AI 写代码很厉害，但架构一团糟怎么办？有人通过实验发现，只要提前给 AI 一份不到两页纸的架构设计，就能让代码质量从 49 分跃升至 72 分，并省去后续 30 多次重构的麻烦。这揭示了 AI 编程中，人的架构决策才是关键。
智能速览
一份架构设计让 AI 代码质量从 49 分提升至 72 分。
差距最大的是并发架构：多线程 epoll 对比单线程阻塞模型。
AI 在无明确指令时，会默认选择最简单的实现路径。
对于路由匹配等规则明确的任务，AI 无需设计也能写得很好。
先设计架构能省去 30 多次重构，将复杂度前置换取长期可维护性。
精华内容
AI 编程的真正挑战并非功能实现，而是架构设计。一个对照实验清晰地揭示了人的顶层设计对 AI 代码质量的深远影响。
对照实验
实验让 AI 构建同一个 HTTP Mock Server 两次。第一次，仅提供 README，让 AI 自由发挥；第二次，则给了一份不到两页纸的架构设计，明确了 13 个模块的职责、依赖方向、并发模型（多线程加 epoll）和命名规范。
最终，有设计的版本得分 72，无设计的版本得分 49，差距悬殊。
核心差距
评分差距最大的维度是并发架构，9 分对 3 分。无设计的 AI 写了最简单的单线程阻塞模型，一个慢客户端就能拖垮整个服务。而有设计的版本则采用了多线程 epoll 模型。
其次是连接管理，相差 4 分。设计版将连接抽象为有生命周期的对象，而 AI 版甚至没有“连接”的概念，只是粗暴地处理文件描述符。
AI 行为模式
实验揭示了 AI 在编码时的行为模式：当面临需要权衡的架构决策时，若没有明确指令，它会默认走最短路径，选择代码最少、概念最简单的方案。
但在规则明确的领域，如 HTTP 路由匹配或 KV 存储，两版实现几乎一样好。这证明 AI 不需要人类在具体算法上帮忙，它缺的是顶层方向。
代价与回报
架构设计的代价是前期复杂度。设计版有 26 个文件共 2608 行，初看时需要先理解模块关系；而 AI 版只有 5 个文件 1522 行，易于阅读。
回报是长期可维护性，省去了超过 30 次重构。最佳实践可能是两者结合：先用设计让代码从 49 分提升到 72 分，再通过迭代优化冲击更高分数。
这次实验证明，在 AI 编程时代，人的核心价值正从编写具体功能转向定义顶层架构。一份清晰的设计文档，就能引导 AI 产出高质量、可维护的代码。未来的开发，或许更考验的是设计能力而非编码能力。
