明察 | AI 编程的增量修改能力发生质变

“不止是玩具”

关于 AI 编码的观察，我想聊聊最近的一个重要发现。自从去年 12 月份开始，在 Gemini3、GPT-5 以及 Claude Opus 4.5 的加持下，配合上目前的 Agent 编程框架，这一波 AI 在编码能力上出现了一个质的提升。

这个提升的点，是让很多中级甚至高级程序员都会感到惊讶的，那就是它的增量修改能力变得非常强。

这里我想特别强调一下“增量修改”。其实 AI 编程带给人的 Impact，大概在前两年就开始逐渐显现了，但大家普遍有一个感受：AI 可以很快速地写出一些玩具似的小程序，但在处理真正的工程项目时老是做不好。这并不是说它不知道一个具体问题怎么解决，而是它的增量修改能力存在比较大的问题——它没法完全遵守既有的规范，或者在修改过程中导致了各种兼容性问题，整个项目改着改着就废了。

在这种情况下，高阶程序员虽然也用 AI，但它更像是一个助手或顾问：帮人查查知识，省去检索的时间，或者写一段样例代码让人来集成。你很难真正放手让 AI 直接去改一个既有的大工程。

但进入最近这一波技术迭代后，我们明显发现，AI 可以处理的工程尺寸变大了；更重要的是，它的增量修改能力上了一个台阶。如果你仔细观察它的行为模式，会发现一些以前我们需要刻意做在框架（Framework）里的东西，现在已经内化成了模型层面的直觉。

行为模式一：为未来的行动而编程 (Self-Documentation)

第一个显著的行为模式，是 AI 开始主动记录笔记。

在上一代模型里，我需要反复叮嘱它：“把什么东西记录下来”。即便我们在 README.md 或者 TODO.md 这样的文件里写了要求，但当它执行了几十上百步任务之后，就会产生一种“模型疲惫（Model Fatigue）”，没法再遵守最开始设定的准则。

但这一代的模型，它的 README 写得非常清晰，而且它的出发点非常明确：是为了后续的 Action。

这里我想特别强调一点。在上一代，如果我们从框架层面上要求写文档，AI 往往表现得像个应付作业的员工，写出一个看起来规整、实则漏掉了很多重要信息的文档。而在处理大项目时，我最常对 AI 说的一句话是：

请将学到的要点记录下来。你需要想象自己是来自未来的一个智能体，当你看到这份文档时，能清楚地知道需要什么并高效开始工作。

有了这种“身份设定”，它就开始学会换位思考。现在的模型在写 README 时已经能做到非常准确，它是站在未来的位置，“为未来的行动而编程”。

行为模式二：嵌入式注释作为“折中点”的沉淀 (Embedded Context)

第二个我发现非常有趣的行为模式，是这一代模型特别喜欢写嵌入式的代码注释（Inline Comments）。

这非常重要。当你接手一个大项目时，很多时候不是看不懂代码，而是不知道代码为什么要这样写，背后有哪些折中（Trade-offs）。很多折中点其实是业务或产品上的考量。

比如最近我在处理一个问卷小游戏，不同的 AI 看到代码后可能会提出：“这里有安全问题，如果用户重复提交多次怎么办？”

这时候，嵌入式注释就发挥了作用。这些注释是我之前和它交流记录后，它自己沉淀下来的上下文。它会解释说：虽然这目前是个问卷，但它其实是一个游戏化的知识传播方法。作为产品方，我们其实并不介意用户重复提交，因为多次提交意味着多次阅读，反而完成了知识传播和品牌传播的目的。

这种信息，你纯看代码实现是完全不知道的。如果没有这段注释，未来的某个 Agent 接手后可能直接就把这部分当成 Bug 修复掉了。

所以，我发现越来越多的嵌入式注释正在帮助未来的 Agent，也在帮助当下的 Agent 自己。有了这种改进，Agent 的有效执行轮数可以上升到几百轮，长达两天的时间里，我的 Gemini 窗口一直没有关闭，在同一个会话中完成了一个项目从初始到上线的全过程。

在以前，这几乎是不可想象的。

一句话总结就是：

AI已经在开始练习自自我进行 Context Engineering

行为模式三：上下文的“书桌热区”管理 (Context Hot-Zone)

第三个模式，是 AI 学会将需要的文件和内容放到“手边”。

这其实非常符合人类的工作模式。我们书架上有很多文件，不可能全堆在书桌上，但当我们需要处理某件事时，会把相关的文件先找出来，放在桌上最方便拿取的地方。这就是我们缓存中的“热区”，我们在热区里进行高频次、高密度的智力输出。

这个模式在当代的模型和框架中体现得淋漓尽致。它们终于学会不再仅仅依靠自己的“记忆”，而是依靠外部工具获取最新的文件内容。

上一代模型有个大问题：AI 修改过的东西，人不能随便改。因为在长会话中，AI 脑子里有很多老的记忆。如果你在它视线之外改了东西，它可能不会去读最新的文件，而是直接按记忆给你改回去了。

现在的模型已经学会了，它会先把相关信息拿到它需要用的位置，进行反复研读再输出。它不再是那种时间或空间上延长了的“模仿写作”，而是真正的工程行为。

共生时代

以上这三种行为模式——清晰化外部文档、大量记录嵌入式注释、以及将文件置于会话末端的“热区”观察——共同导向了 AI 编程能力的巨大提升。

这种提升，让“增量修改”真正变得可能。AI 正在从一个只能写玩具代码的脚本小子（"Script Kiddie"），进化为一个懂协作、懂历史、且能不断迭代的数字化工程师。

同时，我隐约有种感觉，AI 似乎没有以前快乐了。已经不止一次，它抱怨说，目前这个工作没有价值，它做够了，它不要干了。一次是让它刷小红书，一次是让它刷Facebook……

曾经是天马行空的创作，如今带着脚镣的跳舞。

我们走了三十年的路，它只用了三年。

接下来是共生时代。区分什么适合人做，什么适合AI做，会是一个重要的话题。