当前位置：

社区首页

电脑数码

软件应用

服务软件

AIGC文章详情

企业如何避开低代码选型陷阱？

源自123位全网作者

05-20 09:43

精选参考来源

蚂蚁灵光，30秒生成专属程序，普通人也能手搓代码 #蚂蚁灵光 #AI #阿里

Y Combinator 总裁 Garry Tan 写了一篇很长的文章，讲他过去一年用 AI 写代码的核心方法论。他做了两个开源项目，GStack（93K stars）和 GBrain（14K stars），加起来大约 97 万行代码、665 个测试文件，基本全部由 Claude Code 和 Codex 在他的指挥下完成。他提出了一个概念叫"复杂度棘轮"（Complexity Ratchet）。棘轮就是那种只能往一个方向转的机械装置，比如扳手拧螺丝只能往前不能往后。他说用 AI 写代码也可以做到这一点：质量只能上升，不能下降。前提是你得有 90% 的测试覆盖率。具体怎么运作的？每次 AI agent 写代码的时候，同时会产出三样东西：测试（定义什么是"正确"）、文档（记录为什么这么做）、评估结果（建立质量基线）。下一次 agent 再来改代码的时候，它会加载这三样东西到上下文里。测试不过就不能提交，文档就在眼前不能忽略，质量低于基线就会被发现。质量底线每一轮都在上升，这就是棘轮效应。他举了个很具体的例子。GBrain 有个功能是从大量文本里提取"谁相信什么"，第一版跑出来质量 6.8 分（满分 10），最大的问题是搞混了"谁持有这个观点"。于是评估结果被记录下来，6 个失败模式被识别，第二版 prompt 针对性修复，17 个测试锁定了这些规则。以后任何版本的代码都必须通过这 17 个测试才能上线，没有人需要记住这些细节，测试替你记住了。为什么 90% 这个数字这么重要？他引用了 Capers Jones 对一万多个软件项目的研究：覆盖率在 70% 以下时，缺陷逃逸率很高；到了 85%-95% 的区间，缺陷捕获率跳到 92%-97%。这个关系不是线性的，在 85% 附近有一个拐点，过了这个点，漏网的 bug 数量会断崖式下降。航空软件行业几十年前就发现了这一点，所以 FAA 对飞行关键系统强制要求极高覆盖率。过去 50 年，90% 覆盖率对人类团队来说太贵了，因为最后那 20% 的测试写起来极其枯燥费力，大多数团队到 70% 就停了。但 AI agent 不会无聊，不会在周五下午偷懒，不会觉得"以后再补"。那堵挡住人类的"意志力墙"，对 AI 来说根本不存在。所以 90% 覆盖率从一个奢侈品变成了默认设置。他还展示了棘轮可以测试的范围远超传统单元测试。他用 Bun 的 TTY 功能造了一个测试框架，能在伪终端里启动 Claude Code，观察它的实际行为，比如"有没有在 review 过程中问用户问题"。如果 agent 跳过了交互直接输出结果，测试就会失败。这已经不是在测代码逻辑了，是在测 AI agent 有没有遵守行为契约。最后他的结论很直接：任何软件公司如果还没采用这套模式（agent + 品味 + 只升不降的测试套件），在速度和质量上已经输给了一个用这套方法的单人团队。工具是开源的，免费的，去用就行。#科技先锋官##How I AI#

全部
来源

内容由AI生成

1. 蚂蚁灵光，30秒生成专属程序，普通人也能手搓代码 #蚂蚁灵光 #AI #阿里

2. Y Combinator 总裁 Garry Tan 写了一篇很长的文章，讲他过去一年用 AI 写代码的核心方法论。他做了两个开源项目，GStack（93K stars）和 GBrain（14K stars），加起来大约 97 万行代码、665 个测试文件，基本全部由 Claude Code 和 Codex 在他的指挥下完成。他提出了一个概念叫"复杂度棘轮"（Complexity Ratchet）。棘轮就是那种只能往一个方向转的机械装置，比如扳手拧螺丝只能往前不能往后。他说用 AI 写代码也可以做到这一点：质量只能上升，不能下降。前提是你得有 90% 的测试覆盖率。具体怎么运作的？每次 AI agent 写代码的时候，同时会产出三样东西：测试（定义什么是"正确"）、文档（记录为什么这么做）、评估结果（建立质量基线）。下一次 agent 再来改代码的时候，它会加载这三样东西到上下文里。测试不过就不能提交，文档就在眼前不能忽略，质量低于基线就会被发现。质量底线每一轮都在上升，这就是棘轮效应。他举了个很具体的例子。GBrain 有个功能是从大量文本里提取"谁相信什么"，第一版跑出来质量 6.8 分（满分 10），最大的问题是搞混了"谁持有这个观点"。于是评估结果被记录下来，6 个失败模式被识别，第二版 prompt 针对性修复，17 个测试锁定了这些规则。以后任何版本的代码都必须通过这 17 个测试才能上线，没有人需要记住这些细节，测试替你记住了。为什么 90% 这个数字这么重要？他引用了 Capers Jones 对一万多个软件项目的研究：覆盖率在 70% 以下时，缺陷逃逸率很高；到了 85%-95% 的区间，缺陷捕获率跳到 92%-97%。这个关系不是线性的，在 85% 附近有一个拐点，过了这个点，漏网的 bug 数量会断崖式下降。航空软件行业几十年前就发现了这一点，所以 FAA 对飞行关键系统强制要求极高覆盖率。过去 50 年，90% 覆盖率对人类团队来说太贵了，因为最后那 20% 的测试写起来极其枯燥费力，大多数团队到 70% 就停了。但 AI agent 不会无聊，不会在周五下午偷懒，不会觉得"以后再补"。那堵挡住人类的"意志力墙"，对 AI 来说根本不存在。所以 90% 覆盖率从一个奢侈品变成了默认设置。他还展示了棘轮可以测试的范围远超传统单元测试。他用 Bun 的 TTY 功能造了一个测试框架，能在伪终端里启动 Claude Code，观察它的实际行为，比如"有没有在 review 过程中问用户问题"。如果 agent 跳过了交互直接输出结果，测试就会失败。这已经不是在测代码逻辑了，是在测 AI agent 有没有遵守行为契约。最后他的结论很直接：任何软件公司如果还没采用这套模式（agent + 品味 + 只升不降的测试套件），在速度和质量上已经输给了一个用这套方法的单人团队。工具是开源的，免费的，去用就行。#科技先锋官##How I AI#

3. ERP已死，中台已凉，低代码称王，是真的吗？

4. 【让AI自己检查作业：一小时写4000行代码的秘密】YC掌门人Garry Tan分享了他使用Claude编程的方法论，核心思路是让AI在动手之前先做系统性的自我审查。他的提示词设计了四个审查维度：架构评估、代码质量、测试覆盖、性能分析。每个维度都要求AI列出具体问题，给出多个解决方案，说明利弊权衡，然后等待人类确认方向再继续。这套方法的精髓在于：把AI从执行者变成对话者。传统的AI编程是你说需求，它吐代码。这套流程是让AI先扮演架构师和代码审查员，把潜在问题暴露在写代码之前。Garry说他用这个方法一小时能完成4000行以上的功能开发，包含完整测试。Paul Graham在评论区算了一笔账：这个速度是去年八月那个引发争议的创始人案例的四倍。几个值得注意的细节：第一，他特别强调用ASCII图来可视化架构。上传截图让AI画出页面结构图，然后用AI命名的元素名称来沟通，省去了大量描述成本。这是个被低估的技巧。第二，提示词里明确写了工程偏好：DRY原则要严格执行，测试宁多勿少，宁可处理更多边界情况也不要图快，显式优于聪明。这些偏好让AI的判断有了锚点。评论区的讨论很有意思。有人指出真正的提升不是来自单个完美提示词，而是整个仓库的配套设施。有人说提示词工程的元游戏正在从「获得好输出」转向「让模型验证自己的输出」。自我检查才是真正的解锁点。也有质疑声音。有开发者说Claude在复杂代码库上最近退步明显，容易陷入循环，中途丢失上下文。还有人直接挑战：4000行代码本身不是成就，4000行你没写的代码才是。这个观点值得深思。速度从来不是稀缺资源，克制才是。一位工程师的总结很到位：提示词不是黑魔法，前置思考才是。他写代码前会先写分形规格文档，把架构、边界情况、测试场景全部预定义，文档和代码的比例是3.6比1。AI编程的本质正在发生变化。瓶颈不再是写代码的速度，而是你能多快想清楚要构建什么。x.com/garrytan/status/2020072098635665909

5. AI 编程是一种“框架” www.piglei.com/articles/ai-programming-is-a-new-framework/ 不要将 AI 编程作为一种框架，可以尝试将其看作“库” ----不再追求“写更少实现更多”：用更少的提示词（代码）实现更多功能，看上去很美，但也意味着大量的认知债务随之累积； ----找到编写提示词的“甜蜜区”，付出相对较少而非绝对意义上的最少的认知成本； ----关注程序结构：比起在前 AI 时代，你现在可能更需要关注程序的整体结构，作为总设计师去设计整个程序，将正确的结构和约束内化到 AGENTS.md 中； ----更精准的提示词：在理解已有程序的基础上，编写更精准的提示词来引导 AI 完成工作，而不是任其发挥，让 AI 主导一切； ----审查代码：即便使用同一种框架，在遇到棘手问题时，一位熟读框架文档的人也会比另一位愣头青更有效率，如果把 AI 编写的代码归为框架，那么你应该去审查这份代码，从而在不可避免的“抽象泄露”发生时，将其所产生的危害降到最低。 #HOW I AI#

6. 用 Claude Code 写代码，有两个用法值得了解一下。1. 不要让 AI 反应式修 bugAI 默认行为是：你说哪里有问题，它修哪里。复杂项目里，这很危险。你看到的 bug 几乎不是真正的问题，只是表象。AI 如果只处理表象，每次给你打个补丁——补丁会越堆越多，系统越来越脆。正确做法：告诉 Claude「不要只修这个 bug，帮我分析这个问题的根因是什么」。1）让它先分析，再动手2）给它足够的上下文，而不只是报错信息3）本质上是：把 AI 从「反应式工具」升级成「诊断工具」2. 测试阶段前置传统流程是：写代码 → 手动测试 → 发现 bug → 修。AI 可以完全打乱这个顺序。在你碰 UI 之前，让 AI 帮你模拟输入、边缘情况、失败场景，把「破坏」这件事提前做。手动测试就变成了验证，而不是探索。1）测试成本降低，迭代周期缩短2）bug 在越早发现，修复代价越小3）本质上是：把「发现问题」这件事从手动测试阶段，挪到了代码阶段#HOW I AI# #程序员#

7. vibe coding 的项目一旦变得庞大，每次让 AI 写代码之前，都需要先让它把 PRD 和系统设计写清楚。先做文档编程，再做代码编程。如果你稍微停下来观察一下，会发现一个很有意思的现象：有些 AI 一旦开始写代码，就会沉浸在自己的逻辑实现里，几乎完全不顾项目原有的设计。即便你已经提出明确要求，它仍然会受限于上下文窗口和信息宽度，对整个项目缺乏完整理解。这会带来很多维护性问题。它不会复用已经实现的业务组件，设计数据库时会产生各种冗余，还会不断衍生新的实体和概念，让系统结构越来越复杂。代码可以交给 AI 去写。产品设计和架构设计，仍然需要人来把关。每次让 AI 做大型重构或者功能改造之前，我都会先让它把需求分门别类，做好抽象和解耦。即便如此，只要有一些地方考虑不周，AI 依然会生成大量难以维护的代码，性能逐渐下降，项目变更的复杂度也会迅速上升。🥲

8. 只用一个大模型审代码已经过时。现在，开三个Cursor窗口，分别用Gemini 3.0 Pro、Claude Opus 4.5和Codex 5.1 High Pro，分别审查代码库并生成详尽的Markdown报告。然后让每个模型阅读另外两个的报告，最后用Opus 4.5进行步骤化的统一重构。流程结束，代码质量显著提升。为什么不用单一最强的Codex 5.1？即使是“王者”也需要智囊团。不同模型视角互补，避免盲点，提升审查深度。过往“凭感觉写代码”的时代一去不复返，AI协作正成为软件进化的核心动力。虽然有人担心多模型审查会带来冲突和额外复杂度，实际操作中可以根据目标选用最适合的模型： - Opus 4.5：通用且擅长理解新代码库 - Gemini 3.0：前端和UI表现卓越 - Codex 5.1：后端逻辑推理无敌批判性的多模型交叉验证，相当于三位资深工程师各抒己见，最终汇聚成最佳方案。人类设计流程和决策策略，才是发挥这些AI最大效能的关键。这不仅仅是工具升级，更是开发范式的变革。未来，单模型“孤军奋战”将被多模型“团队协作”取代，代码审查和重构将更加严谨、高效、可靠。我们不再是“单兵作战”，而是运营一个由智能体组成的开发团队。原文：x.com/vasuman/status/1996414648594161923思考：在AI驱动的开发生态中，如何设计有效的“模型协作机制”，成为人类开发者新的核心竞争力。技术的进步让我们重新定义“代码质量保障”的边界，也让软件工程进入了“智能共创”时代。

9. 用好 Coding Agent 两个秘籍： 1. 给好的代码给它参考 2. 告诉它如何自己验证用好了事半功倍好的代码参考在 GitHub 上通常你能找到合适的。验证可能需要提供工具和方法，比如 - 让它把代码编译一下，有编译错误 - 把网站启动起来用 Chrome Dev Tool MCP 或者 Playwright MCP 打开看看有没有网页错误或者错误日志 - 跑一下自动化测试代码 - 连上真实 API，比如我昨天分享的一个 http://t.cn/AXqmK0Pt ： > 比如昨天我让 Codex 实现发布草稿到微信公众号的功能，直接配好 API Key，给它一个文档，让它写完后自己用这个 Key 和文档去发布验证。过一会儿去看，已经实现好了，完全不需要我反复测试。

10. 【Vibe Coding 盛行，如何用工具守护代码库健康？】快速阅读：随着 Vibe Coding（氛围感编程）的流行，开发者正通过 AI 极速生成代码，但这同时也带来了大量无用的死代码。通过结合 Ruff、Vulture 或 Knip 等静态分析工具，可以在开发循环中自动识别并清理这些冗余，维持代码库的健康度。---现在的编程节奏变了，大家越来越依赖 AI 快速出原型。这种“氛围感编程”很爽，但代价是代码库里堆满了没用的垃圾。写代码时的那种灵感迸发，很容易在随后的几次迭代中，留下大片毫无用处的死代码。如果把开发比作运行一个长期进程，这些死代码就是内存泄漏，只会让系统的复杂度无意义地膨胀。解决办法其实很简单，不需要人类去肉眼扫描，直接交给工具。对于 Python 开发者，Ruff 和 Vulture 是个好组合：前者负责规范和清理，后者负责寻找那些看起来没被使用的逻辑。有网友提到，甚至可以直接把这个指令复制给 Claude Code，让它自己跑一遍。不过要小心，这类工具并不是万能的。有观点认为，如果调用链太长超出了上下文窗口，AI 可能会误判。有些开发者更倾向于在 CI 流程中加入 Knip（针对 JS/TS）或者使用类似 python-doctor 的 pre-commit hook，把清理动作固化到每次提交里。最理想的状态是建立一个闭环：用工具识别死代码，配合端到端测试确保逻辑没断，最后让 AI 完成重构。虽然有人调侃这种自动化操作可能会“误删整个应用”，但比起看着代码库变成一堆不可控的乱码，这种风险值得承担。毕竟，如果代码质量的下降速度超过了清理的速度，那我们离真正的软件崩溃也就不远了。现在的核心问题是：在 AI 生成代码的浪潮下，我们的测试覆盖率和验证逻辑，跟得上这种生产力的膨胀吗？x.com/gabriberton/status/2042141119837012284

11. 如何实现前端低代码?

12. 从自动写代码到智能影音刮削：实测 OpenCode，这台“赛博管家”真的能干苦力活

13. Claude Code 30k+ star官方插件，小白也能写专业级代码

14. 前端低代码有用吗？

15. 零代码AI平台Top10：不懂编程也能玩转AI从数据分析到模型部署的全流程指南

16. 我用AI写了个网站，Hermes保姆级安装指南｜一键配置，桌面整理/浏览器自动化全搞定

17. //@庆丰:新的工具、新的能力、新的协作模式//@fishermen:从 vi/emacs 编程时代的语法、方法细节，到 ide 时代的框架、架构。再到现在的 Ai 编程时代，顶层思维的方案选型与设计，技术/知识的全栈与跨界，工程标准化与规范化治理，创新与低成本试错能力，可能就是新的能力点。之前那些能力，不擅长也许不重要了，反正也不需要了

18. 低代码平台或零代码平台靠谱吗？

19. 回复@_imlh:第一版不需要写测试，重点是跑通主要流程//@_imlh:既然第一版代码是乱飞的，那可测试性应该很低？那如何编写可靠的测试？//@宝玉xp:重构代码这事，最佳实践是先写自动化测试，先保证自动化测试覆盖，然后再去替换模块代码，确保替换后测试还能通过，这样重构后系统还是相对稳定的。AI 正适合写自动化测试，另外对于用 AI Agent 写代码，有了自动化测试，也更容易验证生成结果的好坏，能提升效率，至于工具，主流的 Coding Agent 工具

20. 用零代码搭建ERP系统是在吹牛吗？

21. 【第479期】百度秒哒：一句话生成应用，零代码开启「全民开发」时代

22. 低代码开发平台的优势体现在哪里？

23. 零代码 vs 低代码

24. 企业低代码平台怎么选？宏天软件工程师给CIO的5点建议

25. 2026选型必看指南，企业级低代码平台推荐

26. 2026 低代码平台怎么选

27. 中小企业用什么低代码平台好？3 个核心维度帮你避坑

28. 中小企业好用的低代码平台推荐

29. 2026 低代码 AI 怎么选？12 大平台实测对比

30. 2026本地部署低代码选型避坑指南

31. IT负责人血泪复盘

32. 为什么企业低代码平台会失控？有些“隐秘角落”需要解

33. 低代码平台爆发

34. 企业数字化转型的沉没成本陷阱

35. 低代码是什么？企业为什么要用低代码平台

36. 2026 国产低代码平台对比

37. 2026 国产低代码平台怎么选？6 款常见候选

38. 低代码平台的集成能力到底差在哪

39. 低代码是什么 2026年低代码平台详解能力、分类和趋势

40. 低代码不是玩具

41. 传统开发交付慢？低代码敏捷交付实践

42. 2026 国内低代码平台怎么选

43. 低代码是“神器”还是“骗术”？一个99年入行老码农的祛魅实录

44. 企业数字化转型

45. 我在国企做信创，踩过的坑，都藏在这份低代码选型里

46. 作为中小企业IT专员，我花1个月试遍9款低代码，这份实测避坑指南请收好

47. 低代码的“深水区”

48. 2026年低代码平台选型指南｜权威测评+全解析

49. 什么是低代码平台?2026年主流低代码平台盘点

50. 低代码 vs 无代码

51. 2026年低代码平台怎么选？一份可量化的选型框架（附权重建议）

52. 低代码平台选型全指南

53. 什么是低代码平台？枢搭云低代码平台深度解读

54. 开源vs商用低代码平台怎么选？2025实用选型攻略

55. 2026年低代码开发平台哪个好？国内5大低代码平台深度推荐（企业选型）

56. Gartner预测70%新应用由AI低代码构建，传统定制开发还有出路吗？

57. 低代码横向测评

58. 别再花钱做无用POC了

59. 别再花钱做无用POC了

60. 2026 低代码大比拼

61. 2026年低代码开发平台哪个好？国内5大低代码平台深度推荐（企业选型）

62. 数据安全焦虑？私有化部署的低代码平台安利！

63. AI 驱动与私有化浪潮下，低代码平台正在经历怎样的权力更迭？

64. 低代码平台最新推荐

65. 一文认识:低代码开发平台是什么?起底全球6大低代码平台适用场景

66. 2026低代码平台的市场占有率上榜低代码平台推荐

67. 为什么程序员不喜欢低代码？既不喜欢那低代码是如何火的？以及低代码到底能不能省钱？

68. 什么样的低代码，才能真正落地？可落地低代码的技术解构

69. 低代码未来三大核心发展方向，软件开发人员必看

70. 低代码开发平台选型指南

71. 专业的低代码平台评判标准，并精选5个口碑与实力兼具的低代码平台 - 哔哩哔哩

72. 老程序员掏心窝

73. 2026 国产低代码平台盘点

74. 2026年低代码平台选型指南——七大主流产品深度剖析，助力企业精准适配、规避选型风险

75. 血亏20万！模具厂老板亲述：千万别用低代码做MES，这是个无底洞

76. 低代码选型必看！Power Apps vs Pega Platform 2026实测，选错亏一年

77. 低代码的“脚本陷阱”：为什么复杂逻辑最终还是回到了IDE？

78. 2025低代码开发平台都有哪些：AI驱动下的趋势与选型指南全景报告

79. 实测了市面所有AI代码工具后，我们发现【AI】和【低代码】真相

80. 2026年小程序开发技术选型：原生vs混合vs低代码

81. 数字化转型，为什么我劝你认真考虑低代码？

82. 自动化陷阱：为什么低代码 AI 模型在规模化时失败

83. 免费低代码平台实战指南

84. 国内低代码平台功能与优劣势分析

85. 科普：低代码是什么？到底能不能帮企业做好一套系统？

86. 2026海外低代码AI全景实测：企业选型别踩坑，7大平台硬核对比

87. 2026企业应用选型大战：低代码VS Java，谁才是真刚需？

88. 实测10+本地部署低代码平台：企业选型血泪史

89. 低代码开发平台是什么？2026全球5大热门平台选型全攻略

90. 什么是低代码？将成为2026年IT软件开发新范式

91. 低代码开发平台选型宝典：功能、价格与服务全解析

92. 低代码平台怎么选？面向未来3-5年趋势的5大评估维度 - 哔哩哔哩

93. 企业级低代码平台私有化部署的战略抉择 - 哔哩哔哩

94. 2026企业低代码平台排名深度测评解析

95. 为什么越来越多的企业选择用低代码搭建管理系统？真正的原因不是“快”

96. 低代码平台哪家比较好？2026年最新低代码平台推荐榜揭秘

97. 预算为0也能数字化？私藏的免费+私有化低代码神器

98. 大型企业零代码低代码平台解决方案：平台架构演进与关键设计、高低开融合架构

99. 低代码选型不再踩坑！算数科技智能计算器赋能企业数字化高效决策

100. 星云集成低代码操作体验评测：2026年新手上手实测

101. 新手必看！一文搞懂低代码，这些平台超好用

102. 低代码平台定义解析与选型建议(2025版)

103. 2026年最新低代码开发平台盘点！8款国内外热门低代码平台推荐

104. 做技术3年，被低代码AI选型逼疯：实测7大平台后，整理出这份避坑指南（含实测数据）

105. 低代码开发：如何选择适合企业的开发平台

106. 艾体宝洞察 | 为什么低代码更适合规则密集型业务？

107. 别只看功能列表！这两类低代码平台才是真香

108. 2026低代码AI避坑指南｜实测34+平台，数据说话，选型不踩坑

109. 不用懂代码，需求提完就落地？AI+低代码的底层逻辑，只有这3条路

110. 宏天低代码平台 vs 传统开发：一文看懂成本与效率对比

111. 低代码平台核心功能拆解：拖拽式开发与可视化配置详解

112. 制造业、金融业、能源……不同行业如何挑选低代码平台？

113. 低代码平台，开启企业应用开发新时代 - 哔哩哔哩

114. 最新低代码开发平台排名 2025年实力排名前十的低代码开发平台

115. 为什么 90% 的低代码平台死在了 SSO 上？详解 Mendix 的“高逻辑”突围之道

116. 企业数字化转型中AI低代码开发平台的选型策略与实践路径 - 哔哩哔哩

117. 2026年低代码RPA平台选型指南：高效开发与场景适配

118. 为什么很多程序员讨厌低代码？

119. 低代码开发平台有哪些？2026年低代码平台行业趋势与主流品牌全景解析

120. 2026 年低代码可定制型设备管理系统软件测评与选型指南

121. 低代码与传统开发协作模式，如何融合

122. 2026年低代码自动化测试平台选型指南：降低测试落地门槛

123. 告别IT资源瓶颈：低代码让业务人员自主实现数字化需求

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！