Atharva Raykar 的这篇优秀文章对人工智能辅助开发提出了许多敏锐的观察，我从未在其他地方看到过这些观察。
利用人工智能进行构建非常快。速度的提升非常重要，因为如果正确利用，它可以让团队更快地加强与用户的反馈循环，从而打造出更好的产品。
然而，AI 工具的使用并非易事。如果操作不当，你可能会得到不理想的结果，更糟糕的是，你的项目可能会陷入混乱和技术债务，从而降低开发速度。
Atharva 指出，人工智能就像一个乘数：你在软件工程方面的专业知识越丰富，你从法学硕士（LLM）获得的成果就越好。此外，对人类有益的东西，对人工智能也同样有益。
这意味着食品测试覆盖率、自动 linting、持续集成和部署、良好的文档实践以及“明确定义的功能，分解为多个小故事卡”。
如果团队具备所有这些东西，人工智能编码助手将能够更可靠地运行并与人类监督者更有效地合作。
我很喜欢他最后关于对法学硕士学位的更多依赖如何改变我们的技艺的总结：
首先，花费太多时间寻找和构建复杂的抽象是没有意义的。DRY 原则对于确保代码中的模式不会不同步很有用，但实现和维护抽象以应对不断变化的需求是有成本的。LLM 让一些重复变得容易接受，让你可以多等一段时间，避免过早进行抽象。
现在重做工作非常便宜。小规模的代码不如大规模代码的结构模式和组织方式重要。你还可以构建大量原型来测试一个想法。为此，氛围编码（vibe-coding）是个不错的选择，只要原型被丢弃并在之后正确地重写即可。[…]
测试是不容商榷的，AI 能以极快的速度完成测试，消除所有不参加测试的借口。但务必检查断言！
原文： https://simonwillison.net/2025/Jun/10/ai-assisted-coding/#atom-everything