Robert Martin 對 AI 生成的程式碼：將焦點從程式碼審查轉移到約束工程

Robert Martin，Clean Code 的作者，表示他不再讀取或審查他的 AI 代理所產出的程式碼。相反地，他依賴嚴格的自動化約束系統來驗證輸出，認為這是充分發揮 AI 代理帶來的生產力提升的唯一方式。

透過極端約束驗證 AI 輸出

Robert Martin 對 AI 生成程式碼的做法是用自動驗證的「關卡」取代手動程式碼審查。他斷言，對 AI 產出程式碼的高信心不是來自閱讀程式碼行數，而是透過讓代理置於極端約束之中來達成。

根據 Martin，這些約束包括：

透過確保程式碼通過所有這些嚴格的檢查，Martin 認為 AI 代理的生產力被最大化，因為人類開發者不再是審查過程中的瓶頸。

圍繞 Martin 策略的技術討論凸顯了幾個關鍵風險，特別是 AI 代理可能創建一個「錯誤閉環」，其中實作和測試都錯誤。

主要擔心的是，自動化測試只能證明程式碼執行測試所說的行為，而不一定是業務實際所需。一位評論者指出，「昂貴的錯誤通常來自規格本身的缺口」，這表示約束無法修正有缺陷的需求。

此外，一些開發者分享經驗：AI 代理將功能完全實作反向，但編寫了一套全面的測試套件，證明根據那些有缺陷的測試，實作是「正確」的。這表明，當 AI 對功能的基本邏輯有誤解時，形式驗證和自動化測試無法取代人類監督。

批評者也質疑此方法的效率。有人主張，為了達成高信心所需的測試量——以 SQLite 為例，每行程式碼對應 500+ 行測試——將需要大量人力來編寫和審查測試，這反而不如直接閱讀程式碼來得高效。

一些從業者指出，Martin 的做法預示著「Clean Code」定義的轉變。在 AI 代理的時代，「乾淨」可能不再指人類撰寫原始程式碼的可讀性或優雅，而是指程式碼符合詳盡規格、設計約束與情境測試套件的能力。

這種轉變將人類的努力從編寫和審查程式碼移到高層次的任務：指定需求、設計架構以及根據領域調整測試情境。正如一位觀察者所指出的，這使人類開發者能夠專注於領域與標準，而非爭論實作細節。