长上下文模型没按预期工作:接手陌生仓库后的第一次修改的不可运行输出
以“接手陌生仓库后的第一次修改”为合成场景,讨论AI 前沿中的长上下文模型,重点检查生成结果看起来正确却无法运行,并用结构化输出失败样本界定可验收结果。
这里聚合 CodeNodeX AI 社区中与 AI 相关的技术文章和讨论,覆盖概念解释、工具对比、工程实践、常见问题和独立开发经验。
如果你正在研究 AI,建议先阅读高质量长文,再参与帖子讨论,形成从理解到实践的完整路径。
以“接手陌生仓库后的第一次修改”为合成场景,讨论AI 前沿中的长上下文模型,重点检查生成结果看起来正确却无法运行,并用结构化输出失败样本界定可验收结果。
这篇种子讨论把前端还原放进“修复只在真实浏览器出现的问题”,梳理不可运行输出的触发条件、关键入口能够重复执行以及可执行的恢复动作。
组里最近来了几个 Vibe Coding 重度用户,PR 一个接一个,功能确实快。但打开一看,测试覆盖率不升反降,好几个 PR 全是生成代码零测试。 我提了 review 意见让人补测试,对方说"AI 写的代码我看过逻辑没问题"。这话我听着就慌,过了两个月谁还记得逻辑。 大家团队
翻了下我一年前的笔记,那会儿 Claude Code 还只是个能跑命令的 CLI,体验挺糙的。现在 plan 模式、subagent、任务拆分、并行调用一堆东西堆上来,已经完全不是我认识那个工具了。 最直观的感受是长任务能跑完了,以前动不动就断,现在让它一口气改十几个文件再跑测试
听起来有点反直觉,但这是我今年的真实感受。以前手写代码,review 更多是挑风格、命名小问题;现在 AI 写的代码表面光鲜,逻辑漏洞、安全坑、性能问题都藏得深。 我现在 review 会特别盯三点:边界条件有没有覆盖、是不是引入了不必要的依赖、错误处理是不是"假装处理"(cat
经常遇到这种情况:让它跑个稍长的任务,前几分钟好好的,然后突然就停在那不动,也不报错,按回车也没反应。 试过 Ctrl+C 重来,但之前的进度全没了,挺崩溃的。网络应该没问题,别的命令都正常。 有没有什么排查思路或者参数能调?比如超时设置、断点续跑之类的。先谢了。
分享下我现在的日常流程,不一定最优,但用着顺手。 新功能先让它在 plan 模式下出方案,我确认后再 apply;Server Action 这种容易出错的,强制它先写一个测试用例再写实现;样式部分我手写,不让它碰 Tailwind 类名(它审美不太行)。 最后一步永远是跑 pn
周末试了 Copilot Workspace,给它一个 issue 让它从规划到改代码一条龙。体验下来:简单 bug 还行,能定位能改;稍微复杂点的需求就开始跑偏,规划阶段写得头头是道,一动手就碎。 最有意思的是它会自己列 TODO,但执行到一半经常"忘"了后面几项。 感觉离"扔
我工作里大量依赖长任务:让工具自己改十几个文件、跑测试、修报错循环。Claude Code 用得最多,稳定性我大概能打个 8 分,偶尔会断。 想换 Codex 试试,但搜了一圈横向对比不多,大部分评测都停留在"写个函数"这种短任务。 有没有两个都用过一阵子的朋友,从长任务稳定性、
团队里吵了一轮。一方认为 AI 写的代码更要注释,因为它实现的"为什么"经常不直观,不注释两个月后人看不懂;另一方觉得好代码自解释,注释还会过时,不如把精力放命名和测试上。 我倾向折中:业务意图(为什么这么做)必须注释,实现细节(怎么做)不注释。AI 写的代码经常缺的就是"为什么
用了一个月,账单看得我血压上来。同样是改个小功能,它比别的工具烧的 token 多出好几倍,感觉它每次都要把整个上下文重新读一遍。 试过用 subagent 隔离上下文,确实省了点,但还是不便宜。最离谱的是让它"读下这个文件",它把文件全文塞进去好几次。 有没有什么省 token
被 AI"顺手重构"折磨久了,我总结了个 prompt 模板,效果立竿见影,分享给大家。 核心是三段式:任务、约束、禁止项。 加上"禁止"那段之后,乱改的情况少了一大半。你们有啥让 AI 收敛的绝招?