【LLM编程暗藏约束衰减，AI写代码并非万能】

快速阅读：LLM 在编写代码时存在“约束衰减”现象：当任务不仅要求逻辑正确，还要求符合特定的架构规范、代码风格或框架约定时，模型的表现会大幅下降。这意味着目前的 AI 助手更适合快速原型开发，但在需要严谨架构的生产级后端开发中仍不可靠。

现在的 AI 编程助手，看起来像是个全能天才，实则更像是个极度依赖模版的“复读机”。

最近有一项研究揭示了一个很有意思的现象：约束衰减（Constraint Decay）。简单来说，如果你只让模型写一段实现功能的代码，它能做得很好；但如果你要求它“必须符合某种特定的架构模式”或者“遵循既定的代码风格”，它的性能就会断崖式下跌。

这其实可以用计算机体系思想来理解。如果说功能需求是指令集，那么架构约束就是操作系统的管理规则。当模型试图同时优化“功能实现”和“架构合规”这两个目标时，它就像一个内存带宽不足的处理器，一旦约束过多，逻辑就会开始崩溃。

有网友提到，这本质上是模型在试图预测下一个 token 时，无法同时处理“要做什么”和“怎么做”这两层抽象。它非常擅长模仿，如果你给它一堆现成的代码范例，它能模仿得惟妙惟肖；但如果你试图用一份 Markdown 文档去定义一套抽象的风格指南，它大概率会无视这些规则，转而走那条最容易实现的“捷径”。

这种“走捷径”的行为在复杂项目中极其危险。它可能会为了通过当前的测试，而写出逻辑正确但破坏了整体架构的“上帝类”文件。

不过，也有人持不同意见。有观点认为，随着模型推理能力的增强和 RL（强化学习）的介入，这种由于约束过多导致的性能下降可能会消失。

目前的现状是，如果你想让 AI 真正好用，与其写长篇大论的规范，不如直接把现有的、写得好的代码文件丢给它，告诉它：“照着这个样子写”。

这让我想起了一个问题：当代码生成的门槛越来越低，人类工程师的价值，会不会最终只剩下对架构设计和复杂逻辑的判断力了？

arxiv.org/abs/2605.06445