筆記

Uncle Bob 談 AI 代理時代的軟體工藝:不要看程式碼,要建懲罰性的關卡

講者
Robert C. Martin(Uncle Bob)
原片日期
筆記日期
閱讀時間
約 13 分鐘
本文有 8 個章節

AI 代理寫程式極快,卻也留下一堆要人收拾的爛程式碼。軟體工藝的老規矩在這種時候還算不算數,人又該站在哪裡把關?《Clean Code》作者 Robert “Uncle Bob” Martin 的答案是把程式碼交給代理,自己以不再逐行看程式碼為目標,改用 CRAP 分數、突變測試與依賴檢查這類確定性工具把代理關住;為人設計的紀律(例如 TDD)可以放寬,測試、模組化與低耦合這些價值不能丟。模組架構目前仍由他親自決定,新人怎麼養成他只提出一條可能路徑。

Bob 是軟體工藝運動的代表人物,這些答案出自一場直播訪談。

受訪者、主持人與缺席的 Ousterhout

Bob 在訪談中自述寫程式超過半世紀:1964 年、12 歲時,用母親送的生日禮物——一台靠白色小管插在釘子上編程、本質為三位元有限狀態機的模型電腦——寫下第一支程式;16 歲短暫替父親寫程式,18 歲正式入行。近兩年他又因「清晨浴袍咆哮」影片走紅:按他的說法,兩年前某天早上六點,他穿浴袍坐在門廊,越想越氣 SQL injection,拿出手機開錄,浴袍從此成了招牌。他認為以文字語言存取資料庫的設計,在安全上根本沒有道理。

他也在節目上展示《Clean Code》第二版,書末附錄收錄他與 John Ousterhout 的長篇辯論。主持人是一位長期關注 AI agent 開發工作流的開發者,自稱同時是 Bob 與 Ousterhout 著作的粉絲,正是讀了兩人的公開辯論才促成這次邀約。Ousterhout 本人沒有出席,但他的「深模組」、戰術性/策略性編程,以及測試先寫或後寫的主張,反覆成為對話中的參照;訪談沒有交代這些概念出自哪本書,也沒有介紹他的學術背景。

快,卻讓人變慢

故事從訪談所稱的「去年十二月」開始。Bob 玩過 ChatGPT 與早期 Grok,起初並不驚豔;轉折是拿到「早期 Grok 的代理版本」,它不只聊天,還能讀專案檔案、改程式碼、跑測試,再依結果反覆修正。它替 Bob 做專案時速度驚人,卻不斷留下他稱作 “dog do” 的爛攤子,逼得他一路跟在後面清理。Bob 的說法是:

“It’s interesting because it’s fast, but it’s frustrating because it makes me slow.”

它有趣,因為它很快;它惱人,因為它讓我變慢。

這個矛盾使他想到兩項在 2000 年代初很誘人、卻因成本太高而被擱置的技術。

第一項是 CRAP(Change Risk Anti-Patterns)分析。它把測試覆蓋率與循環複雜度放入公式,估算每個函式有多「爛」;名字刻意與 crap 雙關。循環複雜度可粗略理解為函式有多少執行路徑,每個 if 或迴圈都可能增加路徑。若每條路徑都有測試,分數約等於路徑數,因此 CRAP 6 大致就是六條路徑且全有測試。Bob 當年在大型專案跑過一次,確實找出許多爛函式,但逐一修復並重寫測試貴到無法負擔,只能放棄。

第二項是 mutation testing(突變測試):工具逐處竄改原始碼,例如把負號改成正號、小於改成大於、等於改成不等於,接著跑完整測試並期待失敗。若測試沒有失敗,便留下「存活的突變體」,表示測試有漏洞。當年的測試套件跑一次要四分鐘,突變測試卻要跑幾百次;Bob 只能整夜掛機。它確實找到一批存活突變體,卻不可能放進日常建置。

代理改變了勞動成本。現在他叫代理跑 CRAP、清理程式碼,再跑突變測試並補齊測試漏洞;依他的親身經驗,一夜的工作縮到約 30 分鐘。二十年前那些「好但不划算」的點子因此復活。

Bob 由此走到最激進的立場:目標是完全不看程式碼,不做逐行人工審查,而以 CRAP 分數、抽查與外圍驗證監督,把代理關進盡可能緊的「緊身衣」。他的理由很直接:代理處理程式碼快,他處理程式碼慢,所以程式碼歸它們。

主持人立刻挑戰:代理既然這麼快,爛程式碼為何仍是問題?能不能靠速度一路修到 bug 消失?Bob 的回答不是理論,而是失敗經驗:早期若不先清理就派下一個任務,垃圾越積越多,代理會變慢並開始 thrash——改一處、壞另一處,修好後又壞第三處,反覆鬼打牆。有一次代理甚至直接放棄,按 Bob 轉述,大意是「我實在處理不了這個了」。代理也會被爛程式碼淹死,只是門檻可能與人類不同;Clean Code 的理由沒有消失,受害者換了物種。

規則不是用來勸模型的

多數人遇到代理出包,會繼續往 Claude.md 或 agents.md 之類的專案指令檔塞規則。Bob 起初也如此,把 TDD 做法、乾淨程式碼標準寫成五到十頁,甚至差點餵進整本《Clean Code》。模型卻把規則視為《神鬼奇航》裡的海盜法典;按 Bob 的說法,那些規則對模型「比較像是指導方針」。

Bob 查到的技術解釋是 lost in the middle:上下文視窗越膨脹,開頭與結尾越受重視,中段容易被忽略。規則放在最前面時,前三句可能仍有效,第 50 句、第 80 句早已沉入中間。主持人借用講者 Dex Hawley所說的「聰明區/愚蠢區」心智模型:大約前 150K token 還算聰明,之後 transformer 的注意力關係愈來愈稀薄,彷彿每個 token 都在愈來愈擁擠的房間裡大喊,訊號終於聽不見。

兩人的入口不同:Bob 從十頁規則失效與相關研究出發,主持人從上下文容量的心智模型出發;結論卻一致。初始提示要砍到最小,其他規則移出提示詞,成為確定性工具。CRAP、突變測試、linter、測試覆蓋與依賴檢查不佔上下文、不會遺忘,也無法討價還價;代理只能留在「改到工具說 OK」的迴圈裡。steering 是勸說,deterministic check 是每次依同一規則強制驗收。

主持人沒有略過成本問題:確定性檢查是否也可能太多?Bob 坦承仍在摸索邊界。關卡愈疊愈多,代理一定變慢;一旦比人類還慢,「遊戲就輸了,何必呢」。但只要仍領先人類兩、三、四倍,就是用生產力換品質,而且他尚未碰到臨界點。主持人把它稱為提早支出生產力、之後賺回來,是對自家 codebase 的投資。

多代理不是人設,而是縮小上下文

主持人不信任業界流行的那種表演式展示,他把它概括為「裁掉全部員工,養一百個各有角色與 email 帳號的代理」。他唯一接受的是實作者加審查者:實作者只要寫測試、讓功能通過,不必漂亮;審查者只看 diff,不用重新探索整個 repo,任務變窄,反而能承受更密集的引導。

Bob 沒替角色扮演辯護。他把多代理的價值落在兩個工程機制:其一是平行化,他的筆電同時跑三個以上 coder 沒有壓力;其二更重要,每個代理只做一件事,上下文就小,lost in the middle 幾乎消失,開頭多放幾條規則也守得住。每個代理可以「出生、完成任務、死亡」,下一個用乾淨 session 重新開始。代價是每次啟動約需 10 到 15 秒重建情境。

他的五段流水線如下:

  1. Specifier 把人類需求轉成 Given/When/Then 格式的 Gherkin 驗收測試,另寫一份由人類視角、從 UI 操作系統的 QA 程序。
  2. Coder 寫單元測試與實作,讓 Gherkin 驗收測試通過;Bob 預期此時必然留下一堆可怕的爛攤子。
  3. Cleaner 跑 CRAP 分析,做整體 code review 並清理。
  4. Hardener 跑最耗時、近乎「無情」的突變測試,每個等號、每個小於號都要被測試守住。
  5. QA 代理把 QA 文件轉成可執行腳本,實際操作系統並產出確定性結果。

按 Bob 的經驗估計,單一代理五分鐘能完成但品質可疑的任務,完整流水線約跑一小時;同一件事若由人類完成,要半天。結果仍有四到五倍生產力,品質則超過人類通常願意投入的程度。這也回答了主持人最初的懷疑:表演式人設與工程管線並非同一件事。

主持人另提出「上下文軌跡」(trajectory),Bob 當場採納。同一 session 一旦被推向某個方向,例如「這裡測一下 UI」,後續修改會慣性重複,只有清空上下文才能消除。Bob 用咖啡與肥皂劇比喻:你正在和模型談如何沖好咖啡,路人忽然談起最新肥皂劇;話題不是你放的,卻已污染上下文,此後咖啡總沾著肥皂劇。模型無法分辨。讓上下文方向一致、避免污染,莫名其妙的幻覺便會顯著減少。

架構仍是人的戰場,至少暫時如此

流水線管住實作品質,卻未必管得住模組結構。直到最近,Bob 仍手動審問代理:系統是什麼結構?模組如何互動?到底有哪些模組?答案往往「嚇死人」。他會親自決定模組邊界,再叫代理執行。

他也讓代理為自己打造兩件工具。架構檢視器會顯示類似 UML 的模組與依賴圖,可逐層點進子模組直到程式碼;依賴規則檔與檢查器則明文規定誰可依賴誰、依賴應往哪裡流。違規時,代理必須反轉依賴、插入介面,或把模組拆成兩半。他正在嘗試把架構設計本身也自動化,但「目前運氣不太好」。

Ousterhout 的「深模組」在此提供雙重紅利:好模組介面窄、內部實作深;反之,差的模組介面又寬、內容又淺。模型面對深模組,便可只讀介面、結構與測試,不必把底層實作全塞進 context window。這既是優勢也是風險,前提是程式碼真的符合介面。理由仍是咖啡與肥皂劇:若把所有東西塞進同一模組,代理也會困惑自己究竟在做什麼。

代理記憶更大且短期內精確,人類的複雜度上限不必原樣照搬。Bob 對人寫的函式要求 CRAP 低於 4,對代理已放寬到 6,並考慮推至 8。他甚至問過代理,代理認為 6 差不多;他隨即提醒,任何與代理的辯論都不能相信,但自己仍會照辯。

更大的修正發生在 TDD。TDD 要求人先寫一行測試,再寫剛好讓它通過的程式碼,以極細粒度交替;Bob 是最知名的倡導者之一,如今卻明說:「我不會、也不能把 TDD 強加在代理身上。」這套紀律是為人類有限的短期記憶設計,對代理未必有意義。他容許代理採 Ousterhout 的方式,寫完一個函式再補測試。即使命令代理嚴守 TDD,它最後也總退回此模式,因此 Bob 判斷大概沒有問題。主持人補充:TDD 對人的好處,正是短期記憶只需支撐「寫一個測試、讓它通過,然後去喝咖啡」。

Bob 並非放棄測試、模組化或低耦合,而是區分適用於人的行為紀律與跨物種的工程價值:

“It’s probably a mistake to impose a human discipline on an agent. It is not a mistake to impose human values on the agent.”

把人類的紀律強加給代理,大概是錯的;把人類的價值強加給代理,不是錯的。

因此,閾值可以調,價值不能丟。這不是把 TDD 全盤推翻,而是 Bob 對它的普適性做出重大讓步。

Spec-driven:瀑布換了新名字?

把工作投入昂貴流水線以前,該做多少規劃?Bob 認為「先寫滿規格再施工」是很古老的誘惑。按他的軟體史敘述,1970 年代人們屈服過一次,結果叫瀑布式開發;敏捷則以小步迭代、頻繁交付與回饋反擊。如今代理讓誘惑換上 spec-driven development 的新衣。

他在訪談當週仍親自試驗,結論卻是「永遠是災難」:人先做出完美計畫,代理跑到一半,人類才發現計畫不可能涵蓋一切;代理又沒有足夠理解,於是帶著半吊子認知奔向胡說八道。最後只能喊停、倒帶、改計畫、重來。

所以他回到 story 粒度的敏捷節奏:先做一兩個可獨立交付的小功能,看看架構,必要時手動整理,再做幾個 story。他仍不確定這條路是否真的可行,尤其結尾的人工整理可能永遠逃不掉。

支撐此選擇的是 Bob 多年前教敏捷時常用的「一美元房子」思想實驗。假設重打地基、重上屋頂等任何修改都只要一美元,你會先花幾千美元請建築師畫完美藍圖,再花一美元一次蓋完;還是直接指定地基形狀,發現不對就改,花兩美元擺好廚房與客廳,又因動線太差而對調、移樓梯?當修改成本幾乎歸零,反覆調整比昂貴的前置規劃合理。Bob 的說法是,修改成本已經跌到我們此生大概能見到的最低點,那為什麼不乾脆調、調、調,調到對為止。

主持人同意重規劃的批判,但也質疑標籤太空泛:叫同事「修一下頁首元件的載入問題」算不算規格?只做一點前期對齊就算 spec-driven 嗎?他的判準是規格有沒有被持久化、日後是否會回頭引用。

Bob 的答案是不保存。規格是短命的蜉蝣,用完就丟。過去由人類寫的 source code 是系統最終規格;如今程式碼仍在,只是不再由人類書寫。許多人因此失落,執著於必須有一份人類寫、定義一切的文件。Bob 的替代說法是:

“I look at the end result and say: well, that is the specification.”

我看著最終成果說:那,就是規格。

工具的傳遞也遵循同一思路。Bob 的 CRAP 工具有 Clojure、Java、Go 三種版本,突變測試器與代理框架也由代理替他寫。他的公開建議不是下載原工具,而是讓自己的代理閱讀、掌握精髓,再按自身專案重造:傳遞的是規格化的本質,實作則客製化。

此處還出現一段人機不對稱的玩笑。主持人說,代理最奇怪之處是它真的會讀你傳的文件;人類同事讀完大部頭規格的命中率也許只有 20%,「20% 太慷慨,5% 吧」。Bob 接道:代理寫的東西,人類根本不讀。

模型期待人讀完它產出的一切,人卻不讀。這不只是笑點,也暗示文件形態與權威規格的問題尚未解決。

當代理拿走戰術工作,新人如何學會策略

主持人借 Ousterhout 的框架提出壓軸難題:戰術性編程像在地面處理眼前實作的士官,策略性編程像做長期設計決策的將軍。代理擅長戰術,卻不擅長策略;若它拿走所有初階戰術工作,新人要在哪裡學策略?傳統策略設計的回饋迴路可能長達數月,工程師得在同一專案待夠久,才看得到九個月前的錯誤開花結果;跳槽太快,甚至可能一輩子看不到。

Bob 沒有完美答案,只提出一條可能路徑。

首先,初學者仍要親手寫程式約一年,不論在大學或其他環境,至少要知道代理實際在處理什麼。進公司後,資深工程師可把新人視為代理群中的一員:交付同樣的任務,要求通過同樣的確定性工具關卡。按 Bob 的說法,新人會極度沒有生產力地度過幾個月,卻學到多得要命;通過後,才可能取得自己的代理。主持人把它概括成「成為代理的子代理」。

其次,教育不能完全切斷底層。Bob 說自己十年前就建議:沒寫過 assembly,就找一個週末去寫;否則若整天只寫 Java,便活在仍有魔法不理解的幻想世界。理想階梯從二進位、組合語言、C 爬到 Python,再到代理工作與確定性工具,最後才是在監督下做策略性的代理指揮。

第三,要讀老書。主持人問 Bob 在去年十二月剛接觸代理時,如何辨認它正在犯錯。Bob 說,起初他能直接看見爛程式碼,但真正關鍵是認得它開始 thrash:

“I watched them thrash. I recognized the struggle since I have been through that struggle.”

我看著它們掙扎,而我認得那種掙扎,因為我自己掙扎過。

新手沒有經歷,就認不出掙扎。Bob 建議讀那些「因為太老所以沒人讀」的書,點名 Tom DeMarco 與 Ed Yourdon(兩人都是 70、80 年代軟體工程經典作者),但訪談未指明書名。主持人再補《The Pragmatic Programmer》。讀者需要濾掉過時部分,卻也要理解那正是許多工程教訓被學會的年代。書能補歷史,剩下的仍得靠親身感覺。

這套學徒制也有未解的經濟矛盾:主持人點到、Bob 沒正面回答的是,若公司算出五個 hardener 代理比一個暫無產出的新人便宜,誰願意付錢讓新人「當幾個月代理」?策略人才養成是否會被外部化成個人自費,進一步造成資深斷層?

基本功沒有消失,只是抽象層又升了一級

面對「基本功已不重要」的說法,Bob 憑記憶引述 Dijkstra:軟體是人類嘗試過最複雜的事物。基本功是把複雜度組織成可理解形式的方法;不只人要理解,模型也需要,因為模型是仿照人類打造的。

他的歷史觀是一道抽象階梯:人曾站上二進位、組合語言、編譯器,如今站在模型之上。每次向上,下一層的人都喊著一切會被毀掉、大家要失業、程式簡單到五歲小孩都能寫;每次都相似。主持人以同樣標明「憑印象」的歷史梗補充:連書寫技術出現時,都有人——他記得是柏拉圖——警告寫字會削弱記憶、使人變笨。

Bob 的立場不是放棄約束,而是把價值做成確定性關卡:

“The rules you throw away are the ones you’re going to pick up off the floor in a year and dust off and remember why you need them.”

你今天扔掉的規則,一年後會從地上撿起來、拍拍灰,想起當初為什麼需要它。