现在网络上真是太多误导了，说 AI（LLM） 编程太厉害，一行代码没写完成了项目之类。根据我之前用 ChatGPT，Claude，Copilot，最近用 Cursor 的大量实际经验，不懂编程的人想要用 AI 做出成功的项目，几乎是妄想。
会编程，但不懂真正的计算机科学，不懂如何写出极其简单，逻辑精密的程序的人，想要靠 AI 写出“王垠级别”的代码，当然也是妄想。
有人惊讶王垠也用 AI？当然，我为什么不用？我用得还挺多，而且比一般人懂得如何用。去年计算机科学基础班第5期课程后期，我现场给同学们演示时都在用 Copilot 补全……测试。但我不建议上课的同学用这些东西，因为他们还没能力鉴别它补全出来的代码，使用 AI 显然会妨碍他们的思考和进步。但我能驾驭它，所以我可以用。
这一个月来，Cursor 给我生成了 6 万多行代码。猜我接受了多少行？不到 5000 行。经常走偏方向，重复同样的逻辑而不懂提取抽象，甚至把我手动调整本来正确的部分改错，把我给它纠正过的地方又改错，写一大堆复杂的测试把自己套进去，最后无法明白为什么测试“不通过”……
几天前创建的一个新项目，耗费我 20 多个小时的“口舌”跟它解释，最后生成 2 万多行代码。最后复杂到无法修补，我不得不决定完全推翻重来。它居然还在欢呼“成功了！” 并列出一项项的“成果”，对完全没道理的基本错误视而不见。一遍遍地给它指出问题没解决，却一次次的回答“哦，我知道了！”，“这次我找到问题的根源了！”结果全是画饼…… 因为实在没法改对了，只能自欺欺人吧？
我用的模型还是最新的 Claude 4 sonnet。GPT 4.1 就更差，几乎不敢用来改代码。Claude opus 太贵又慢，而且我试了一下，好像也没比 sonnet 好到哪里去。总有人给出一些 Cursor 配置“引导语”，说你把这些写进 .cursorrules 就行了。我当然也试了，没用的。并不是你要求什么它就能满足你，就连我刚提出的要求都有被忽视的时候。
人们以为 AI 能理解大量复杂的代码，但是一次次的教训告诉我，它们不能。没人能理解杂乱的代码，王垠也不能。
如果你前后几次给指示，生成的代码加在一起，就开始重复，变得杂乱。AI 并不能理解整个代码里面的规律，相似性，它甚至可能根本没看某些代码。所以它没法简化这样的代码，甚至没法看到可以简化的地方。我有几次给它明确标出行号，指出“这个地方可以简化”。它回答说“是呢！我来帮你简化！” 结果最后它的理解根本不同，去把原来对的地方改错了，代码却一点没简化。
这就像某些不负责任的程序员。你说哪里有问题，他就只看那里。浏览一下附近的代码就得出结论，然后噼里啪啦给你改了，结果又弄出别的问题。它其实并没有全局的设计思维，只是根据局部的信息来修改。
别误会了，我用 AI 做东西并不总是失败，实际上在小范围内经常很成功。有时候它确实能把事情做出来，只是你得知道怎么驾驭它。我举这个例子，只是说明连王垠用 AI 做代码都经常有失败的时候。显然并不像宣传的那样，你只要告诉它做什么就行。我已经描述得非常详细了，却仍然做不好。王垠能把事情描述得多详细？你看看王垠的文章就知道了。
有人说目标不要定太高太快了，要有策略。这个我当然知道，我非常有策略。我之前那些成功的项目，没有智慧和策略，你觉得能做出来吗？所谓策略，就是要知道先做什么，后做什么，什么该做，什么不该做，什么暂时不要做，之类的。可以说我是这类策略的大师，没其他人知道我是怎么做事的，他们只知道最后做出来了。这些做事方法都是最高机密。
当年我做了 PySonar 之后，后来 Google 有一个团队的人花了两年时间，想做出超越 PySonar 的项目，结果最后什么也没做出来，不得不继续用我改进后的开源代码。为什么呢？因为一开头策略就错了。他们想用 Prolog 这样的逻辑编程语言来实现 Python 语言的类型推导，我一听就知道注定要失败的。为什么我知道呢？因为我已经试过了，而且我知道 Hindley-Milner 系统和 Prolog 的局限性在哪里。为什么我知道？因为我实现和改进过逻辑编程语言。
知道什么不该做，什么注定会失败，这其实是非常重要的智慧和策略。很多人都缺乏这种智慧和洞察力。
扯远了。总之，我后来发现自己平时的策略可以拿来引导 AI 写代码，比如一点点的从最基本的小函数开始写，一步步推进。这样对 AI 进行引导的话，它就能做对吗？我发现它连小块的代码也不一定写的好。有些几行的小函数都要我纠正多次，它才能改对。然后说不定将来什么时候它又把它们改错了，所以你得看它改过的每一个地方。你得知道什么样的代码是对的，什么样的是垃圾。
说白了，你得对它写的几乎每行代码进行 code review，不然很容易失控。这就是问题所在：如果你不会写代码，你怎么对别人写的代码进行 code review？
知道什么样的代码是好的对的，这就是最难的事情。没有深入的研究和很多的经验，是无法鉴别的。是的 AI 现在成了码农，我成了 VP。但一个不懂计算机科学，没写过高水平代码的 VP 领导着一群写面条代码的码农，能做出什么好东西？呵呵，我看着很多公司里的类似现象就明白了。不知道手下人在做什么，不知道谁说的是对的，不知道下一步该做什么。有多少管理者是在瞎蒙乱撞，坑蒙拐骗，我都是清楚的。
所以没能力的人有了 AI 还是没用，因为他们没能力驾驭它。他们没资格做 VP。
因为世界上绝大部分的代码都是平庸的面条代码程序员写的，训练数据都是那样，所以 AI 几乎没法写出“王垠级别”的代码，也是意料之中的。我发现把写好的代码给 AI，它确实能进行一些有用的分析和改进，但完全从头开始写的话，AI 真是寸步难行。几乎每一个小的函数都需要我反反复复多次的纠正，才能达到我期望的简单和可理解程度。
我的计算机科学班里的代码，全都是极其精辟的代码，跟公司代码和开源项目有着天壤之别。所以上我的课的同学，是没什么希望使用 AI 来完成练习的。因为数据量太少，没有训练数据，所以 AI 恐怕永远也无法达到这种精辟程度。当然毕业之后，同学们的水平都远超 AI，也远超作为 AI 训练数据来源的那些平庸程序员。
这就是为什么我的课程叫做“计算机科学”，而不是“编程”。计算机科学家和程序员/软件工程师是有巨大差别的。AI 也许能取代普通程序员，却永远无法取代计算机科学家。它只能被计算机科学家利用，作为他的工具。
别误会了，我其实觉得 AI 是很好的东西，确实是伟大的发明。我发现LLM 真的能理解人的话，并且看起来有深程度的“思考”存在，这已经是很了不起的事情。我之前对 AI 的评价大部分都是对的，比如“自动驾驶”注定要失败之类的。只是 LLM 能做到这个程度，有点超乎了我的意料。不过呢，LLM 现在的编程水平显然跟我相差很多个级别。
使用 AI 的时候，我发现解决问题的速度加快了很多，因为很多烦人的事情不用我亲自去管了，我能更专心地思考核心的部分。说白了，我就是利用 AI 来做自己不想干的“脏活”，它对此毫无怨言。这就是为什么经历了这么多次失败，我仍然继续使用它们，甚至付费使用它们。因为这个世界上有太多的脏活，复杂不堪的文档，故作高深的论文，糟糕的设计，我需要这么一个工具来帮我对付它们。但核心的思想仍然只能由我想出来，AI 对此是无能为力的。