程学框架. 这本书我是在 Oreilly 在线阅读的,应该也能找到 PDF 版本. 核心论点:从“氛围编码”到“AI 辅助工程” 1.

Agent 讓 RAG 過時了嗎? 談 AI Coding 的檢索策略

- - ihower { blogging }
看了一場 Augment Code (也是一家做 AI IDE 的廠商) 來講 “Agentic 檢索” 對比 “傳統 RAG 檢索” 的演講,蠻有啟發的. 在 AI Coding 領域,簡單的工具正在擊敗複雜的 RAG 系統. AI Coding 的演進歷程. AI Coding 的演進是這樣:.

zen coding 0.7发布

- adow - islighting
zen coding 更新到0.7版本,这次更新还是很有亮点的. 最令人欣喜的恐怕是群组展开功能,这在以前需要分段来完成,而现在,只要你愿意,可以用一句表达式从头写到尾,一个module几乎可以一气呵成. 另外一个重要的更新是可以编写节点的属性和文本,要编写小段的html也方便许多,如. 更多的更新内容请看0.7 release notes,这里还有一个web版,可以体验下zen coding的强大功能.

coding-interview-university/README-cn.md at master · jwasham/coding-interview-university · GitHub

- -
[译] Coding Interview University 一套完整的学习手册帮助自己准备 Google 的面试. 这是我为了从 web 开发者(自学、非计算机科学学位)蜕变至 Google 软件工程师所制定的计划,其内容历时数月. Google 的指导笔记中萃取出来并进行扩展. 因此,有些事情你必须去了解一下.

在线AI技术在搜索与推荐场景的应用

- - 创业邦
  12月6日-7日,由阿里巴巴集团、阿里巴巴技术发展部、阿里云云栖社区联合主办,以“2016双11技术创新”为主题的阿里巴巴技术论坛(Alibaba Technology Forum,ATF)成功在线举办. 在本次分享中,来自阿里巴巴集团的研究员徐盈辉带了题为《在线AI技术在搜索与推荐场景的应用》的精彩演讲,他结合本届双11搜索和推荐场景详细介绍了电商搜索推荐的技术演变、阿里搜索推荐的新技术体系以及未来的发展方向.

零售商眼中未来 AI 技术的应用

- - 机器之心
在线旅游公司 Expedia CEO 将出任 Uber 新任 CEO. 据外媒证实,在线旅游公司 Expedia CEO Dara Khosrowshaihi 将出任 Uber 新任 CEO 一职. 据知情人透露,董事会已经进行了投票,并将率先对 Uber 内部员工宣布这项决定. 自今年 6 月,Uber 前任 CEO 兼联合创始人 Travis Kalanick 因丑闻事件辞职后,Uber CEO 职位便一直空缺,由 14 名高管组成的委员会执行 Uber 的管理工作.

阿里搜索技术,在AI路上走了多远?

- -
阿里妹导读:以深度学习为代表的人工智能在图像、语音和NLP领域带来了突破性的进展,在信息检索和个性化领域近几年也有不少公开文献,比如wide& deep实现了深度模型和浅层模型的结合,dssm用于计算语义相关性,deepfm增加了特征组合的能力,deep CF用深度学习实现协同过滤,rnn recommender 采用行为序列预估实现个性化推荐等.

美团外卖骑手背后的AI技术

- - 美团点评技术团队
随着数字化时代的到来,外卖市场近年来发展非常迅猛. 对外卖物流系统而言,配送效率和用户体验至关重要. 而实际配送过程是由配送员(骑手)最终完成的,因此,想要真正提升配送效率,不但要在智能调度系统(订单指派、路径规划、ETA)上下功夫,还要不断提升配送员的“附加”能力,让他们越送越“熟”,越送越“顺”,越送越“快”.

一文看尽2018全年AI技术大突破

- -
量子位 出品 | 公众号 QbitAI. 2018,仍是AI领域激动人心的一年. 这一年成为NLP研究的分水岭,各种突破接连不断;CV领域同样精彩纷呈,与四年前相比GAN生成的假脸逼真到让人不敢相信;新工具、新框架的出现,也让这个领域的明天特别让人期待……. 近日,Analytics Vidhya发布了一份2018人工智能技术总结与2019趋势预测报告,原文作者PRANAV DAR.