大型项目中部分理解代码是常态,Agent 亦然

原标题:Sean Goedecke 在个人博客发文说,在大型软件项目里,程序员只理解自己负责的那一部分代码是正常的,而且这已经是能做到的最好状态。
58AI 研判分

Sean Goedecke 认为,在大型软件项目中,程序员只理解自己负责的那部分代码是常态,而且这已是能做到的最好状态。宝玉据此引申:AI Agent 同样无法在单次会话中理解整个代码库,因此需要靠自动化测试、Code Review 和让 Agent 提供截图证据等手段来保证质量。

报道正文

宝玉 (@dotey) · 2026-11-21 00

Sean Goedecke 在个人博客发文说,在大型软件项目里,程序员只理解自己负责的那一部分代码是正常的,而且这已经是能做到的最好状态。

确实如此,我基于原文稍微解读和引申一下。

很多人说 AI 写不好程序,因为 AI 不能完整理解代码库,但实际上在大的软件项目中,程序员只理解自己负责的一小部分代码是常态。

想象一下,新人去接手一个历史复杂项目,那么他们短时间只可能理解一部分代码,但这并不妨碍他们去维护项目。

那么以前怎么保证不理解完整代码不会改出问题呢?还得要靠自动化测试来兜底。

一个好的项目,需要配合好充分的自动化测试覆盖,这样就算新手去修改代码,也不至于把正常运行的系统搞崩溃,毕竟改出问题了自动化测试是无法通过的。

并且为了防止新人乱改,还会有 Code Review 配合,这本身也是很好的知识传承手段。

现在让 Agent 干活也是如此,让 Agent 在一个会话上下文中理解整个项目是不现实的,它永远只能部分理解项目,但这并不妨碍 Agent 去修改运行程序。

要保证 Agent 干活的质量,同样也要通过验证手段兜底,自动化测试是必须的,但也无法过度依赖,因为有些测试可能本身就是有问题的;

Code Review 现在也很难保证了,毕竟代码量太大了,人根本看不过来,只能是让 AI Review 大部分代码,人只 Review 最重要的部分。

另外一个有效手段就是让 Agent 自己提供证据,比如我最近最常用的手段就是让 Agent 截图,在开发新功能的时候让它提供新功能截图,修改 bug 的时候提供改之前和改之后的截图对比。

让 Agent 截图,最近还挖掘出来一个用法:就是让 Agent 自己去模拟 API 响应数据,动态生成各种不同场景的截图,都不需要服务端配合,虽然我还没搞明白它是怎么去模拟的。

↳ 引用 @sjgoedecke (Sean Goedecke): In many software engineering environments, there’s nothing wrong with being in a state of partial understanding. In fact, in large systems a partial understanding is the best you can do.