我也观察到这个问题, chatgpt 官网的问答也是这样, 多轮之后开始讲黑话的感觉, 的确是极大增加了理解成本, 很多概念根本没有前置的说明, 而且有的是那种完全基于当前上下文延伸出来的黑话, 而不是那种可查证有定义的共识.
不知道最近大家有没有这种感受:vibe coding的时候,AI给用户汇报的语言越来越晦涩难懂了,尤其是在处理一个复杂庞大的系统时。
以前即使是让AI写后端代码,AI的语言也还是容易看懂的,我也会出于好奇认真阅读AI的思维链和输出,不懂的时候就提问,在这个过程中也学到了很多工程方面的思想。整个vibe coding的过程是愉悦且有收获的。AI写的方案我都会仔细审阅,看多了也会有一种技术经验的判断,什么bug大概率是什么导致的,什么问题最好用什么类型的方案解决,从而指导我在新问题上拍板做决定。这种人机互动是我享受的,因为虽然是AI提供回答和做执行,我的主体性依然发挥作用。
但现在的AI,尤其是在后端编程时,说的话已经不像人话了。我想像以前一样仔细读懂AI写的全部spec文档已经不现实。逼得我现在在rules里规定汇报一定要基于代码产生的实际用户体验向我汇报,因为所有让它说人话的尝试都失败了。
这就导致我vibe coding的工作流程发生了巨大变化。以前我是每一步都要管的,现在我想管过程也管不了,我只能管设定目标和检查目标有没有实现。于是我的标准流程就是,把前端截图给AI或者让AI读后端日志,说明哪里有问题,让它自己找根因然后写修复计划,过程中可能会询问我决策,我就点一点,之后新开一个会话执行这个计划,执行完了我再去小程序检查,有问题就再重复这个流程。虽然也能work,但感觉自己离技术越来越远了,虽然本来就不是技术背景出身,但这种系统工程设计是有趣味的。现在这种趣味已经品尝不到了,一是看不懂AI黑话,二是因为比起好玩,到了现在这个阶段,产品完成上线的进度压力更大,没有那个奢侈去满足这种好奇。毕竟一个人做产品,还是要顾全大局。等赚到了钱再去做民科也不迟。