AI寫代碼像閉卷考試，這個框架讓它終于能開卷了

2024年，GitHub Copilot用戶寫的代碼里，有41%是AI生成的。但一個更隱蔽的數字是：這些代碼被修改或回滾的比例，沒人敢公開統計。

問題不在于AI寫得快，而在于它改得盲。你把一個復雜系統丟給AI agent，它像拿到一份沒有注釋的電路圖——知道哪根線連到哪，但不知道當初為什么非要這么繞。DLD框架的作者Fredrik Widlund發現，這才是AI編程的「阿喀琉斯之踵」。

從「氛圍編程」到系統性崩潰

Widlund在瑞典有聲書平臺Storytel做Staff Engineer，過去一年他試了幾乎所有AI編程流派。最極端的叫「vibe coding」——描述需求，讓AI隨便寫，寫完能跑就行。聽起來像產品經理的終極夢想，直到他發現一個規律：項目前兩周速度起飛，第三周開始修bug，第四周想重寫。

「AI生成代碼的速度和人類理解它的速度，差距在指數級擴大。」

這不是LLM（大語言模型）變笨了，是它的工作方式決定的。AI agent讀代碼時，看到的是靜態文本；但代碼背后是一連串決策——為什么用這個架構、為什么放棄那個方案、為什么這里必須妥協。這些信息原本存在工程師腦子里，隨著人員流動或時間推移，變成「孤兒知識」。

Widlund舉了個例子：一個微服務用了某種奇怪的數據庫分片策略。新接手的AI agent看到這段代碼，邏輯上推斷可以優化，改完后導致生產環境雪崩。真正的原因是三年前某個凌晨，團隊為了應對一次突發流量，臨時做的應急方案，后來沒人敢動。

給代碼配一本「決策日記」

DLD的全稱是Decision-Linked Development，決策關聯開發。核心想法粗暴但有效：每次代碼變更，必須同時記錄「為什么改」。不是那種敷衍的commit message，而是結構化的決策上下文——考慮了哪些方案、排除了哪些、受什么約束條件限制。

技術上，DLD用了一個叫ADR（Architecture Decision Records，架構決策記錄）的概念，但做了關鍵改造。傳統ADR是寫給人看的文檔，容易過時；DLD把決策數據嵌入代碼倉庫的元數據層，讓AI agent能直接讀取。換句話說，AI改代碼前，先讀「病歷本」。

這個設計擊中了AI編程的一個悖論：LLM的上下文窗口越來越長，但有效利用率并沒有同比提升。Claude 3.5能處理20萬token，可如果你把十年項目的全部歷史丟給它，噪音會淹沒信號。DLD做的是預篩選——只把「和當前修改相關的決策」推給AI。

Widlund在Storytel內部測試時，一個典型場景是遺留系統的API改造。以前，工程師需要花2-3天梳理歷史文檔和口頭傳說；用DLD后，AI agent能在幾分鐘內定位到關鍵決策點，比如「2021年Q3為了兼容iOS 12客戶端，這里必須保持REST而非GraphQL」。

開源之后，爭議來了

DLD今年早些時候開源，GitHub星標增長曲線很典型：前兩周平緩，被某個技術KOL轉發后垂直拉升，然后進入平臺期。真正有趣的是issue區的爭論。

一派工程師認為這解決了AI編程的「可解釋性」危機。另一派則質疑：如果AI需要人類寫的決策記錄才能安全工作，那是不是說明AI還不夠格？Widlund的回應很直接：「人類工程師接手新項目時也需要文檔，憑什么要求AI更高？」

更實際的批評是關于維護成本。DLD要求團隊在寫代碼的同時維護決策鏈，這對已經疲于交付的團隊是額外負擔。Widlund的折中方案是「漸進式采納」——只在關鍵模塊啟用，比如核心業務邏輯、容易出事故的邊界條件。

他在博客中透露了一個數據：Storytel內部采用DLD的模塊，AI生成代碼的首次通過率（無需人工返工）從34%提升到61%。但這個數字也有水分——首批試點團隊本身就是對代碼質量要求更高的組，可能存在選擇偏差。

更大的圖景：AI需要「組織記憶」

DLD的野心不止于代碼。Widlund在幾篇技術演講中暗示，同樣的思路可以擴展到產品設計、運營策略——任何需要「繼承歷史決策」的領域。

這觸及了企業AI應用的一個深層焦慮。過去兩年，公司們瘋狂采購AI工具，卻發現效率提升有天花板。瓶頸往往不是工具本身，而是組織知識的碎片化。Salesforce一份內部研究顯示，銷售團隊用AI生成客戶郵件，前三個月響應率提升，半年后回落到基線——因為AI學不到「這個客戶去年為什么差點解約」這類非結構化信息。

DLD試圖建立的是一種機器可讀的「組織記憶」。它不是要替代人類判斷，而是讓AI在做判斷前，先站在和人類同樣的信息起跑線上。

當然，理想很豐滿。Widlund自己也承認，DLD目前的實現還偏技術化，需要工程師手動維護決策記錄。他正在實驗讓AI輔助生成ADR——用另一個AI來監督寫代碼的AI，聽起來像套娃，但可能是必經之路。

Storytel的一位產品經理在內部反饋會上說了句實話：「以前怕AI不懂業務，現在怕AI太懂代碼但不懂我們為什么選這條路。」DLD能不能填上這個缺口，可能決定了AI編程工具是停留在「高級自動補全」，還是真正成為可托付的協作伙伴。

如果AI agent能讀完你三年前寫的決策筆記，它會同意你當時的判斷，還是覺得你是個傻子？