当AI编写应用程序，是质量的福音还是挑战？

随着 AI 模型的能力越来越强，以Copilot、Cursor、Claude Code、Gemini Cli等为代表的AI编程工具开始逐渐进入软件开发的日常使用，“vibe coding”越来越成为应用开发的趋势。

那么当AI越来越多地参与进实际应用程序的开发，对于基于这种方式完成的应用程序质量来说，到底是好是坏呢？

本篇就结合笔者近期使用多款氛围编程工具的体会，谈谈看法。

AI编程，看上去很美好

从接触AI编程开始，很多人都会惊叹于它极速、高效的强大能力，而且通常结合良好的提示词工程，能在极短时间内完成原型设计，得到的成品也往往能超出预期地功能完备。

只要我们对软件应用开发有所了解，结合提示词工程，从前端、后端到数据库，AI 都能帮我们完成从设计到代码的全部工作。工程师需要做的，似乎就是不断地和AI完成沟通，对输出的结果进行不断地优化和调整。

可以说，AI编程工具的出现，让很多非程序员也能完成很多创意应用的开发，大大降低了软件开发的门槛。

在各大软件开发企业中，开发工程师借助AI工具辅助完成越来越多的代码，也逐渐成为常态。

AI编程的未来，这么近，那么美~

但是，如果不是验证原型目的，要按一个生产级应用的标准来要求AI开发的应用程序，那么复杂、痛苦的调试过程却必然不会缺席。

“开发十分钟，调试两整天” 其实更是结合AI编程的常态。

虽然“提示词工程”总结和强调了和AI合作的一些最佳方式，但实际工作中，很多时候，工程师还是会倾向用简洁的指令和AI交流。

而在这种指令信息不充分和精确的时候，AI 自然会脑补出很多它认为必要、但实际却似是而非的代码。这时，工程师必然需要花费大量的时间去检查和调整AI的行为。

通过AI来进行编码实现的同学，应该都有因为部分基本的逻辑或前端界面调整，结果耗费了大量时间的经验。

比如笔者就遇到过，仅仅是希望在页面表单中增加一个字段，同时后端数据库也同步进行调整的改动，AI却总是会错义，不是没同步就是去改动不相干的其他表单，反复拉锯，耗费大量时间。

本来就是两行代码的事，却因为自己不熟悉AI生成的代码结构，依赖AI反复修改，虽然最后也达到了效果，却又无谓插入了大量的“屎山”代码。

AI生成代码，一般会首先根据初始需求确定好项目代码结构，然后再根据具体的拆分任务完成代码的填充。

但随着项目进行和需求的不断优化，通常会将主要逻辑集中在部分主文件之中，很容易导致一些主文件过于臃肿。而AI依赖大模型的能力，通常又存在上下文窗口的限制，臃肿的文件对于代码的生成效率和成果又有很大制约。

所有随着需求的不断细化和调整，代码越来越臃肿，也越来越混乱。很少会像实际工程中那样进行适当的解耦和重构，AI本身对代码的理解往往变得越来越困难，很难再有初始时的惊艳感。

这时，工程师的干预就必不可少，否则，AI编码更像是在“屎上雕花”。

AI生成的代码，为了及时呈现成果，有时还会“作弊”，对一些数据效果的呈现进行硬编码。

也许初期为了展示成果，必要的模拟数据必不可少。但区分硬编码和正确处理逻辑却并不能完全相信AI。

笔者曾在一个AI辅助编写的工具中，向它指出当我录入某条特定数据后，实际效果和预期不符。结果AI在假模假式分析半天以后，告诉我找到原因。但我实际检查代码，竟发现它在这部分的处理，居然是针对这条特定数据做了个if判断，强制特殊处理拉倒。

所以通过以上的说明（吐槽），虽然AI在辅助编码上成效惊人，而且不乏和工程师配合良好的案例。但很多基于AI辅助生成的应用，并不能消除质量堪忧的疑虑。

或许AI本身还会帮你生成单元测试，但就像智能驾驶依然不能代替人类决策，在质量这个领域，人类测试工程师的作用，依然不可替代，甚至在AI应用越来越多的情况下，人工测试的重要性还越来越凸显。

那么针对AI生成应用的质量挑战，测试工程师也应该针对性地进行对它的输出进行测试和验证

可以从如下几方面重点考虑：

作为一个产品，测试首先自然还是应该从需求和产品目标、用户使用角度去测试AI应用的成品，确保符合产品需求和质量标准

针对AI代码的薄弱环节，从产品集成度、可扩展性、性能、安全等场景重点考虑，针对性测试

AI错觉的存在，要求测试工程师，不仅从黑盒角度去验证应用，也应该关心AI生成应用的过程，特别是工程师开发过程中，相关的提示词、上下文以及AI的响应记录，都是了解潜在质量问题的来源。很多如硬编码问题，可能就隐藏在一些误导的交互中。

AI虽然还存在很多问题，错误的使用可能得到糟糕质量的产品。但使用AI得当，却也能切实提供很好的帮助。

利用AI，我们可以分析产品代码、梳理项目架构，帮助我们更好去理解项目的实现，包括基于AI去辅助完成包括自动化测试在内的很多测试工作。

总而言之，良好质量的产品，离不开成熟的团队和规范的流程。对于测试人员来说，AI时代也在重新定义我们角色的机会。拥抱AI驱动开发的挑战，测试人员也会是不可或缺的参与者和合作者，拥抱AI，也拥抱未来！