一位开发者在 V2EX 发帖分享了排查 AI 编程智能体执行耗时过长的经历。据其描述，该项目由 AI 主导开发，单次任务经常执行超过一小时。向 Codex 询问原因时，得到的答复是正在执行测试、回归测试，修复问题后再次测试。由于社区中不少开发者近期都感觉模型响应变慢，这一现象起初被归因于模型本身速度下降，未做深究。随后该开发者发现真正原因：AI 在项目中添加了大量测试代码，而这些测试全部采用串行方式执行。回顾项目初期，当被要求进行分类处理时，AI 还能以并行方式运行测试。对比可见，AI 确实理解并执行了分类指令，但其只建立了一层大分类结构，后续新增的测试被持续堆入同一个分类之下，测试数量不断累积，串行队列越来越长，单次执行时间也随之攀升。该案例显示，AI 智能体生成的代码在功能上可以正确运行，但在性能结构上可能随迭代逐步恶化，开发者若只关注功能结果、不审查代码组织方式，容易掉入此类隐蔽的效率陷阱。
事件分析
该案例暴露出 AI 编程智能体的典型短板：模型擅长满足眼前的功能需求，却缺乏对代码性能结构与工程组织的全局把控。测试串行化、分类层级无限膨胀等问题不会立刻暴露，而是在持续迭代中悄然恶化，最终拖垮整体执行效率。这类局部正确、整体失衡的行为，与上下文长度限制和缺乏架构级长期规划密切相关。对开发者而言，AI 生成代码的功能正确并不等于工程质量达标，Code Review 环节需要覆盖测试执行策略、代码组织方式等维度；对智能体厂商而言，此类真实反馈指向上下文管理与自我审视能力的改进方向。随着 AI 编程工具渗透率不断提升，工程实践层面的可靠性将成为产品竞争力与用户信任的关键变量，也可能催生面向 AI 代码的性能审计类工具需求。
核心观点：AI 能写出功能正确的代码，却未必守住工程效率底线，性能与架构审查仍需人来把关。
原文链接：V2EX 分享发现
评论前必须登录！
立即登录 注册