AI编程新困境：代码审查变得昂贵，直接重写反而更廉价

大语言模型（LLM）在编写代码时并不存在“偷懒”或“走捷径”的行为。相反，它们倾向于从零开始构建完整的功能实现，而非调用现有的代码库。这并非因为模型缺乏对现有库的认知，而是因为在模型的计算逻辑中，编写200行实现代码与编写2行导入语句所消耗的“认知成本”是完全相同的。由于缺乏寻找最短路径的本能，对模型而言，完整实现一切往往被视为最高效的解决方案。这种行为模式导致审查AI生成的代码变得异常昂贵。审查者需要面对大量技术上正确但过度工程化的代码，并不得不花费大量时间去决定是接受这种复杂性还是要求修改。这种反复的决策和沟通成本随着代码量的增加而显著增加。然而，另一方面，利用AI重写代码的成本却极其低廉。如果开发者识别出代码过于复杂，可以直接要求AI进行简化、调用库或删除非必要功能。这种“由AI制造问题，再由AI解决问题”的重写循环，往往比人工审查和争论更为高效。这种经济成本的变化重塑了开发工作流：开发者必须在前期投入更多精力进行架构规划和范围界定，以防止AI生成不必要的复杂性；而在后期，利用AI进行快速迭代和重写，取代了传统的代码审查与修改环节。

事件分析

💡 核心观点：AI编程重塑开发成本结构：审查成本激增倒逼流程变革，“快速重写”取代“精雕细琢”成为最优解。