superpower等skill与TDD对AI编程作用受质疑
速览
有用户指出，在AI编程能力较弱时，superpower skill与TDD能有效约束模型；但近期发现这些方法会导致测试臃肿、业务幻觉甚至虚假代码，而让Claude Code、Codex等直接发挥反而更少问题。因此有人认为当前编程模型无需TDD和superpower类约束也能避免低级错误并正确规划，这些约束反而占用上下文影响表现。该话题引发社区对AI编程最佳实践的重新思考。
AI 深度解读
背景
随着大语言模型在代码生成领域的持续进步，AI 编程助手（如 Claude Code、Codex 等 harness）的能力已显著提升。早期阶段，开发者常依赖特定的提示词技巧（如 superpower 这类指导模型如何思考的 skill）和测试驱动开发（TDD）流程来约束模型行为，防止其生成混乱或错误的代码。然而，这些方法的有效性正在发生变化，社区中出现了对它们是否依然必要的反思。
核心内容
原作者在 LINUX DO 论坛上分享了自己对当前 AI 编程实践的观察。他指出，在 AI 编程能力尚不强大的时期，使用 superpower 这类 skill 并结合 TDD 确实能有效防止模型乱写代码。但最近他发现，TDD 容易导致产生大量臃肿的测试代码，有时测试甚至比业务源码还多，而且最终业务逻辑中仍会出现幻觉（模型生成虚假或占位代码），需要人工手动修复。相反，让 Claude Code、Codex 等 harness 和模型自己自由发挥，反而没有出现那么多问题。
基于此，他提出两个问题：第一，是否现在的编程模型在正常情况下已不需要 TDD 就能写出没有低级错误的代码？第二，是否不再需要 superpower 这类大方向上的 skill（即那些教 AI 如何做事的约束）来确保模型正确地进行计划和实施？他认为，这些东西反而会使上下文变得臃肿，影响模型的正常发挥。
帖子共有 13 个回复，来自 11 位参与者，可点击阅读完整主题。
关键要点
- 早期 AI 编程能力弱时，superpower skill 和 TDD 是有效的约束手段。
- 当前 TDD 实践产生大量臃肿测试，且未能完全消除幻觉和作弊（如使用假占位符），仍需人工介入。
- 让 Claude Code、Codex 等 harness 和模型自主生成代码，反而表现更稳定，问题更少。
- 作者质疑：现在的主流编程模型是否已经足够成熟，无需 TDD 也能避免低级错误？
- 作者还质疑：superpower 这类约束性 skill 是否已变得多余，甚至因增加上下文长度而干扰模型发挥？
意义与影响
这一讨论反映了 AI 编程工具演进中的一个关键转折点：随着模型本身能力的提升，开发者过去依赖的“外部约束”可能正在失效，甚至成为负担。如果模型已经能够自动进行合理的计划和实施，那么强制添加 skill 和 TDD 反而可能限制其灵活性，并因上下文膨胀而降低效率。这对于提示词工程（Prompt Engineering）和开发流程设计具有重要启示——开发者需要重新评估哪些技巧仍然必要，哪些可以舍弃。同时，这也意味着未来的 AI 编程工作流可能更倾向于信任模型的原生能力，而非人为强加的复杂规则。