@laylou mermaid ，直接跟他说让他画出来 mermaid 代码（ deepseek 第一版给我的 TD 图），我跟他说你给我换成 sequence 图，他就乖乖的给我换了（不过我主力 AI 还是 chatgpt ）

shi*t 山项目维护中。。发现最大的问题是客户的需求 ，表达出来到产品经理，产品经理理解后再描述给技术 leader + 程序员去实现，实现完成后然后交付。 整个流程中代码时间大概占 30%，AI 确实能极大提升这 30%的效率。 但是整个过程很多地方可能出问题，客户可能根本不清楚自己想要的是什么？自己的痛点在哪里？产品经理理解的也可能有偏差，程序员自己的理解和当前的代码现状也会导致偏差。这些都很难控制。 不过我也同意，未来程序员肯定需要是综合性人才，那种能较好的理解当前的系统和良好沟通能力的人，并能表达出来的是未来的稀缺人才。

@Ranglage #6 这不仅是前期设计的问题，初版大家都想设计得好一点。但代码是会不断腐化的，可以通过合理的软件开发流程来延缓，但不能阻止这件事的发生。 比如一个系统你迭代十几个版本，运维了几年，需求变过 n 次，人员也流动了几波，项目文档该有的都有但不怎么更新，和实际系统也对不上；每次迭代经历需求不明确的返工，deadline 逼近的加班产出的屎山代码，多人合作开发导致的模块重复开发、不可复用；跨系统对接由于各种规范和网络限制、或者上下游系统限制导致的兼容代码；领导一时兴起让你改造到一半，然后弃用或者只上线部分的功能； 以及代码中各种弃用的功能、模块、不被调用的接口、无效的逻辑，没人敢删，但读起来非常有误导性；系统功能已经稳定运行，领导也不会给你时间和风险成本做重构，还有更多奇葩需求等你加。 试想你把这样一个项目喂给 ai 它能读懂上下文吗？ 你能描述清楚上下文吗？ 你不自己做模型训练，通用 ai 能搞定这些需求吗？自己做模型训练，你有足够的人力梳理这些东西吗？更得上业务迭代的速度吗？ 这还只是一个系统里的问题，涉及跨系统合作，各个系统又都有各自的问题，这些最终都是需要人来协调的。 ai 现在从 0 写代码、或者写标准化模块化的代码很强，但做复杂的大型系统是不够，而且也解决不了代码腐化和协作沟通的问题，如果真解决了这个问题，那程序员就真完了。不过也没关系，其他各行各业也好不到哪去，介时又会有新的岗位出现的。

去掉应该，现在已经崩溃了啊。 无所吊谓，生活继续

@Ranglage 懂了，原来 sequence 图也可以用 mermaid 代码渲染

你的 demo 级别的工程才多少个 token ，当前 gpt4o ，最多也就 128k 的上下文，你去看看你们的工程有多少个单词，最简单的比较了

@donnywusoftware 说实话，就我的体验，复杂的逻辑其实是能帮得上忙的，无非就是人先手动把复杂的逻辑拆一下，拆到让 AI 能理解的复杂的程度，让 AI 一部分一部分的解决，效率最终还是比人的高……（可能是我还没有经历过特别特别离谱的复杂逻辑） 但就我司 2 万行的单文件屎山代码，包括上下文的数十个关联文件，AI 看起来还是能搞定的

你那个应用等有人用了，进入迭代了再说吧。

@weixind 没错，他们把生成错误归咎于 prompt 写不好、生成 bug 归咎于模型不够强大，这些吹嘘 AI 上神坛的人永远不会怀疑是自己的逻辑能力低下、沟通能力差劲。 我和同事在公司也用 AI 辅助工作，效率很高，但我们从不宣扬 AI 的好，因为我们永远无法预测未来的业务是否能用 AI 完成，靠 AI 不如靠己，永远是一个辅助工具而已。

咱们先统一一下口径，未来指多久之后，1 年？ 10 年？ 50 年？你要是给不出具体时间那我也可以说未来人类肯定会灭亡，咱们都别活了