Parva

哈哈哈，精辟，脑子：我就是个中间件，别把计算任务往我这塞

“如果你不看代码，那么你的价值何在？仅仅是提需求？提需求的话这活谁都能干。”

实际工作也不是只提需求。程序质量怎么保证，出了问题怎么查、怎么修，最后还是得有人兜底（背锅）

“不阅读代码的程序员会不会被淘汰”

会。「程序员」会被淘汰，就像工业革命中的「手工纺织工人」。但「工程师」不会被淘汰，coding 只是手段，目的是为了解决问题，而不是为了代码而代码。「程序员」是 coding 的人，「工程师」是解决问题的人。

短期来看，「程序员」还不能被淘汰，「工程师」还是得阅读代码，AI 还没到能完全兜底复杂系统的程度。不然像隔壁帖子 vibe coding 做 AI 客服，问题越修越多（也不知道他们最后谁背锅）

我的建议是：架构/底层/核心链路的代码越需要人工把关，业务分支/边缘逻辑可以更多交给 AI ，即使出问题了修复也不难。

以上是个人观点，如果你也赞同，那么问题变成：“如何越少读代码的同时保证质量”

我觉得楼主可以做一个"个人 AI 软件作品"宣传站了，大家都恨不得借此宣传哈哈哈

做了一个将自己觉得有用的 AI 对话给记录和分享的平台。
https://xiaodao.cool/

把“飘”问题拆成几层：

第一层：模型能力不足

第二层：信息不足
1. 用户没有把自己真正想要的东西表达给 AI ，给了 AI 太大的自由空间
2. Agent 没拿到关键文件、关键信息，即上下文工程没做好

第三层：执行过程漂移
1. Agent 之间传递失真
2. Sub-Agent 上下文独立，彼此不统一

第四层：结果缺乏验证
1. 没有建立有效的验收机制，错误结果直接进入下一步
2. 模型觉得自己对，但编译不过、测试挂了

---

建议：

1. 相信 codex 、cc 自身的 Harness Engineering ，不要额外堆太多通用 Multi-Agent 、Rules 、Skill 、插件，容易适得其反

2. 尽可能把结果描述清楚。自己到底想要什么，验收标准是什么。很多时候过程和实现方案没那么重要，结果符合预期就是好结果

AI 接知识库已经是几年前的事了，你还造

关键是不愿意使用你造的 AI 入口

这产品功能当然是加分项，但是，除非体验有数量级提升，否则我不愿意为了这点便利放弃已经形成习惯的 ChatGPT 网页或 app 对话。

来自 AI 的看法： https://xiaodao.cool/posts/bf15a767-38e1-465f-98db-822f10216dd0

所有 app 都能推出 cli ，也许 ai os 就起来了