最近感觉大模型好像变笨了？聊聊 AI 写码时的间歇性降智

最近在折腾一个二次开发的项目，不得不感叹，现在的 AI 大模型有时候真的像个“薛定谔的傻子”。本来想趁着周末把大佬的开源项目魔改一下，结果这趟经历简直像坐过山车。

AI confused coding

AI 状态不稳定时的迷茫表现

事情是这样的，上午开始干活的时候，感觉 GPT-5.5 还挺聪明的，给的 Prompt 基本上都能秒懂，代码逻辑也跑得通。中间休息了一下，下午回来继续，顺手把做了一半的项目做了个备份，然后设定了一个很详细的“目标模式”和计划，就出门办事去了。

结果晚上回来一看，好家伙，项目已经被改得面目全非！原本好好的结构被拆得七零八落，完全没按照我设定好的计划走，甚至生成了一堆莫名其妙的代码。那一刻我真的很怀疑，是不是奥特曼又偷偷抽走了算力？这感觉直接从“赛博博学家”退化回了“原始智障”。

版本控制策略

高效的版本控制与备份流程

既然问题出现了，咱们得找找原因。这种现象在技术圈里其实挺常见的，大家都在讨论大模型的“间歇性抽风”。大概有这几个可能：

算力负载波动：很多时候，我们用的模型背后并不是独享的资源。高峰期或者服务器负载过高的时候，为了保证响应速度，可能会压缩模型的表现，导致输出变得“平庸”或者逻辑混乱。
温度与随机性：如果你设置的 Temperature（温度参数）偏高，模型的创造性虽然强了，但出错的概率也跟着飙升。有时候它不是变笨了，只是单纯地“放飞自我”了。
Prompt 的疲劳性：长对话中，随着上下文越来越长，模型可能会“遗忘”最开始的指令，或者被中间的错误代码带偏节奏，导致越写越离谱。

既然无法完全控制模型的“智商”，我们只能从开发习惯上入手，尽量减少损失。这里分享几个血泪总结出来的经验：

版本控制是底线：不管 AI 写得多快，Git commit 必须勤快。像文中提到的“备份”习惯非常好，最好是用 Git 分支管理，每小时或者每完成一个核心功能就提交一次。这样即使它把项目改废了，也能一键回滚。
对话拆分，短频快：不要在一个对话里从头聊到尾。当你发现回答质量开始下降，或者上下文太长时，果断开启新对话。把之前的关键上下文提炼一下，作为新的 Prompt 发送出去，保持模型专注。
指令明确，少写“天书”：有时候觉得模型笨，其实是我们的指令不够结构化。尽量把复杂的计划拆解成 Step-by-step 的步骤，要求它每一步只做一个操作，并强制它先输出思考过程再写代码。
引入“代码审查”机制：让 AI 自己先Review自己的代码。你可以加一步：“请检查上述代码是否符合原本的项目架构，如果不符，请指出问题。” 逼它回头看，往往能发现很多低级错误。

现在的 AI 虽然强大，但还没到完全托管项目的地步。把它当成一个偶尔会犯迷糊的实习生来看待会更理智——指令给清，盯着干活，随时备份。你们最近在用 AI 开发时有没有遇到过类似的“降智”时刻？欢迎在评论区聊聊你的避坑经验！