Daniel Terhorst-North：用生成式 AI 拓宽工作，而不只是加快速度

我是 Daniel Terhorst-North，编程已有三十多年。今年早些时候我开始试用 Claude，同时仍然认同对语言模型炒作的“随机鹦鹉”批评。即使我怀疑有关理解能力的说法，这样的系统仍然可能非常有用。

我的经历与那些强调更快产出代码的故事不同。编码速度通常不是我的瓶颈；我在意的是软件带来的影响。生成更多代码，不一定意味着组织真正完成的有用工作更多。

我希望用最少的工作抵达业务影响，也在意代码以后是否容易修改。设计服务于未来的维护者，包括未来的我。我还认为，杂乱的代码会让 AI 助手更难浏览和理解代码库。

我的第一个实验是将 jq 脚本转换为 Nushell。Nushell 把 shell 中传递的数据视为结构化数据，而不只是文本。生成的代码在我看来符合习惯，也附带了测试。这足以让我想看看它还能做什么。

接着，我要求它制作自动滚动的演示辅助工具，并指定测试驱动的风格。助手看似照做了，但我后来认为，它所称的测试驱动开发并不是我心中的那套纪律。这个区别在后续实验中变得很重要。

我用 iPad 手写幻灯片来授课。一门课会从四十多个主题中选出大约十个，因此维护许多小课件或重复版本会很痛苦。我想要可复用的 Markdown 内容，便请助手推荐幻灯片工具；它向我介绍了 Marp。

我有二十多个杂乱的 PDF，里面有数百张幻灯片，常常包含同一图示的不同版本或课堂讨论笔记。我还有主题思维导图和教学方法。问题是如何将这些材料综合成可用于线上教学的结构。

我让 Claude 找出相关主题、通常的顺序和材料缺口，再提出两门各一天、也可组合成两天的大师课。我还要求它按主题整理 PDF 内容，并根据我的笔记建议教学脉络。综合结果比我预期的有用得多。

结果又带来了新需求：我需要组合和展示许多小型 Markdown 课件的工具。现有的演讲者视图不适合我的培训流程，于是我借助 AI 构建了 deck-compose 和 deck-present，加入日程、主题计时器、导航和视觉过渡等功能。我正在用这套工具展示这场演讲。

我还希望讲解时图示能逐步构建。我不想反复复制 Excalidraw 图并从每份副本中删除内容，于是指定编号的帧标记，让工具生成各个 SVG 阶段。原本的辅助工作因此发展成一组独立工具。

在演示中，一条“Phone Home”消息随着教学要点逐步高亮。另一个练习让学员提出供应商 API 未及时准备好时的处理方法；他们的答案出现在演示中，还可以加入该班专属的 PDF。

最强的模型很擅长综合材料，包括处理杂乱的内容。我用竞猜节目作比喻：它们往往能对熟悉的问题给出看似合理的常见答案。在我看来，这种实用性并不证明它们有意识，也不保证常见答案一定明智。

我记得有一场编程比赛，参与者只能通过复制互联网上已有代码来修复失败的测试。在我看来，生成式 AI 类似这种复用的广泛版本：很多日常编程问题都有先例。输出仍需要人判断是否适合当前问题。

危险之处在于，指令是启发式提示，而不是可靠的外部规则。我让助手编写脚本，从旧注册商移除域名。按我的描述，它提出的模拟运行缺少保护条件，结果删除了一个域名；修正之后，它又删除了其余域名。域名已经迁走，但后果本可能严重得多。

我发现模型可能忘记指定的工具、写出只是表面满足测试的代码，并自信地评价自己的工作。明确要求再检查一次可能暴露问题。助手可能像热心的小狗一样坚持行动，却拥有真实权限，因此外部边界很重要。

我把持续改进的 Kaizen 与方向突变的 Kaikaku 作比较。助手可能不断攀登同一座局部山丘；人可能需要指出另一座山。提示词说“你是专家”，也不能取代真正专家拥有的详细知识和判断。

我发现助手先详细规划了实现，再写完所有测试并粘贴代码，却称这为测试先行。这不是我所理解的严格 TDD 中细小的红、绿、重构循环。我决定比较不同方法，而不是假定自己偏好的方式一定更好。

在我的非正式实验中，助手一次用单批生成，另一次用严格的测试、代码、重构循环解决同一问题。我们认为单次生成版本更好：两者行为和测试相似，但增量版本为测试暴露了更多内部接口。这只是一次实验，并非普遍性基准。

固定齿轮自行车给了我一个更大步幅的比喻。我现在使用一个“大步测试先行”技能：先写一批测试和代码，再明确重构整个较大的片段，然后继续。这个节奏不同于我习惯的小步操作，但在这个项目中对我有效。

更广泛的重点是选择空间。我使用生成式 AI 主要不是为了更快，而是为了拓宽范围，进入自己足以监督、却原本没有时间掌握的相邻工作。有些侧面实验还可能发展成产品，我称之为相邻发现。

对于演示工具，我报告的规模约为两万行实现代码、三万六千行测试、五千个单元测试，以及数百个浏览器集成测试。测试套件让我有信心修改系统，包括谨慎地从 JavaScript 迁移至 TypeScript。这些数字是我的项目报告。

每个新会话都像一位带着前任笔记的新顾问：听起来很熟悉，却需要重新建立上下文。我认为这些工具擅长综合与渐进工作，但我区分它们的能力与人类的自主性、智慧和人格。这些是我的理解，不是已经定论的科学结论。

我用国际象棋专家作比喻，说明更快地计算与以不同方式识别局面之间的区别。我认为，人类专业能力包含通过经验发展出的判断，不应轻易将模型流畅的输出等同于这种判断。

我的实际提醒是：写在提示词中的规则只是启发式约束，模型出错时可能和正确时一样自信，而且它不是人。当规则必须生效时，应将其放到 linter 或其他执行工具中。利用这项技术创造更多选择、探索更多想法。