简单至上：使 AI 生成代码易于维护的架构约束

简而言之：人工智能代理可以生成通过测试且看起来熟悉的代码，但最后10%的理解、审查和维护工作却变得异常困难。通过应用Rich Hickey在其演讲“化繁为简”中提出的原则，我们的团队将架构限制为每个问题只保留一种解决方案，从而使人工智能生成的代码易于审查和维护。

两个月前，YouTube 的推荐算法向我推荐了 Rich Hickey 在 2011 年 QCon 大会上的演讲“简单易学”。

我们都经历过人工智能编码代理的这个问题，我现在称之为人工智能 90/10 问题：代理可以生成语法正确、通过测试的代码，让我们以惊人的速度完成 90% 的工作，但剩下的 10%，也就是人类必须理解、审查和维护代码的部分，却变得不可能完成。

GIF

正如希基所说：“我们只能希望把我们理解的事物变得可靠。”而且通常情况下，这其中存在权衡：当一个系统不断发展以使其更具可扩展性和动态性时，理解它并判断其是否正确可能会变得更加困难。

人工智能90/10难题：为什么速度会变成瘫痪

GIF

AI 代理是优化机器，在生成过程中倾向于选择阻力最小的路径，而不是在审查过程中选择阻力最小的路径。

AI代理生成代码时，会针对以下方面进行优化：

✅ 语法正确性
✅ 测试文章
✅ 熟悉的句型模式
✅ 只需少量提示

但你必须接受针对以下情况优化的代码：

❌ 人类理解能力
❌ 变更速度
❌ 可调试性
❌ 长期维护

这就造成了一个实际问题：人工智能代理生成代码的速度越快，团队审查代码的速度就越慢。

根本原因在于：我们没有用架构来约束人工智能。我们给了它无数种解决问题的方法，然后又纳闷它为什么会选择最复杂的路径。

简单与易用：人工智能友好型架构的基础

Hickey 的核心观点改变了我对 Agent 生成代码的看法：

简单：“一折，一编，一扭。”指事物之间没有交错或编织在一起。简单是客观的，你可以数出辫子的数目。正如希基解释的那样，“简单”一词的词根是“sim”和“plex”，意思是“一扭”，与“复杂”相反，“复杂”指的是“多扭”或“编织在一起”。

简单：“触手可及，近在咫尺。”指熟悉的事物，你已有的工具，与你目前的技能相符。简单是相对的，对你来说容易的事，对我来说可能很难。“简单”一词源于拉丁语，与“邻近”有关，意为“靠近”和“在附近”。

人工智能倾向于选择容易的方案而不是简单的方案，因为它优化的是生成速度，而不是维护清晰度。

我的智能体生成的是一些熟悉的模式（简单），却造成了错综复杂、环环相扣的局面（并不简单）。解决方案并非让智能体更智能，而是让我们的架构更具约束性。

可维护的代码有一个显著特点：非常容易审查。

当解决问题只有一种方法时，审查就变成了模式匹配，而不是考古学。

五项原则：希基的蓝图

从演讲中，我提炼出了五个核心原则，这些原则成为了我软件架构的约束条件：

原则一：避免冲突

“Complect”的意思是交织、缠绕、编织。“Complex”的意思是编织在一起、折叠在一起。“Simple”的意思是一次折叠、一次编织、一次扭转。

混淆是指将简单的组成部分交织在一起，形成复杂的关系。每次混淆两个概念，你就会失去独立思考它们的能力。正如希基所指出的：“混淆会导致糟糕的软件。”

🚀试试 AI Shell

您的智能编码助手，可无缝集成到您的工作流程中。

登录 Forge →

原则二：将状态与价值分离

“国家融合了价值和时间。”

当你把某物的本质（价值）和它的变化时间（时间）混为一谈时，你就会创造出一些无法单独进行推理的产物。

原则三：数据就是数据，而非对象

“信息很简单。你对信息唯一能做的就是毁掉它。”

对象包含状态、标识和值。它们将信息隐藏在方法和封装之后，使得无法对数据进行通用操作。

原则 4：函数优先于方法

“方法包含函数、状态和命名空间。”

方法将依赖项隐藏在它们所附加的对象中。纯函数则将所有依赖项显式化。正如希基所解释的，方法将函数逻辑与对象状态和命名空间问题交织在一起。

原则五：组合优于继承

“继承会使类型复杂化。它表明这两种类型是复杂的，这就是它的含义。”

继承意味着这些类型相互交织。组合功能允许你组合各种能力，而不会使它们相互冲突。

GIF

让建筑更具约束性：一种制胜之道

解决方案并非让AI更智能，而是让架构更具约束性。我们的团队没有给AI代理提供上千种实现功能的方式，而是设计出只留下一种显而易见的方法的系统。

这种方法改变了人工智能生成问题：当只有一个有效模式可遵循时，人工智能自然会生成可维护的代码，因为它别无选择。

以下是我们团队如何将每个原则转化为架构约束的：

约束条件 1：数据不可变，零异常

将状态与值分离。所有领域实体都是不可变的。当只有一种改变状态的方法（返回一个新值）时，人工智能就无法生成会使审查复杂化的隐藏变更。

约束条件 2：数据与行为分离

数据就是数据，而不是对象。数据结构只包含数据。行为存在于无状态服务中。

约束条件 3：显式错误上下文，不抛出异常

避免混淆。每个错误都必须完整地说明哪里出了问题。当错误明确且与上下文相关时，代理就无法忽略故障或创建掩盖问题的通用错误处理程序。

约束 4：纯函数相对于方法

函数优于方法。业务逻辑必须是纯函数，并且依赖关系必须明确。当所有依赖关系都明确时，人工智能就无法隐藏对象状态或方法链中的复杂性。

约束条件 5：组合优于继承

组合优于继承。能力通过聚焦特性进行组合，而非继承。当类型采用组合而非继承时，人工智能无法创建包含不相关关注点的复杂层级结构。

希基的建议很明确：“加个队列进去。队列是解决这个问题的办法。”他强调，队列通过将“何时”和“何地”分离来帮助解耦组件，从而避免对象之间直接连接带来的复杂性。

服务之间的协调只能通过事件队列来实现。当服务不能直接相互调用时，人工智能就无法创建时间耦合，从而避免了系统无法被推理的情况。

GIF

约束如何教会人工智能更好的模式

有趣的是，我们的架构约束不仅加快了代码审查速度，还能主动引导我们的智能体生成更优质的代码。每次智能体遇到我们的模式时，它都会学习并将其添加到内存中。在Forge中，我们称之为自定义规则。其他智能体则称之为内存、规则等等。

• 关注点分离可防止功能纠缠。
• 显式依赖关系使测试变得非常简单。
• 不可变数据可以消除整类错误。
• 纯函数可预测地组合
• 数据即数据，支持通用操作

人工智能已经通过自定义规则/内存将我们的限制条件内化。

如果你遇到了人工智能90/10问题，以下是我们总结的经验：

1. 约束生成，而非指导审查

不要试图教你的人工智能生成更好的代码。设计一种架构，让糟糕的代码根本无法表达。

2. 一种获胜方式

对于人工智能可能遇到的每一个问题，都应该只有一个显而易见的解决方案。多种有效方法会增加审查的复杂性。

3. 好的代码 = 可审查的代码

对于人工智能生成的代码来说，唯一重要的指标是：“人类能多快验证代码的正确性？”

4. 通过结构进行教学

你的AI更多地是从代码结构而非系统提示中学习。确保你的架构体现了你想要复制的约束条件。

GIF

结果：约束创造自由

我们实施的架构限制措施前期投入较高，但回报却非常丰厚：

• 审核速度提升：过去需要数小时才能完成的工作，现在只需几分钟的模式匹配即可完成。
• 加快了新成员入职流程：由于每个问题只有一种解决方法，新团队成员可以立即做出贡献。
• 人工智能学习能力提升：我们的智能体开始生成更优质的代码，因为我们的架构教会了它们良好的模式。

结论：解决90/10问题

AI 90/10 问题不是当前 AI 代理的局限性，而是架构设计的缺陷。

当你的架构通过设计限制 AI 的行为时，AI 就成为你构建可维护软件的伙伴，而不是造成技术债务的对手。

在人工智能时代，获胜的团队不会是那些拥有最复杂的人工智能代理的团队，而是那些拥有最严格的架构的团队。

好的代码有一个显著特点：易于审查。当你设计约束条件，使得每个问题只有一种解决方案时，代码审查就变成了模式匹配，而不是考古挖掘。