簡而言之：AI 代理可以產生通過測試且看起來熟悉的程式碼，但最後 10% 的理解、審查和維護卻變得不可能。透過運用 Rich Hickey 在「Simple Made Easy」演講中提出的原則，我們的團隊限制了我們的架構，只留下一種解決每個問題的方法，從而使 AI 生成的程式碼易於審查和維護。
兩個月前，YouTube 的推薦演算法為我提供了 Rich Hickey 的 2011 QCon 演講「 Simple Made Easy 」。
我們都經歷過人工智慧編碼代理的這種情況，我現在稱之為人工智慧 90/10 問題：代理可以產生語法正確、測試通過的程式碼，讓我們以極快的速度完成 90% 的任務，但最後的 10%，即人類必須理解、審查和維護程式碼的部分，變得不可能。
正如希基所說：「我們只能希望使那些我們理解的事物變得可靠。」而且通常存在一個權衡：當改進一個系統以使其更具可擴展性和動態性時，它可能會變得更難理解和判斷它是否正確。
人工智慧的 90/10 問題：速度為何會成為阻礙
AI代理是優化機器，傾向於在生成過程中選擇阻力最小的路徑，而不是在審查過程中選擇阻力最小的路徑。
當 AI 代理程式產生程式碼時，它會針對以下方面進行最佳化：
✅ 語法正確性
✅ 測驗段落
✅ 熟悉的模式
✅ 只需極少的提示
但你必須使用針對以下方面進行最佳化的程式碼：
❌ 人類的理解
❌ 改變速度
❌可除錯性
❌長期維護
這就產生了一個真正的問題：人工智慧代理產生程式碼的速度越快，團隊審查程式碼的速度就越慢。
根本原因：我們沒有用架構來約束我們的人工智慧。我們為它提供了無數種方法來解決每個問題，然後卻想知道為什麼它選擇了最複雜的路徑。
簡單 vs. 輕鬆：人工智慧友善架構的基礎
Hickey 的核心差異改變了我對 Agent 生成程式碼的看法：
簡單：「一折，一辮，一扭」。指不交織或編織在一起的事物。簡單是客觀的，你可以數出辮子的數量。正如希基所解釋的，“簡單”的詞根是“sim”和“plex”，意思是“一扭”——與“複雜”相反，後者的意思是“多重扭動”或“編織在一起”。
簡單：「近在咫尺，附近」。指熟悉的事物，你工具箱裡已有的，與你現有技能相近的事物。簡單是相對的，對你來說容易的事情，對我來說可能很難。 「簡單」的拉丁文詞源與「相鄰」有關，意為「靠近」和「在附近」。
人工智慧傾向於選擇簡單而不是簡單，因為它優化的是生成速度，而不是維護清晰度。
我的智能體生成的模式很熟悉（很簡單），但卻製造了錯綜複雜、錯綜複雜的局面（並不簡單）。解決方案不是讓智能體更智能，而是讓我們的架構更具約束力。
可維護的程式碼具有一個定義特徵：非常容易審查。
當只有一種方法來解決問題時，審查就變成了模式匹配，而不是考古。
五項原則：希基的藍圖
從演講中，我提煉出了五個核心原則，它們成為了我的軟體的架構限制：
原則一：避免完成
「Complect 的意思是交織、纏繞、編織。Complex 的意思是編織在一起、折疊在一起。Simple 的意思是折疊一次、編織一次、扭轉一次。”
複雜化是指將簡單的元件交織成複雜的結。每當你將兩個概念複雜化，你就失去了獨立推理它們的能力。正如 Hickey 所說：“複雜化會導致糟糕的軟體。”
🚀嘗試 AI Shell
>
您的智能編碼伴侶可無縫整合到您的工作流程中。
原則 2：將狀態與價值分離
“狀態完成價值和時間。”
當你將某物是什麼（價值）與其何時發生變化（時間）混合在一起時，你就會創造出無法單獨推理的產物。
原則 3：資料就是資料，不是物件
“訊息很簡單。你對訊息唯一能做的事情就是毀掉它。”
物件包含狀態、身分和值。它們將資訊隱藏在方法和封裝之後，使得無法對資料進行通用操作。
原則 4：函數優於方法
“方法包括功能和狀態、命名空間。”
方法將其依賴項隱藏在所附加的物件中。純函數則將所有相依性明確化。正如 Hickey 所解釋的，方法將函數邏輯與物件狀態和命名空間問題交織在一起。
原則 5：組合優於繼承
“繼承使類型完整。它說這兩種類型是完整的，這就是它的意思。”
當你繼承時，你就是在說這些類型被編織在一起了。組合可以讓你組合各種功能，而無需將它們完全合併。
讓建築更具約束力：一種獲勝方式
解決方案並非讓AI更智能，而是讓架構更具約束性。我們的團隊設計系統時，並沒有為AI Agent提供數千種實作功能的方法，而是只留下一個顯而易見的方法。
這種方法改變了人工智慧生成問題：當只有一個有效模式可遵循時，人工智慧自然會產生可維護的程式碼，因為它別無選擇。
以下是我們團隊將每個原則轉化為架構約束的方法：
限制 1：不可變資料，零異常
將狀態與值分離。所有領域實體都是不可變的。當只有一種改變狀態的方式（傳回一個新值）時，AI 無法產生隱藏的、使審核複雜化的突變。
約束2：資料與行為分離
資料就是資料，而非物件。資料結構只包含資料。行為存在於無狀態服務中。
限制 3：顯式錯誤上下文，無異常
避免過度糾結。每個錯誤都必須完整地說明哪裡出了問題以及在哪裡出錯。當錯誤明確且與上下文相關時，代理不能容忍失敗，也不能建立掩蓋問題的通用錯誤處理機制。
約束 4：純函數優於方法
函數優先於方法。業務邏輯必須是具有明確依賴關係的純函數。當所有依賴關係都明確時，AI 就無法將複雜性隱藏在物件狀態或方法鏈中。
約束 5：組合優於繼承
組合優於繼承。能力透過聚焦特質進行組合，而非繼承。當類型組合而非繼承時，AI 無法建立包含無關關注點的層次結構。
Hickey 的建議很明確：「把佇列放進去。佇列是解決這個問題的正確方法。」他強調，佇列透過將「何時」與「何地」分離來幫助解耦元件，從而避免了物件之間直接連接帶來的複雜性。
服務之間的協調只能透過事件佇列進行。當服務無法直接相互呼叫時，AI 就無法建立時間耦合，導致系統無法推理。
約束如何教導人工智慧更好的模式
有趣的是，我們的架構限制不僅加快了程式碼審查速度，還能主動教導我們的代理人產生更優的程式碼。每次代理看到我們的模式，它都會學習並將其加入到記憶體中。在Forge中，我們稱之為自訂規則。其他代理則稱為記憶體、規則等。
-
關注點分離可防止功能糾纏
-
顯式依賴使測試變得簡單
-
不可變資料消除了所有類型的錯誤
-
純函數的組成是可預測的
-
資料即資料支援通用操作
人工智慧已經透過自訂規則/記憶將我們的約束內化。
如果您遇到了 AI 90/10 問題，以下是我們了解到的資訊：
1. 限制生成，不引導評論
不要試圖教你的人工智慧產生更好的程式碼。設計架構應該會讓糟糕的程式碼無法表達。
2. 獲勝之道
對於你的AI可能遇到的每一個問題，都應該只有一個顯而易見的方法來解決它。多種有效的方法會增加審核的複雜性。
3. 好的程式碼 = 可審查的程式碼
對於人工智慧生成的程式碼來說，唯一重要指標是：“人類能多快驗證它是否正確？”
4. 透過結構進行教學
你的AI從程式碼結構學習的程度遠高於系統提示。確保你的架構能夠反映你想要複製的限制。
結果：限制創造自由
我們實施的架構約束需要前期成本，但報酬卻非常豐厚：
-
審查速度加快：過去需要幾個小時才能完成的工作現在只需幾分鐘的模式匹配
-
加速入職：新團隊成員可以立即做出貢獻，因為每個問題只有一種方法可以解決
-
人工智慧學習得到改進：我們的代理商開始產生更好的程式碼，因為我們的架構教會了他們良好的模式
結論：解決 90/10 問題
AI 90/10 問題不是目前 AI 代理的限制，而是架構設計的失敗。
當您的架構透過設計約束 AI 行為時，AI 將成為您建立可維護軟體的合作夥伴，而不是您製造技術債的對手。
在人工智慧時代，獲勝的團隊不會是那些擁有最複雜人工智慧代理商的團隊，而是那些擁有最具約束力的架構的團隊。
好的程式碼有一個顯著的特徵：易於審查。當你設計約束條件，讓每個問題都只剩下一種解決方法時，審查就變成了模式匹配，而不是考古。
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式