新闻详情

新闻详情

首页 / 资讯中心 / 详情

代码已经跑起来了,Leader 让我讲一遍,我却答不上来

发布时间:2026/11/10 13:53:31来源:尧图网络
代码已经跑起来了,Leader 让我讲一遍,我却答不上来
代码已经跑起来了Leader 让我讲一遍我却答不上来那天向 Leader 汇报进度时我原本准备展示已经做出的效果。项目里的代码主要用 AI 辅助完成我的打算是先把功能跑通、把流程补完整再回头学一点前端技术沿着代码看清数据怎么流转最后整理好思路去汇报。但开发不会等人按计划“学完再检查”。Leader 在我做的过程中就过来了让我打开代码讲讲这部分是怎么实现的。页面能展示代码也在那里我却没办法把它讲清楚。被批评之后我最难受的不是某个前端知识点答错了而是发现自己连刚交上去的工作都还没有真正接住。上一篇文章写的是埋点接入方式走了弯路。这次想记下另一个问题即使方向已经确定正在写的代码也不能等到全部完成后才去理解。汇报随时可能发生更重要的是出了问题时我也得知道该从哪里查起。“先跑通回头再看”为什么没奏效我当时的安排听起来很合理先解决眼前的开发任务等功能稳定了再系统补课。毕竟前端框架不熟边学边做似乎很慢而 AI 能先把需要的代码写出来。可这套安排有个漏洞理解被放在了一个没有明确时间的“以后”。一个文件改完又有新的报错报错处理完又要接下一个页面或接口。代码越堆越多回头阅读的成本也越来越高。到汇报时我能展示的是“它现在是什么样”很难说明“为什么要这样改”。我之前把“跑通”看得太完整了。它最多证明在当前测试条件下某条路径得到了预期结果它不能自动证明其他输入也没问题更不能证明我知道这段代码的依赖、影响范围和失败时的表现。Leader 问代码并不是要求我背出每个函数的语法而是想确认我是否掌握了自己正在推进的改动。被问住的那一刻暴露了三个空白第一我知道某个效果出现了却说不清它是由哪段代码触发的。React 页面上的一次操作可能涉及事件处理、状态更新、请求发送和结果展示。我不需要一口气学完 React但至少应该能够从当前功能出发顺着相关函数找到下一步而不是只能指着页面说“这里已经好了”。React 官方文档对事件和状态的介绍也正是沿着用户交互如何改变界面来讲的。React响应事件、React组件的记忆第二我没有认真区分“AI 建议这样写”和“项目需要这样写”。生成的代码可能通过了编译也能在一次演示里正常工作但它是否复用了项目已有的函数、是否符合现有写法、改动会不会影响别的地方需要我自己对照代码判断。GitHub 关于 AI 编码建议的文档同样强调生成结果需要由使用者审阅和测试尤其要检查它是否符合实际意图。GitHub 文档第三我没给“不确定”留位置。看不懂的地方我想着稍后再研究手头却没有记录。等别人现场问到我既讲不清答案也说不出自己验证到了哪一步。承认还没确认某个细节并不可怕问题是连“已确认”和“待确认”都没有分开。网上查到的研究也让我重新看待这种落差查资料时我读到一项关于 AI 辅助编程与技能学习的实验。研究者让开发者在接触一门陌生的 Python 库时完成任务随后测试他们对概念、代码阅读和调试的掌握情况。在这个实验里AI 辅助组的即时测验表现低于手写组但使用 AI 的人并非都学得差边做边追问原理、解释代码的人表现更好。研究论文、研究者的说明这项研究的样本和任务范围都有限测量的也是完成任务后的短期理解不能拿来断言“用 AI 一定学不会编程”。它对我的提醒更具体完成任务和学会解释任务是两件需要分别检查的事。我这次汇报卡住恰好说明自己只检查了前一件。以后写一段代码就弄懂一段代码我不会因为这次经历就停止使用 AI。它帮我跨过陌生语法、查找调用位置、提出测试思路确实能节省时间。要调整的是使用顺序和验收方式。以后让 AI 改一个功能我会先看清它改了哪些文件再挑出这次改动最关键的一条路径自己走一遍。比如用户做了什么操作哪个函数接到它传入了什么数据中间有没有发请求最后是什么让页面变化。读不懂某一步就针对那一步查文档、打断点或提问等它进入下一步之前先用自己的话说出来。这不是要把所有生成代码逐字符背下来。我更想做到三件小事能指出这次改动解决了什么问题为什么改在这里。能沿着一条正常路径说出输入、处理和结果并实际验证它。能说出至少一个尚未确认的边界情况以及准备怎么查。如果说不出来就说明这一段还没真正做完。把理解放进开发过程比等整个功能结束后再补成本低得多。汇报进度也是在检验我有没有掌握工作以后汇报时我想少说“功能基本完成”多拿出能核对的内容。比如说明这次改了哪几个位置、实际跑过哪条路径、结果是什么还有哪些情况没测到接下来先处理什么。若 Leader 继续追问某个细节而我暂时答不上来我会明确说出已确认的部分和缺口随后回到代码里查证再给出准确答复。这样的汇报可能没有一句“都搞定了”听着漂亮却能让别人看见工作的真实状态也让我知道自己下一步该补什么。被批评那天我正是因为缺少这份对代码的把握才在打开文件时突然语塞。写在最后AI 可以帮我写出一段暂时能运行的代码却不能替我在现场解释它为什么存在、出了问题该怎么定位。这些问题不会等我有空再学前端后才出现它们会在开发和协作的任何一天出现。这次经历让我想把标准改得简单一点每推进一小段就确认自己能讲明白一小段。下一次有人让我打开代码我希望能从具体改动说起讲清已经验证的部分也坦然指出还不知道的地方。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/9 8:37:19

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/10 9:14:31

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/10 1:10:29

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/9 8:37:18

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/9 8:37:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉