AI编程在实际项目上频繁出错，许多人将其归咎于模型能力不足。然而，问题的核心在于AI缺少一个关键的环节：反馈闭环。无法像人类一样即时验证代码效果，导致AI在“盲写”，这揭示了当前AI辅助开发的真正瓶颈，也指明了提升其效率的关键路径。
智能速览
AI修改67个文件错误百出，根源在于看不见自己写的代码。
没有反馈闭环的AI编程，等同于把代码丢进ChatGPT后祈祷。
AI的默认流程缺少测试、浏览器渲染等关键验证步骤。
提升AI编程效率的关键在于投资测试基础设施，而非优化提示词。
未来的突破方向是让AI能像人一样使用和测试应用。
精华内容
一位开发者用顶级的Claude AI修改67个文件，结果却惨不忍睹。这并非AI不够聪明，而是暴露了一个致命缺陷：它在编写代码时，完全看不见自己的成果，也无法进行验证。
AI的致命盲区
在将jQuery替换为原生JS的任务中，顶级AI模型犯了多个低级错误。例如，它在module类型的script标签中调用了`document.currentScript`，但该值在此模式下恒为null；它尝试获取HTML中不存在的元素，完全无视了开发者的明确要求和辅助函数；它还编写了以数字开头的ID选择器，这是原生JS不支持的语法。最关键的是，整个过程中AI从未运行过一次测试，仿佛写完即完成，完全不顾代码在真实环境中的表现。
缺失的反馈闭环
这些错误的根源，在于AI缺乏人类开发者与生俱来的“反馈闭环”。人类写几行代码，会立刻保存并在浏览器中查看效果，发现问题马上修改，这个循环极其迅速。而AI的工作流程是读代码、生成修改、写入文件，然后结束。它不看浏览器渲染结果，不运行测试，不检查终端输出，相当于闭着眼睛在编程。对于前端开发而言，代码的正确性高度依赖视觉反馈，AI无法从“标签汤”的测试数据中习得页面的真实样貌。
三层验证策略
要解决这个问题，需要为AI装上“眼睛”，构建验证闭环。有效策略分为三层。第一层是基础：在每次代码改动后自动运行测试套件，这是很多人忽略的关键步骤。第二层是进阶：利用Playwright等工具进行浏览器截图对比，直观地检查UI变化。第三层是终极形态：通过Running、Showboat等工具，让AI能像人一样操作和测试应用，从用户视角验证功能。这三层策略叠加，才能让AI的编程能力逼近人类水平。
投资而非优化
这对AI编程实践带来了重要启示。首先，选择任务时，可验证性比项目新旧更重要，一个拥有完善测试的遗留项目，AI的表现可能远超新项目。其次，与其花费大量精力优化提示词，不如投资建设测试基础设施，如自动化测试套件和CI流水线。决定AI编程投资回报率（ROI）的，将不再是代码生成能力，而是代码验证能力。
AI编程的瓶颈不在于智能，而在于感知。为其构建起“看见”和“验证”的能力，才是释放其潜力的关键。未来的竞争焦点，将从如何让AI“说”得更好，转向如何让它“看”得更清。当AI能够自主完成编写、测试、验证的完整闭环时，软件开发的生产力将迎来真正的飞跃。
