专题：test-driven-development

本文深入探讨LLM生成代码引发的三重系统债务问题，包括技术债务、认知债务和意图债务。通过引入Kahneman双系统模型的扩展版本，分析AI代理对认知决策的影响。重点强调验证体系重构的必要性，指出人类在复杂系统设计中的不可替代性，为AI与编程范式的协同演进提供理论框架和实践方向。

本文整理了作者在Pragmatic Summit上关于‘代理工程’的讨论内容，涵盖AI编码工具的采用阶段、信任机制、测试方法、代码质量提升及对开源生态的影响。讨论涉及具体工具如Showboat和Claude Code，以及开发模式如红绿TDD，为开发者和研究者提供了有价值的参考。

文章探讨了LLM在软件开发中的影响，包括认知债务、代码理解、抽象建模和开源维护的挑战。作者提出需要新的方法确保对AI生成代码的掌控，并反思AI如何解释复杂技术概念，如Transformer模型。

Anthropic公司报告展示了AI在软件开发中的实际应用，包括调试、功能实现和效率提升。Obie Fernandez通过TDD方法构建了基于Claude的知识提取工具Nexus，用于处理代码和数据。文章还探讨了AI在信息伪造中的风险，并强调了实验和反馈在AI开发中的重要性。