全靠Claude4！30年FAANG老工程師：AI幫我解決了四年老bug
AI 就像一頭野驢，跑起來就不停。人類花了幾百萬年才走上食物鏈頂端，而大模型只用了不到十年時間，已經能把你和劉亦菲 P 進一張自拍了。奧！最新進展是已經能自己生成音畫同步的超真實脫口秀了。
不過等人類回過味來，發現海的那邊好像是敵人，AI 導致的失業潮仿佛近在咫尺。還記得七年前（那時候 ChatGPT 都還沒發布）本科第一次班會上，老師問為什么要選這個專業，有同學回答因為這是最不容易被 AI 替代的職業之一（PS. 我學的是建筑，大家別笑得太大聲）。
不知是不是預料之內，AI 最先波及的，竟然是寫程序這件事本身。Anthropic 的創始人、CEO Dario Amodei 就曾預測，很快 90% 的代碼可能都會由 AI 來編寫。
先不說這個預言什么時候會實現，至少他家的產品確實在往這個方向發展。請問編程最厲害的大模型是哪個？雖然沒有定論，但 Claude 肯定榜上有名。
BigCodeBench 榜單
上個星期剛發布的 Claude 4，讓人們的「刻板印象」又加深了一層。
5 月 22 日，Anthropic 推出了全新一代 Claude 4 系列大模型，為代碼生成、高級推理和 AI 智能體樹立了全新標準。其中，Claude Opus 4 是一款全球領先的編碼模型，它在復雜、長時間運行任務和智能體工作流中擁有持續的高性能。
Anthropic 展示了 Claude 4 如何無縫融入人們整個工作日。它擁有三大高級功能：通過 Claude 應用中自定義集成進行深入研究，管理項目，并能在 Claude Code 中獨立解決代碼任務。
新版本的大模型已經上線，立即吸引了大量程序員前去使用，很多人表示效果出奇的好。
昨天，Reddit 上一位擁有 30 多年經驗的前 FAANG 高級工程師發帖表示，他被一個 C++ 的 Bug 困擾了 4 年，花了約 200 小時卻毫無進展。而 Claude Opus 4 竟然成功地解決了這個問題，并且是唯一能做到的 AI 智能體。
這篇帖子在 X 和 Reddit 引起了熱烈的討論，Anthropic 工程師 Alex Albert 表示，這樣的故事可能會越來越多。
有人展開了技術討論。
也有人認為，這根本就是個 Claude 推廣軟文。
假如這個故事是真的，我們該如何來看待這件事呢？
大家先別激動，等一等外行的朋友們，我們先來梳理一下要點，這里邀請 Gemini 老師場外援助（因為我也是外行）。
Bug 的來源和難度
這個 Bug 是在四年前一次大規模的代碼重構（Re-architecting refactor）中產生的。
- 代碼重構：你可以把它想象成對一棟老房子進行徹底的重新設計和裝修。原來的房子可能有很多問題（比如布局不合理、管道老化），裝修后解決了這些問題，但可能因為改變了結構，導致某個角落里以前能用的某個特殊電器（比如某個特定型號的燈，只有在特定開關下才用）現在用不了了。
- 6 萬行代碼：這說明這次「裝修」的規模非常大，非常復雜。
- 邊緣案例（Edge case）：這指的是一個非常特殊、不常出現的情況。就像上面說的那個特殊電器，平時很少用，只有在特定條件下才會用到。
- 著色器（Shader）：這是一種專門處理圖形和視覺效果的代碼。你可以理解為那個「特定型號的燈」。
- 問題所在：在這次大規模「裝修」后，那個「特定型號的燈」在「特定開關下」就不亮了。
Bug 的真正原因
AI 發現，這個問題不是因為「裝修」時工人犯了個簡單的錯誤（比如接錯了一根線，這叫邏輯 Bug）。而是因為：
- 那個「特定型號的燈」以前之所以能亮，僅僅是因為老房子舊結構下的一個「巧合」。可能有一根電線無意中搭在了某個地方，正好給它供電了。
- 在重新設計和裝修（改變了架構）時，大家并沒有意識到這個「巧合」的存在，也就沒有在新的設計里考慮進去。所以，當舊結構消失后，那個「巧合」也消失了，燈自然就不亮了。
- AI 的厲害之處在于，它不僅看懂了新舊兩套復雜的「圖紙」，還理解了那個「巧合」是怎么回事，并指出了新設計沒有考慮到這個隱藏的依賴關系。
很好！那我們現在來分析一下，AI 在這個過程中起到了什么作用呢？
首先，AI 可以輕松地加載、分析和比較新舊兩個版本共計數萬甚至數十萬行的代碼。它不會像人類那樣感到疲勞或遺忘細節，可以同時「看到」整個 picture。
像 Claude Opus 4 這樣的先進模型擁有巨大的「上下文窗口」，這意味著它可以一次性考慮非常多的信息，并追蹤它們之間的復雜關系。
同時，AI 不會帶有「它應該如何工作」的偏見。它只是客觀地分析舊代碼如何運行并產生結果，以及新代碼如何運行并產生不同結果，它能發現兩者之間最細微的差異。
別忘了，這個過程還需要人類的指導。程序員通過超過 30 個 prompt 來引導 AI。這說明人類的經驗和直覺與 AI 強大的分析能力相結合，才能發揮最大效果。人類設定目標、提供背景，AI 則執行繁重的分析工作。
