AI编码新招数：短链条法破解Fable游戏

## 背景

这篇帖子来自 Hacker News，作者以资深软件开发者、协议开发者以及安全关键软件维护者的身份撰写，总结了超过一年深入研究 AI 代理的经验。作者指出，AI 代理在软件开发中存在局限性，曾亲自创建自家 AI 代码审查工具，并维护了名为 Crush 的 AI 编码代理自定义分支。通过这篇帖子，作者希望为追求高品质软件开发的专家开发者提供实用方法，强调必须使用专业技能来管理 AI，而非依赖“氛围式”工程。

## 核心内容

作者首先指出，当前 AI 代理使用方法存在明显缺陷：开发者会发现初始想法过于愚蠢，存在更好的替代方案；或者代理“脱轨”，开始执行与开发者意图完全不同的操作。作者曾观看数百万观看量的 YouTube 视频，了解那些宣称使用 12 个并行代理 + 协调器实现“完全不参与编码过程”的“氛围式”工程，开发者只需在海滩上、洗手间或喝咖啡时监督 slop 的编写与审查。这种方法无法让开发者真正理解代码库，一旦代理多次脱轨，问题会在实际使用软件时才显现，特别在对质量有要求的场景中无法接受。

即使最先进的模型（如 Fable 5）生成的代码也存在问题：代码能运行，但效率极低且丑陋。这种低效问题在缺乏大量训练数据的 niche 领域尤为严重。作者明确表示，模型无法超越其训练数据，营销宣传无法改变这一事实。

在此基础上，作者提出“Short Leash”（短牵引）方法，仅限专业软件开发者使用，可实现超越前沿模型的结果。在该方法中：

• 必须先进行规划阶段，研究任务、制定计划，并使用作者开发的 tasks skill 来跟踪进度、将大型任务拆分成步骤（与“氛围式”工程有共同点，但在此后点完全不同）。
• 严禁使用“YOLO”模式（即危险地跳过权限检查）。
• AI 绝不能在开发者玩游戏时工作。
• 编码代理必须通过权限提示展示即将进行的更改 diff。
• 开发者必须像 20 世纪末的狂热分子一样，亲自逐行分析代理提出的更改。
• 始终保持在环路内，而非像 YouTube 博主那样完全移除自己。
• 将权限提示中的 diff 作为工具，维持对代码库的实时理解，并让 AI 始终处于“短牵引”状态。
• 只要看到 AI 即将执行不希望的操作，即立即 DENY 权限。
• 频繁干预，防止 AI“脱轨”。
• 始终将 AI 保持在短牵引范围内。
• 每个子任务结束时必须提交一次 commit，以防 AI 出现错误导致删除之前的工作（作者曾亲眼见过 Opus 出现此问题）。
• 最后进行审查。

关于 AI 审查环节，作者强调：仅由人类或仅由 AI 审查的 PR，其错误数量远多于同时由人类和 AI 审查的 PR。AI 可作为 linter，快速发现常见错误；人类则能发现高层级问题和方向性调整。

审查流程建议：

• 对每个 PR 必须使用 AI 审查。
• AI 必须具备充分上下文（issue、PR 描述、代码库及更改）。
• 使用最新最强大的模型进行审查。
• PR 描述必须在 “AI Disclosure” 标题下披露使用的精确模型（若有），服务于多个目的：告知维护者已使用 AI、让他们建议更好模型、证明开发者是“好人”而非偷偷使用 AI。
• 更重要的是，如果 PR 使用了 AI，PR 作者必须亲自审查。
• AI 辅助的 PR 本质上是 AI 写的代码 + 人类协助的 PR，因此提交者必须完全理解所提交的内容，否则无法信任。若未审查，提交者无法承担责任，必须像审查他人 PR 一样逐行审查自己的 PR，完成后确认批准并请求维护者关注。这能构建并展示对代码库的理解。

作者最后表示，这些实践已在 okTurtles 团队中应用，并附带官方 AI 使用政策。帖子以“Fin”结尾，AI 披露明确表示本帖完全由人类完成，最终 AI 风格拼写检查后发布。

## 关键要点

• AI 代理若采用“氛围式”工程（完全移除开发者），无法构建对代码库的真正理解，问题易在运行时显现，不适用于质量要求高的场景。
• 即使 Fable 5 等前沿模型生成的代码也常效率低、丑陋，尤其在 niche 领域训练数据不足时。
• “Short Leash” 方法仅限专业开发者使用，通过规划、权限展示 diff、实时分析、频繁干预、每次子任务提交 commit 及审查，可有效控制 AI，避免脱轨并实现优于前沿模型的成果。
• AI 审查不可或缺，必须结合人类高层级判断；AI 仅作为 linter 快速发现常见问题。
• 每个使用 AI 的 PR 描述需在 “AI Disclosure” 下精确披露模型；若使用 AI，PR 作者必须亲自审查并确认理解，才能提交。
• 所有 AI 活动必须始终保持“短牵引”：实时 diff 检查、即时 DENY 权限、避免 YOLO 模式，并依赖 commit 保护历史工作。

## 意义与影响

该方法为安全关键软件开发提供了可操作的 AI 使用框架，通过“短牵引”策略确保开发者始终掌控 AI 行为，避免 slop 污染和脱轨风险，同时利用人类专业判断弥补模型局限。即使非前沿模型，也能实现超越“氛围式”工程的高品质输出。实践者可直接应用规划、权限控制、diff 分析及审查流程，显著提升软件开发效率而不牺牲质量。作者强调，此方案针对少数已达专家水平的开发者，拒绝为“hate AI”的开发者提供建议，体现对 AI 作为工具而非威胁的理性定位。整体框架推动行业向 AI 辅助开发演进，同时保留人类在安全与质量上的最终责任，助力开发者在安全关键系统上实现可持续、可验证的进步。