近日，针对大模型在实际开发中普遍存在的“过度设计”问题，开发者社区提出了一项创新解决方案。在 V2EX 社区的分享中，开发者指出，目前高强度使用 GPT-5.6 和 Grok 等模型时，AI 往往倾向于为简单问题引入非必要的复杂度，并在实现过程中编写冗余的测试代码，导致代码臃肿。为此，开发者 nscTechArt 编写并开源了一个名为“Are You Sure”的 Skill（技能配置）。该工具强制大模型围绕三个维度对提案进行“反思”：有效性（是否高质量解决问题）、复杂性（是否引入非必要复杂度）以及后果（是否引入新问题）。该项目在 GitHub 上发布了具体配置，定义了方案基线及排查思路。实测表明，配合 Matt Pocock 的工作流，该工具能有效抑制 AI 的过度工程化倾向，显著提升交付代码的实用性与整洁度。
事件分析
这一事件揭示了 AI 辅助编程从“生成能力”向“判断能力”进化的关键趋势。现有大模型因在海量复杂代码库上训练，倾向于模仿企业级的重型架构模式，导致在解决中小型问题时出现“杀鸡用牛刀”的过度设计现象。“Are You Sure”项目的核心价值在于通过 Prompt Engineering（提示词工程）在推理链中引入了“批判者”角色。这种结构化的反思机制（Critique）与当前业界推崇的 Agentic Workflow（智能体工作流）理念不谋而合，即通过自我审查或对抗性博弈来提高输出的可靠性。这表明，未来的 AI 开发工具竞争将不再局限于模型本身，更多地向工作流优化和上下文控制层面延伸。
核心观点：从单纯依赖模型生成到引入结构化反思机制，标志着AI编程工具正从“量”的堆积转向“质”的把控。
原文链接：V2EX 分享发现
