1. 从“许愿式”编程说起一个被热词带偏的真实需求“GPT-6 与许愿式编程”这个标题第一次看到的时候我脑子里蹦出来的不是某个具体模型而是一种很具体的开发体验你对着一个对话框敲下一段模糊到不能再模糊的需求然后期待它吐出一整套能跑的代码。这个过程像极了对着流星许愿——愿望说出口的那一刻很爽但流星并不会因为你许了愿就真的帮你把房贷还了。所谓“许愿式”编程我给它下的定义是开发者把自然语言当作唯一的输入接口把“描述意图”等同于“完成实现”把模型的输出当作可直接交付的成品而跳过了验证、拆解、约束和迭代这四个真正决定代码能不能上线的环节。它和“AI 辅助编程”最大的区别在于前者是许愿后者是协作。许愿的人只负责说协作的人负责说清楚、验明白、改到位。这个标题之所以能成为热词本质上不是因为 GPT-6 本身有多神秘而是因为过去两年里大量开发者第一次用自然语言写出了能跑的代码兴奋之余产生了一种错觉编程这件事的门槛被彻底抹平了。但真正在项目里落地过的人都知道模型越强“许愿”的代价反而越高——因为它生成的代码看起来越像对的你越容易跳过 review最后在某个边界条件上炸得越惨。这篇文章想聊的不是“GPT-6 有多强”而是在模型能力持续进化的前提下一个从业者应该怎么把“许愿”变成“工程”。我会从许愿式编程的典型翻车场景讲起拆解提示词到底在补什么信息再给出一套我自己在用的、可复现的协作流程最后聊聊哪些活该交给模型、哪些活必须自己扛。适合已经用过 AI 编程工具、但总觉得“生成的东西不太敢直接上”的中级开发者也适合刚接触这块、想少走弯路的新手。2. 许愿式编程的四种典型翻车现场2.1 需求描述里的“默认值陷阱”最常见的一种翻车是你在提示词里写“帮我写一个用户登录接口”然后模型给你返回了一个带 JWT、带密码哈希、带限流的完整实现。看起来很美好但你仔细一看它默认用了 bcrypt 的 cost 因子 10默认 token 有效期 24 小时默认把用户 ID 直接塞进 payload。这三个默认值在你的业务里可能全是错的。问题不在于模型选错了而在于你根本没告诉它你的约束条件。模型在信息缺失时会用训练数据里最高频的“合理默认值”来填空。这些默认值在通用场景下没问题但你的项目从来不是通用场景。cost 因子 10 在高并发登录场景下会让 CPU 打满24 小时有效期在金融类应用里长得离谱用户 ID 进 payload 在需要支持多设备踢下线的场景里根本不够用。我踩过最典型的一次是让模型写一个分页查询。它默认用了LIMIT offset, size的写法在数据量小的时候完全没问题但那张表后来涨到了两千万行深分页直接把数据库拖垮。模型没有错它给的是标准写法错的是我许愿的时候没提数据量级。2.2 模型“自信地编造”不存在的 API第二种翻车更隐蔽模型会非常自信地调用一个根本不存在的函数或参数。比如你让它用某个库的某个方法它会一本正经地写出client.fetchAsync({ retryPolicy: exponential })语法完美、命名合理、注释齐全但这个retryPolicy参数在那个库的当前版本里压根不存在。这种情况在库版本更新快、或者库本身比较小众的时候尤其常见。模型的知识有截止时间它见过的可能是某个旧版本也可能是某个根本不存在的“理想版本”。它不会告诉你“我不确定这个 API 存不存在”它会直接编一个出来而且编得比真的还像真的。我自己的应对方式很简单任何模型生成的、涉及第三方库调用的代码第一件事不是跑是去官方文档里搜那个方法名。搜不到就说明是幻觉搜到了再看参数签名对不对。这一步花不了两分钟但能省掉半小时的 debug。2.3 边界条件被系统性忽略第三种翻车是边界条件。你让模型写一个“计算两个日期之间工作日天数”的函数它会给你一个漂亮的实现但它大概率不会处理起始日期晚于结束日期怎么办、跨年怎么办、法定节假日怎么算、时区怎么处理。这些边界在提示词里你没提模型就默认不存在。这不是模型的缺陷这是自然语言的固有模糊性。“计算工作日天数”这句话在人看来是有歧义的但在模型看来是一个明确的指令它会按最直接的理解去实现。自然语言天然缺少边界定义而代码的正确性恰恰建立在边界定义之上。这就是为什么许愿式编程在 demo 阶段很爽一进生产就露馅。2.4 生成代码的“局部正确、全局冲突”最后一种最要命模型生成的每一段代码单独看都没问题但拼在一起就冲突。比如你分三次让模型写三个模块第一次它用了 snake_case 命名第二次用了 camelCase第三次又混着来。或者第一次它把配置写死在代码里第二次它读环境变量第三次它读配置文件。单看每段都能跑合起来就是一团乱麻。根源在于模型没有你项目的全局上下文。它每次生成都是基于你当次给的提示词它不知道你上一次是怎么写的也不知道你团队的代码规范。你许的每一个愿都是独立的但项目是一个整体。3. 提示词到底在补什么把“许愿”翻译成“规格”3.1 提示词的本质是需求规格说明书的压缩版很多人把提示词当成“跟 AI 说话的方式”这个理解太浅了。提示词的本质是把你脑子里那份没写出来的需求规格说明书用自然语言压缩后喂给模型。你写得越接近规格说明书模型输出越接近可交付代码。一份合格的需求规格说明书包含什么输入输出的类型和范围、边界条件、异常处理策略、性能约束、依赖约束、命名规范、错误码定义。你在提示词里覆盖了其中几项模型就能少猜几项。你一项都不写模型就全靠猜猜中的概率随着项目复杂度指数级下降。所以“许愿式”编程的问题不是许愿这个动作本身而是许愿的内容太贫瘠。你说“帮我写个登录”这是许愿你说“写一个登录接口输入是手机号和密码密码用 bcrypt cost 12 哈希返回 JWT有效期 2 小时失败返回 401 和统一错误码需要防暴力破解同一手机号 5 分钟内失败 5 次锁定 15 分钟”这是规格。3.2 结构化提示词的四个必备字段我自己在用的提示词模板固定包含四个字段缺一个我都会觉得这次生成不靠谱字段作用缺失后果角色与场景告诉模型这是什么项目、什么技术栈、什么规模模型用通用方案不贴合你的架构输入输出契约明确类型、格式、取值范围模型自由发挥接口对不上约束与边界性能、安全、兼容性、异常处理要求边界条件全被忽略验收标准什么样的输出算合格你没法判断生成结果对不对这四个字段不需要写得很长但必须写。我见过太多人提示词就一句话然后抱怨模型生成的东西不能用。这就好比你让装修师傅“随便装一下”然后怪他装出来的风格你不喜欢。3.3 用“反例”代替“形容词”还有一个很实用的技巧少用形容词多用反例。你说“代码要健壮”模型不知道什么叫健壮你说“不要出现未捕获的异常所有 IO 操作必须有超时和重试”模型立刻就懂了。形容词是主观的反例是客观的。你说“性能要好”不如说“单次查询不能超过 50ms不能有 N1 查询”。你说“代码要清晰”不如说“函数不超过 30 行嵌套不超过 3 层变量名用完整单词不用缩写”。模型对具体数字和具体禁令的响应远好于对模糊形容词的响应。3.4 把“许愿”拆成多轮“确认”最后一个心法不要指望一次许愿拿到终稿。把一次大许愿拆成多轮小确认每一轮只解决一个维度的问题。第一轮定接口签名第二轮定核心逻辑第三轮补异常处理第四轮加测试用例。每一轮你都 review确认没问题再进下一轮。这样做的好处是错误在早期就被拦住不会累积到最后变成一坨没法改的代码。而且每一轮的提示词都很聚焦模型不容易跑偏。我自己的习惯是超过 50 行的生成一定拆成至少三轮。4. 一套可复现的“反许愿”协作流程4.1 第一步先写接口再写实现不管模型多强我都会坚持一个顺序先让模型生成接口定义人工确认后再生成实现。接口定义包括函数签名、参数类型、返回值类型、抛出的异常类型。这一步模型几乎不会出错因为它不需要理解业务逻辑只需要把契约写清楚。接口确认之后实现部分的提示词就可以直接引用这个接口模型有了明确的锚点跑偏的概率大幅降低。而且接口一旦定下来后面就算实现要重写调用方也不用改这是工程上的基本纪律。4.2 第二步让模型自己写测试但你来定测试点模型写测试用例的能力其实很强但前提是测试点由你来定。你告诉它“测试空输入、测试超长输入、测试并发调用、测试依赖超时”它就能把这些场景的测试写出来。你不告诉它它只会写最 happy path 的那一个。我通常的做法是先自己列一个测试点清单然后让模型按清单生成测试代码。生成完我再检查一遍看有没有漏掉我没想到的边界。这一步经常能发现我自己思维的盲区算是意外收获。4.3 第三步小步运行每步都验证生成代码之后绝对不要一次性跑整个流程。先跑最小可运行单元确认这一步的输出符合预期再往下走。比如生成了一个数据处理管道先单独跑数据读取确认读进来的格式对再跑清洗确认清洗规则对最后跑输出确认写出去的格式对。这样做看起来很慢但实际上比“一把梭然后 debug 三小时”快得多。而且每一步的验证结果都可以作为下一步的输入形成正向反馈。4.4 第四步把验证过的代码固化成模板每次成功协作之后我都会把这次用到的提示词结构、接口定义方式、测试点清单整理成一个模板。下次遇到类似场景直接套模板效率会高很多。模型会进化但你的工程方法论应该沉淀下来。今天用 GPT-6 许愿明天可能用更强的模型但“先接口后实现、先测试点后测试代码、小步验证”这套流程换什么模型都适用。5. 哪些活该交给模型哪些必须自己扛5.1 适合交给模型的有明确模式、有大量先例的活模型最擅长的是有大量先例、模式清晰、边界明确的任务。比如 CRUD 接口、数据格式转换、正则表达式、单元测试骨架、文档注释、常见算法的标准实现。这些活的特征是正确答案相对唯一模型见过足够多的例子生成质量稳定。我现在的习惯是这类活直接交给模型自己只做 review。省下来的时间用在真正需要判断力的地方。比如写一个 JSON 转 CSV 的函数模型三秒就能给我一个能用的版本我花三十秒 review 一下边界比我自己写快得多。5.2 必须自己扛的架构决策、安全边界、业务语义有三类活我从来不交给模型做最终决定架构决策。模块怎么划分、服务怎么拆分、数据怎么流转这些决策依赖对业务未来演进的判断模型没有这个上下文。它可以给你几个方案对比但拍板必须是你。安全边界。认证、授权、加密、脱敏、审计这些地方的任何疏漏都是事故。模型可以帮你写实现但安全策略必须你自己定而且必须经过独立的安全 review。业务语义。什么叫“有效订单”、什么叫“活跃用户”、什么叫“逾期”这些定义是业务方的语言模型只能按字面理解。你必须把业务语义翻译成精确的判定条件再交给模型实现。5.3 一个简单的判断标准如果一件事的正确答案依赖于“你项目的具体情况”那它就不该完全交给模型。如果一件事的正确答案是“业界通用做法”那模型大概率能帮上忙。这个标准不完美但足够实用。6. 模型越强“许愿”的代价反而越高6.1 生成质量提升带来的“审查惰性”这是一个反直觉的结论模型越强许愿式编程的风险越大。原因是当模型生成的代码质量很差时你一眼就能看出问题自然会去仔细检查当模型生成的代码质量很高、看起来很像对的时你的警惕性会下降review 会变得敷衍而恰恰是这种“看起来对”的代码藏着最隐蔽的 bug。我管这个叫审查惰性。模型输出越流畅、越自信人越容易跳过验证。这在心理学上很好解释但在工程上是灾难。所以我的原则是模型输出质量越高我 review 得越仔细。因为高质量的假象最容易骗过人。6.2 能力越强越容易掩盖需求本身的模糊第二个反直觉的点模型能力越强越能“圆”你模糊的需求。你需求写得含糊弱模型会直接报错或者生成明显不对的东西逼你去把需求想清楚强模型会自己脑补一套逻辑生成一个看起来完整、实际上和你真实意图有偏差的实现。你如果不仔细看就以为需求已经满足了。模型的能力某种程度上是在替你掩盖需求定义的不完整。这很危险因为需求的不完整不会消失它只是被推迟到上线后才暴露。所以模型越强你越要主动把需求写清楚不能依赖模型帮你“猜”。6.3 从“许愿”到“规格驱动”的转变说到底GPT-6 也好后面的模型也好它们改变的是实现的速度不改变需求的清晰度决定实现正确性这个基本事实。许愿式编程的问题从来不在模型在于许愿的人没有把愿望翻译成规格。我现在的做法是把每一次和模型的协作都当成一次“写规格”的练习。提示词写得越像规格说明书输出越像可交付代码。这个过程反过来也在训练我自己把需求想清楚的能力算是意外收获。7. 我踩过的几个具体坑和对应的解法7.1 坑一让模型“优化”一段代码结果逻辑被改有一次我让模型优化一段查询代码的性能它确实优化了但它顺手把一段“如果用户已注销则返回空”的逻辑删掉了理由是“这段逻辑看起来是冗余的”。它不知道这个逻辑是业务要求的它只从代码层面判断冗余。解法优化类提示词必须明确“只改什么不改什么”。我现在会说“只优化查询部分业务逻辑一行都不许动改完把改动点列出来”。这样模型就不会自作主张。7.2 坑二多轮对话里模型“忘记”了前面的约束多轮对话时模型对早期轮次的约束记忆会衰减。你在第一轮说“所有金额用分为单位”到第五轮它可能就用了元。这不是模型故意是上下文窗口的固有限制。解法关键约束在每一轮都重复一遍。或者把约束写成一个固定的“系统提示”部分每轮都带上。麻烦一点但能避免很多低级错误。7.3 坑三模型生成的代码“能跑但不可维护”模型生成的代码经常能跑但命名随意、注释缺失、结构混乱。它能通过测试但三个月后没人看得懂。解法把可维护性要求写进提示词。我现在会明确要求“变量名用完整单词、每个公开函数必须有文档注释、单个函数不超过 30 行、不允许出现魔法数字”。这些要求写进去模型基本都能遵守。7.4 坑四过度依赖模型导致自己能力退化这是最隐蔽的坑。用久了之后你会发现自己对某些基础 API 的记忆变模糊了因为反正可以问模型。短期看效率高了长期看判断力在下降。解法定期做“无模型”练习。我每周会挑一两个小任务强制自己不用模型完成保持手感。模型是工具不是拐杖这个界限要自己守住。8. 写在最后的一点个人体会GPT-6 这个标题之所以能成为热词我觉得本质上反映的是一种集体焦虑大家既兴奋于 AI 编程带来的效率提升又隐隐担心自己会不会被替代。但真正在一线写过代码的人会明白模型替代的是“敲键盘”这个动作替代不了“想清楚要敲什么”这个能力。许愿式编程的诱惑在于它让你觉得不用想清楚也能出结果。但工程这件事想不清楚的部分迟早会以 bug、事故、返工的形式还回来。模型越强这个还回来的周期可能越长但不会消失。我自己现在的状态是把模型当成一个反应极快、知识面极广、但完全没有我项目上下文的初级工程师。我会给它足够清晰的规格让它快速产出初稿然后我用我的上下文去 review、去修正、去补边界。这个协作模式跑下来效率确实比纯手写高很多而且质量可控。至于“许愿”还是留给流星吧。代码这件事还是老老实实写规格比较靠谱。