没有 AI 的一个月

事件核心：发生了什么

这位开发者在一次会话中遇到三个问题：AI 在错误目录下读取了同名文件；统计某个函数在代码库中的调用次数时报出 20 次，而 IDE 内置搜索结果为 17 次；还引用了一个代码中根本不存在的变量名。三次被指出错误后，AI 都选择道歉，并承诺“下次会记得读取 import 语句”。原作者由此得出判断：正是这些细节让人难以真正信任所谓的人工“智能”。

评论区补充了更具体的工程经验：Grep 只适合简单场景，更进一步可以用 ast-grep；有开发者用 tree-sitter 逐文件解析旧代码库，把构造定义和调用关系以有向边和节点形式写入 SQLite，让 Agent 通过查询构建调用图、判断模块依赖，速度更快、token 更省、结果更准。

为什么重要

这类错误暴露的不是模型能力上限，而是编码 Agent 的工作方式问题：靠模糊匹配和概率生成去猜测代码结构，而不是基于确定性的语义信息。函数调用次数、变量作用域、依赖关系这些静态分析工具几秒钟就能算准的事，大模型却可能给出错误答案，还会用“道歉加承诺”来掩盖根因。这也解释了一个趋势：当 Agent 进入真实代码库，围绕它的检索层、代码索引和工具调用精度，可能比模型本身更决定产出质量。

对用户/开发者/创作者的影响

对开发者而言，把 AI 当作“能自查的编程助手”仍有风险，关键结论要用 IDE 搜索、静态分析或测试来复核。更务实的做法是给 Agent 提供可靠的代码索引——tree-sitter 解析加 SQLite 查询是一条可参考路径，能减少工具调用次数和 token 开销。对企业团队来说，让成员共享同一套代码查询接口，比每个人各自对模型喊话更稳定。对普通用户，这条新闻的价值在于提醒：AI 出错时的流畅道歉，不等于问题已被解决。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

目前公开信息显示，业界尚未形成统一的 Agent 代码索引标准。可观察三点：一，ast-grep、tree-sitter 这类静态分析工具能否被主流编码 Agent 原生集成；二，模型厂商在工具调用层面是否提供校验机制，例如强制引用真实存在的符号；三，开发者社区是否会围绕“Agent 可靠代码查询”沉淀出可复用的开源方案。

来源：hackernews