“AI寫的代碼「慘不忍睹」！”Linux內核開發者吐槽：Bug找得挺準，23個補丁最高提速90%，但代碼都是我重寫的

一位長期參與Linux核心維護的開發者近日在技術社群中公開表達了對AI生成程式碼的不滿。他在談及自己近期提交的23個效能修正補丁時直言，這些由AI輔助偵測到的程式缺陷雖然非常精準，但AI寫出的修正程式碼品質卻「慘不忍睹」，最終每一行程式碼都是由他自己手動重寫，才能讓系統穩定運行。這位開發者表示，他所負責的子系統在核心中屬於效能敏感區塊，過去一段時間內持續有使用者回報某些情境下的執行效率低落。為了加速除錯流程，他嘗試使用近期備受關注的AI編程工具來協助定位問題根源。結果確實令人驚豔：AI幾乎在數秒內就找出數十個過去人工需要花費數小時才能發現的邏輯錯誤與資源競爭瓶頸。

然而當他細看AI提出的具體修補方案時，卻發現情況遠不如預期。開發者指出，AI生成的程式碼在語法上雖然沒有明顯錯誤，但整體結構混亂、變數命名缺乏一致性，而且存在大量不必要的冗餘邏輯。最關鍵的是，這些程式碼完全沒有考慮到Linux核心內部的既有設計慣例與記憶體管理機制，若直接合併，很可能導致後續維護的災難，甚至引入新的安全漏洞。於是，他決定以AI標記出的錯誤位置為指引，重新撰寫完整的修補程式。在經過數週的反覆測試與調整後，他總共提交了23個補丁。這些補丁成功幫助子系統在多核心高吞吐量的場景下達到最高90%的效能提升，部分關鍵路徑的延遲也顯著下降。

但他坦承，這些成績完全是靠自己的經驗與對核心架構的深度理解所達成，AI只扮演了「問題指引者」的角色，而非「解決方案提供者」。這位開發者的經歷在Linux核心郵件列表與相關技術論壇中引發廣泛討論。不少資深貢獻者紛紛表示感同身受，認為目前市面上的AI程式碼生成工具在處理大型、高度耦合的底層系統軟體時，仍然力不從心。有開發者分析，AI訓練資料大多來自公開的程式碼庫，但Linux核心有著數十年累積的獨特編寫風格與極高的穩定性要求，AI很難從樣本中真正學會這些隱性規則。

另有觀點指出，AI的強項在於模式匹配與快速搜尋，因此對於常見的邏輯錯誤、記憶體洩漏等典型Bug能夠精準命中，但當需要根據複雜的系統狀態做出權衡判斷時，AI給出的方案往往過於單一，缺乏對長期可維護性的考量。這也解釋了為何這位開發者願意讓AI輔助找Bug，卻不願意讓AI直接寫補丁。值得注意的是，並不是所有人都對AI持悲觀態度。部分年輕的核心開發者認為，AI仍是一項新興技術，目前遇到的問題主要來自訓練資料的侷限性與模型對特定領域理解的不足。隨著更多高品質的開源核心程式碼被納入訓練語料，以及強化學習等技術的進步，AI未來確實有可能撰寫出接近專業水準的系統級程式碼。

不過，至少從目前Linux核心社群的真實回饋來看，AI寫程式碼的能力仍處於「輔助搜尋」的階段，距離真正取代人類開發者還有很長的路要走。這次事件也恰好呼應了近期開源軟體圈內另一股有趣的潮流：部分老牌專案如LibreOffice在宣稱「沒有AI」之後，反而因為強調人工撰寫的穩定性而獲得大批使用者的支持，一週內下載量突破百萬。對許多專業開發者而言，可靠、可讀、可維護的程式碼，遠比快速生成的程式碼更有價值。回到Linux核心的例子，該開發者最後也補充說，他並不反對AI工具，甚至認為AI對提升除錯效率幫助極大。

他只是希望外界不要過度神化AI寫程式碼的能力，特別是在處理核心、驅動程式、檔案系統等對正確性要求極高的基礎設施時，人類的判斷力與經驗仍是不可或缺的。他相信，未來的理想模式應該是AI與人類開發者協作，而非單方面依賴機器自動產出程式碼。目前這批23個效能補丁已經被核心維護團隊接收並逐步合入主線，預計下一個穩定版本就能讓廣大Linux使用者受惠。而這場關於AI程式碼品質的討論，也將持續影響開源社群對新一代開發工具的態度與採用策略。