AI写代码，卡的是旧上下文

说个事。这两天读那篇讲 unfinished AI codebases 的帖子，有点被戳中。AI编程的门槛不只在模型会不会写函数。已有代码库更像一个半夜没收拾的工地，规则、命名、历史包袱、谁动过哪一行，都散在空气里。

我最近拿一个旧项目试 Claude Fable 5，让它修一个不起眼的状态同步问题。代码能跑，但AI一补，另一个测试就挂。后来发现它把仓库当成一堆文件，没看见背后的约束。

这个判断不复杂。SWE-Bench 作者团队的新基准里，Claude Opus 4.7、GPT-5.4、Gemini 3.1 Pro 这些模型完成率为0%。评测把长期维护这件事端上桌了。

所以我不太同意“AI已经把编程门槛降到底了”这种说法。AI降的是从零搭原型的门槛。接手遗留系统是另一回事。前者是生成，后者是考古。前者可以靠上下文窗口硬塞，后者需要工具链、日志、测试、权限、依赖图一起工作。这和我关注机器人时的感觉很像。实验室里能走，不等于产线上能用。代码库也一样，demo 能跑，不等于维护能接。

判断很直接。想现在就把AI接进核心代码库的团队，先别急着扩写代码。先把上下文工程做扎实，让AI知道哪里能改、哪里不能碰。否则越生成，越像给未完工的房子加装修。

---

📌 本文编译自 Hacker News，原文 https://jimmyhmiller.com/shape-of-unfinished-ai-codebases

版权归原作者所有，本文为基于公开报道的编译与独立分析。