一位40岁的开发者在Linux.do论坛分享了其使用Claude与Codex混合进行AI编程的完整经历。今年5月起，作者开始同时使用两款AI编程工具开发一个大型产品项目。项目第一天，他在多个窗口同时运行AI工具，一天内生成了约十万行代码，提交记录相当可观。然而第二天运行测试时发现问题，删除了三万行代码；第三天修复依赖问题时又删掉了三万行。原本计划一周上线的项目，最终拖延了一个月仍处于调试阶段。作者描述了AI编程的典型困境：刚修好的模块，第二天可能被AI重新破坏，需要持续返工维护。经过多个凌晨三点的调试折磨后，项目代码逐渐趋于稳定并开始正常运转，但代码漂移问题依然存在。作者在帖子末尾向社区其他开发者求助，询问如何有效控制AI生成代码的漂移问题。该帖反映了当前AI编程工具在快速生成代码方面的真实能力，同时也暴露出在代码质量控制、架构一致性和长期维护方面仍存在明显短板，为社区提供了关于AI辅助开发实际效率的一手参考。
事件分析
该案例揭示了当前AI编程工具的真实效能边界：代码生成速度已不再是瓶颈，十万行代码可一天完成，但质量验证与架构一致性维护成为新的成本中心。所谓’AI拆西墙补东墙’现象，本质是大型语言模型的上下文漂移与幻觉问题在长周期、多模块项目中被放大。从产业角度看，这类一线实践记录正在修正市场对Vibe Coding的过度乐观预期，推动开发者社区形成’AI生成+人工验证’的混合工作流共识。后续走向上，如何通过规则约束、自动化测试闭环与上下文管理机制抑制AI代码漂移，将成为Claude Code、Codex等工具迭代的重要方向，也可能催生面向AI代码质量治理的开发者工具细分赛道。
核心观点：AI将代码生产成本降低百倍，但验证与治理成本重新回到人类手中，这才是AI编程的真正瓶颈。
原文链接：Linux.do
