AI的困惑

一、代码规模提升后，AI可控性大幅下降
近期我借助AI制作了好几份程序成品，最终全都没能达到预期效果。我发现一个明显规律：当项目代码简短时，AI输出内容贴合需求，调整起来十分轻松；可一旦代码累积到一定体量，AI就很难精准把控整体逻辑。即便我用上各类提示词技巧、分段拆解指令、设定严格规范等多种方法反复调试，产出结果依旧偏差很大，细节漏洞层出不穷，很难一次性匹配我想要的完整功能，越复杂的工程，AI偏离需求的概率越高。

二、多工具反复调试，容易陷入无效死循环
为解决代码出错问题，我频繁切换不同AI工具、调试插件，不断重新生成、修改、纠错，可问题始终没法彻底根除。修改一处bug，另一处又会冒出新问题，来回拉扯间就陷入了无意义的死循环。大量时间消耗在重复调整上，没有实质性进展，越修改思路越混乱，工具切换反而增加沟通成本，整套流程效率极低，始终无法交出合格成果。

三、摆烂式循环优化，完全缺失完整过程认知
多次调试无果后，我只能换一种佛系思路，不再主动精细把控每一步，只要有可用算力额度，就直接让AI自动循环迭代优化。这种方式偶尔能碰巧跳出持续出错的死循环，产出勉强能用的版本，但存在致命短板：全程没有跟进中间运行过程，AI优化时每一步修改了什么逻辑、如何修复漏洞、调整了哪些参数，我完全一无所知。最终成品能运行，可底层实现逻辑一片空白，后续一旦出现新故障，我没办法溯源修改，无法自主把控项目整体，只能被动依靠AI随机优化。