这位工程师把AI写代码的「黑箱」拆了，3个月后发现一个反直觉真相

去年Q3，Storytel的工程师团队做了个实验：让AI接手一个中等复杂度的微服务重构。结果代码交付速度提升40%，但3个月后维护工单暴涨217%。

负责AI落地的Staff Engineer Tobias Sandelius在复盘时发现，AI生成的代码像一份没有配料表的预制菜——你知道它能吃，但不知道里面放了什么，更不敢随意加热。

这个发现直接催生了DLD（Decision-Linked Development），一个试图把「决策痕迹」焊进代码里的开源框架。

从「氛围编程」到决策考古

Sandelius的实验路径很有代表性。2024年初，他和多数开发者一样，从「vibe coding」（氛围编程）入手——描述需求，让AI自由发挥，人类负责鼓掌。

这种模式在原型阶段确实爽快。他内部记录的一个案例：用Claude 3.5 Sonnet花4小时搭完一个推荐系统的MVP，同等工作量过去需要3天。

但快感在代码交接时戛然而止。

接手项目的后端工程师在Slack里吐槽：「这坨代码能跑，但我不知道它为什么这样跑。改一行可能崩，不改又满足不了新需求。」Sandelius把这类反馈归类为「决策真空」——AI写代码时做了无数微观选择，但这些选择的上下文在提交（commit）瞬间就被抹掉了。

他试过强制要求团队写详细注释，但很快发现这是和人类本性作对。另一个极端是spec-driven开发：先写冗长规格文档，再让AI按图施工。结果文档撰写时间吞噬了AI节省的工时，「像为了用洗碗机先手洗一遍碗」。

DLD的核心设计：把「为什么」写进语法树

DLD的解法不是让AI多说话，而是让代码结构本身携带决策信息。

框架要求每个代码变更必须绑定三类元数据：决策动机（为什么改）、约束条件（当时不能做什么）、替代方案（考虑过但放弃的路径）。这些信息以结构化格式嵌入代码仓库，而非游离在外的文档。

Sandelius打了个比方：传统注释是便利贴，可能掉、可能过时；DLD是把决策刻进代码的「分子结构」里，改代码必须先读到之前的「分子式」。

技术实现上，DLD用Git的notes机制和自定义的AST（抽象语法树）标注层。AI agent在修改代码前，框架强制它先解析关联的决策链。如果某段代码的决策依据是「当时Redis集群不稳定，所以用本地缓存兜底」，agent读到这条就不会在没有确认基础设施变化的情况下贸然回退方案。

关键约束：DLD不试图记录所有信息，只捕捉「如果缺失会导致误操作」的决策点。

Sandelius在文档里强调，过度记录会重蹈spec-driven的覆辙。框架内置了一套启发式规则，自动标记高风险变更区域——比如涉及并发控制、数据一致性、或依赖外部服务的代码块。

3个月实测：速度换可维护性的账怎么算

2024年Q4，Storytel的一个8人后端团队在真实项目中试点DLD。

数据呈现有趣的 trade-off：首次开发周期比纯AI模式慢15-20%，但代码审查时间缩短35%，后续迭代的速度在第二、第三次修改时反超对照组。更关键的是，因「误改历史决策」导致的生产事故归零。

Sandelius在内部汇报中引用了团队的原话：「现在改代码像看聊天记录，知道对面（之前的开发者或AI）当时在想什么，而不是对着一堵墙猜。」

但他也坦承局限。DLD对「探索性编码」——即连人类都还没想清楚的混沌阶段——帮助有限。框架的价值在代码进入「需要长期维护」状态时释放，这恰好是多数AI生成代码的薄弱环节。

另一个意外发现：DLD让人类开发者的角色发生了微妙位移。他们花更多时间定义决策边界和约束，而非直接编写实现代码。一位参与试点的工程师形容：「以前我是写手，现在我是编辑兼事实核查员。」

开源后的反馈与未解问题

DLD在2025年1月开源后，GitHub两周内收获1,200星。Sandelius梳理的issue和讨论里，有两类声音最集中。

一类是工具链整合诉求：希望DLD能嵌入Cursor、Windsurf等主流AI IDE的agent工作流，而非作为独立框架存在。另一类是质疑决策记录的权威性——如果最初的决策就是错的，DLD会不会让错误传承得更牢固？

Sandelius的回应很直接：「DLD不负责判断决策质量，只负责防止无意识覆盖。错误的决策至少应该被有意识地修改，而不是在无知中撞毁。」

他目前正在探索的下一步，是让AI agent在读取决策链时，能主动标记「此决策的前提条件可能已变化」的预警。这需要框架与运行时监控、基础设施状态打通，复杂度跃升一个量级。

Storytel内部还有一个未公开的实验：把DLD的决策记录喂给专门训练的模型，试图让AI不仅能读取历史决策，还能评估其当前有效性。早期结果参差——模型对技术约束的判断准确率约70%，但对业务逻辑的时效性判断经常翻车。

如果AI coding agent的终极形态是「能独立维护长期项目」，那么决策链的可解析性可能是比代码生成能力更基础的瓶颈。DLD的实验至少证明了一点：在让AI写更多代码之前，我们可能需要先教会它阅读代码的「记忆」。