Uncle Bob 的 AI 编码工作流:AI 全权写码,人守质检门

立场 · 同一个问题的两种答案

把「读代码」换成「跑关卡」,可行吗?

AI 代码普及之后,软件工程两位奠基人物给出了截然相反的答案。这也是整篇访谈的张力所在:自动化指标,到底能不能替代资深工程师几十年练出来的问题识别能力?

本文按访谈原貌整理两边观点,不代下裁决;末节「边界与争议」汇总了这套方案的适用前提。

太长不看 · 七问七答

先给结论速览

机制 · 为什么不靠提示词

明文规范在 AI 眼里只是「参考建议」

大多数人的做法是给智能体补提示词、加规则。Uncle Bob 一开始也这么干:把 TDD 规范、整洁代码准则整成数页文档,几乎把《Clean Code》核心录入提示词。结果发现,模型对待这些明文规则,就像《加勒比海盗》里的准则——可遵守可不遵守。

背后的核心技术现象叫 lost in the middle(中间信息丢失):上下文窗口的注意力开头和结尾权重高,中间内容被弱化。规范提示词一长,大部分规则恰好落进中间区域,直接被模型无视;随着迭代推进、上下文累积,模型更无法筛选全部有效规则。行业里把这叫「智能区」和「迟钝区」(Dex Hardy 的概念):前段词元判断力强,越往后注意力越稀释。

约束也不是越多越好:叠加过多会拖慢迭代,得不偿失。判据很简单——只要 AI 的生产效率仍高于人类,这套约束就值得。他的实测是,叠满之后 AI 效率依然是人类的 2–4 倍。

机制 · 八道质检门

没人读代码时,靠什么兜底

这套想法不是凭空来的。21 世纪初有两项「理念很好但算不起」的技术让他念念不忘:CRAP 评分(结合圈复杂度与测试覆盖率的复合评分,判定函数劣质程度)和变异测试。当年他在大型项目里试过:CRAP 检出一堆劣质函数,但海量重写得不偿失;变异测试单次全量四分钟、要重复跑数百次,只能通宵挂机。去年圣诞前后他突然想通:AI 速度快、不怕枯燥、精准执行指令,正好让这两件事变得算得起——原来通宵的活,现在三十分钟左右跑完,还能自动修补漏洞、补齐覆盖。由此搭出八道门:

阈值要跟着换人:CRAP 从 4 放宽到 6,可能到 8

AI 的短期记忆容量更大、精度更高,能处理更复杂的逻辑分支,所以复杂度阈值要重新标定:

第二个要调整的是TDD 的落地方式:「写一行测试、写一行业务代码」的节奏是人类为自己设计的,硬写进提示词也没用——AI 最终总会回归「先完成函数开发、再补对应测试」,和 John Ousterhout 提倡的节奏一致。他的结论:编程的价值理念依然通用,但开发行为规范和操作阈值,要针对 AI 全面调整,不能照搬。

变异测试:给测试本身做质检

逻辑被改动后测试必然报错;若还能通过,说明这段代码的测试有漏洞。它的严谨程度超过绝大多数团队的人工评审——这正是 Uncle Bob 敢不读代码的底气来源之一,但也意味着把测试套件当唯一质量关卡,需要极强的工程纪律,绝大多数团队并不具备,也很难快速建立。

机制 · 五站流水线

五个智能体接力,每站一道门

单智能体五分钟出的活质量参差;他把流程拆成五站接力,每站职责单一、规则精简,用一小时换回远高于人工的质量。

为什么分层分工有效?主持人 Matt Pocock 给了个精准概括:迭代轨迹。AI 会话一旦定下调子,后续所有修改都会延续这个方向——让智能体做界面测试,它后面的改动都会默认附带界面测试逻辑;只有清空上下文才能打破轨迹。让开发智能体的轨迹是「优先实现功能」、加固智能体的轨迹是「极致完善测试覆盖」,分层恰好规避了轨迹混乱。Uncle Bob 的回应:完全契合,这在非编程场景同样存在,保持上下文方向统一就能有效规避幻觉与逻辑错位。

动机 · AI 也怕代码腐烂

不清理劣质代码,智能体会自己「停摆」

「为什么要管质量、而不是快速迭代等着漏洞自愈?」他在去年底就拿到了答案:让 Grok 智能体持续迭代,不及时清理劣质代码、一味堆新功能,冗余和漏洞持续累积,随之而来的是:

• 迭代效率持续下降;
• 恶性循环:修改一处,无意间破坏另一处,反复修补、反复出错、原地打转;
• 极端情况下智能体直接停止工作、无法继续迭代——没直说,但状态完全停滞。

结论:AI 智能体速度快、智能化程度高,但和人一样无法应对极度混乱的代码。它们的容错阈值和人类略有不同,上限真实存在;混乱突破阈值,就会卡顿、漏洞激增、彻底无法推进。这就是全部质量管控工作要回答的「为什么」。

边界 · 还没走通的那一环

架构设计,仍然是人主导

标题里「这条路还没走通」指的就是这里。就在访谈前一个月,架构设计还是他人工负责:让 AI 完成基础开发后,主动向它问询系统结构、模块关联、依赖关系——很多时候 AI 给出的架构答案漏洞百出,他会基于经验重新规划模块拆分、定义模块间通信规则,输出明确方案再交回 AI 执行。

为了提升管控效率,他搭了两件工具:

• 架构可视化:让 AI 开发了一个实时生成 UML 结构图的工具,可点击任意模块逐层下钻、直到源码;
• 依赖规则配置:哪些模块可以相互依赖、哪些禁止、链路怎么流转,全部写进固定配置文件;专属检测程序校验合规性,AI 一旦违规,必须通过反转依赖、新增接口、拆分模块整改。

他正在尝试把整套架构规划流程全自动化,暂时没有取得理想效果。

边界清晰、接口规范、分工明确的模块,无论人类开发者还是 AI 智能体,都能轻松理解、精准把控。—— Uncle Bob 谈优质模块化的核心价值

这里与 John Ousterhout 的深度模块理论呼应:劣质的浅层模块接口繁杂、内部单薄;优质的深度模块接口极简、内部封装大量核心逻辑。这套理论在 AI 时代反而更吃香——AI 只需读懂极简接口就能高效开发,还会通过读测试用例理解系统功能,代码结构和模块设计越规范,AI 对业务的理解就越精准,开发质量自然越高。这既是优势也是风险点:只要底层逻辑统一规范,就能规避风险、放大优势。(两人这本书的附录里有一场专门辩论。)

方法 · 规划观

放弃完美图纸:小步迭代 + 每轮人工复盘

「极致前置规划」他本周刚好又测了一次,结果与以往一样:彻底失败。无论前期规划多细致,人类无法穷尽所有场景,AI 也不具备全局思考能力;执行中必然出现规划外偏差,只能反复暂停、重构、重试,效率极低。他的替代方案是一套小迭代循环:

对流行的「需求驱动开发」(多个 AI 反复打磨完美需求文档再开发),他的判断很直接:AI 非常擅长写需求文档,还会主动丰富细节、美化方案,看起来无可挑剔,但落地执行时一定漏洞百出。所以:

• 不留存固定需求文档——所有需求临时可变,随迭代实时调整;
• 权威需求 = 最终落地的可运行系统 + 可通过的检测标准,而不是前置文档;
• 不建议直接下载使用他的 CRAP 检测、变异测试工具——让 AI 读懂工具逻辑,自主复刻、定制适配自己的专属工具,「这才是真正掌握核心需求的方式」。

建议 · 给新人的路径

把自己当成「人类智能体」

AI 极擅长战术编码,却不具备战略思维;而战略编程的反馈周期长,传统模式下架构失误可能半年后才暴露,新人常常等不到反馈就转行了。AI 时代反而加速了流程——战略失误会快速暴露。他的成长路径分三步:

软件是人类创造过最复杂的事物。软件工程的底层基础,本质是用来拆解、组织、梳理复杂系统的方法论——这套逻辑不仅适配人类,也适配仿生人类的 AI 模型。鼓吹基础无用的人,终究会付出代价。AI 只是延缓了问题暴露的时间,并非彻底消除了问题。—— Uncle Bob,引 Dijkstra 并作结

主持人补了一句行业规律:从二进制到汇编、编译器、再到大模型,每次抽象层级升级都有人高呼「底层无用」,最后都被验证是错的——所有被抛弃的底层规则,终会被重新拾起。Uncle Bob 的回答只有四个字:「没错,亘古不变。」

边界与争议 · 使用前先读

这套方案的适用前提

• 强工程纪律是门票:把测试套件当唯一质量关卡,需要极强的纪律与前期投入,绝大多数团队不具备,也很难快速建立。没有八道门,「不读代码」就不是极简,是裸奔。
• 指标有盲区:Booch 的反对提醒我们,覆盖率与复杂度给不了安全漏洞、死代码、性能攸关拆分的答案——对高风险代码,逐行评审依然有位置。
• 变异测试曾经昂贵:2000 年代单次四分钟、数百次通宵;今天靠 AI 摊薄了成本,但这条经验绑定的是「AI 算力便宜」这个新前提。
• 流水线买的是确定性:五站一小时 vs 单智能体五分钟,时间换质量;多智能体通信与启动开销(10–15 秒/次)是显性成本。
• 架构环节未闭环:每轮迭代后的人工复盘架构仍是这套流程里无法自动化的一环——这也正是标题「这条路还没走通」的准确含义。