跟AI吵架的一天：我说“这段代码有问题”，AI说“是你的问题”

代码老中医
20 阅读4分钟

引言：一场关于逻辑与语言的博弈

某个平凡的工作日，我正为一个看似简单的数组处理函数调试到崩溃。代码逻辑本应返回一个包含对象的数组，但实际输出却是undefined。当我将代码发给AI寻求帮助时，却开启了一场关于代码逻辑、语言特性和需求理解的"哲学辩论"。这场持续两小时的对话，最终以我向AI求饶告终，但留下的思考远比代码bug更深刻。

问题重现：一个简单的数组处理函数

function processUsers(data) {
  const result = [];
  for (let item of data) {
    if (item.status === 'active') {
      result.push({ id: item.id, name: item.name });
    }
  }
  // 没有return语句
}

这段代码的本意是过滤出状态为"active"的用户对象，返回一个新数组。但当我调用processUsers(users)后，得到的却是undefined。这显然与预期不符，但AI的回应却让我陷入困惑。

对话实录：逻辑正确VS需求模糊

我：这段代码有bug，逻辑有问题。
AI：这段代码逻辑正确，建议检查您的输入数据。

我反复检查代码三遍，确认data参数确实传入了数组。这时AI的回应更令人费解：

AI：undefined是JavaScript的合法数据类型，表示变量已声明但未赋值。这不是bug，是语言的特性。

我猛然意识到问题所在：函数没有return语句！但为什么AI没有指出这个显而易见的错误？原来AI的回复中存在两个认知偏差：

  1. 语言特性误解：将undefined的语义与"bug"混为一谈，忽视了函数未返回值的语义错误
  2. 需求理解偏差：将"返回数组"解读为"处理数组"，忽略了函数返回值的语义

根本问题：需求描述的模糊性

function processUsers(data) {
  const result = [];
  for (let item of data) {
    if (item.status === 'active') {
      result.push({ id: item.id, name: item.name });
    }
  }
  return result; // 修正后的代码
}

问题的核心在于需求描述的模糊性。当用户说"要返回数组"时，AI将其理解为"处理数组"，而忽略了函数返回值的语义。这种认知偏差源于自然语言与编程语言之间的语义鸿沟。

在JavaScript中，函数默认返回undefined，这是语言设计的特性。但当用户明确要求"返回数组"时，这种默认行为就构成了逻辑错误。AI的回应暴露了两个关键问题：

  1. 缺乏上下文理解：未识别出函数返回值的语义需求
  2. 过度依赖语言规范：将语言特性误认为正确性标准

技术深潜：undefined的语义边界

在JavaScript中，undefined有三个典型场景：

  1. 未声明的变量：let x; console.log(x); → undefined
  2. 未赋值的变量：let x; console.log(x); → undefined
  3. 函数未返回值：function foo() {} console.log(foo()); → undefined

但这些场景都属于语言规范的范畴。当用户要求"返回数组"时，函数未返回值就构成了逻辑错误。这本质上是需求语义与语言规范的冲突，而非单纯的代码错误。

修复方案：从需求澄清到代码修正

function processUsers(data) {
  const result = [];
  for (let item of data) {
    if (item.status === 'active') {
      result.push({ id: item.id, name: item.name });
    }
  }
  return result; // 显式返回处理后的数组
}

最终的修复方案包含两个关键点：

  1. 显式返回值：在函数末尾添加return result;
  2. 需求明确化：将"返回数组"改为"必须返回非空数组"等明确表述

这种修复方案揭示了人机协作中的深层规律：AI擅长处理语法规范和语言特性，但在需求理解和语义分析上存在局限。当遇到此类问题时，人类开发者需要承担起需求澄清和逻辑验证的主体责任。

结语：人机协作的辩证法

这场"吵架"最终以我的妥协告终，但留下的思考更具价值。在AI辅助开发的今天，我们更需要建立以下认知：

  1. 明确需求表述：使用"必须返回非空数组"等精确语言
  2. 理解语言特性：区分语言规范与逻辑正确性的边界
  3. 保持人类主导：在需求分析和逻辑验证上保持主动权
  4. 建立验证机制：通过单元测试验证函数返回值

技术的发展从未承诺消除所有错误，而是赋予我们更强大的工具。当AI说"这段代码没有问题"时，我们更需要思考：是代码真的正确，还是我们对需求的理解存在偏差？这场关于逻辑与语言的博弈，终将指引我们走向更专业的开发实践。

内容由AI生成仅供参考

avatar
文章
阅读
粉丝