終結 AI「隨意編碼」！MIT 提出概念化架構，解決 LLM 破壞既有功能難題

麻省理工學院（MIT）研究人員最近提出一種新的軟體模型，旨在改善人類和人工智慧（AI）代碼生成器的編碼過程，讓軟體開發變得更透明和可讀。這項研究由 Eagon Meng 和 Daniel Jackson 共同撰寫，題為《你所見即所做：可讀軟體的結構模式》（What You See Is What It Does: A Structural Pattern for Legible Software）。

研究指出，現代軟體的可讀性不足，導致代碼與其行為之間缺乏直接的對應關係。他們強調，當前的軟體往往不夠模組化，這使得增量性、完整性和透明性等三個關鍵要求無法得到滿足。隨著大型語言模型（LLMs）的使用日益普及，這些問題變得更明顯，研究人員認為有必要重新評估軟體開發的實踐，以充分利用LLMs的優勢並減少其缺陷。

在使用LLMs為現有代碼庫添加代碼時，開發者常難以控制哪些模組被修改，並確保現有功能不會受到影響。研究指出，程式設計師經常抱怨LLM編碼助理推薦的修補程式會破壞先前生成的功能，這使得整個應用程式的擴展變得困難。

為了解決這些問題，Meng和Jackson建議將系統劃分為「概念」，這些概念是具有明確目的的用戶功能模組，能夠提供可識別的價值。他們舉例說，社群媒體應用中的概念可以包括「貼文」、「評論」、「朋友」等。這些概念不僅應該結構化應用的底層實現，還應避免相互依賴，進而防止形成複雜的連結網絡。

這些概念將由應用層進行協調，這樣可以避免耦合，使得概念可以獨立設計，然後再組合成應用。研究者們提出一種細粒度的同步方法，這些同步行為像是合約，明確規定了概念之間的互動方式。Meng在MIT的公告中表示：「為什麼我們不能像讀書一樣讀代碼？我們相信軟體應該是可讀的，並以我們的理解為基礎。」

這種明確且可聲明的同步方式不僅可以被分析和驗證，還可以由LLMs生成。研究者們認為，這種方法將使得基於LLM的工具能夠提供超越「隨意編碼」的功能，避免結果不可預測、複雜性限制容易達到的情況，並降低每一步編碼都可能破壞先前工作的風險。

最終，這項研究的架構可能導致建立一個「經過良好測試的、特定領域的概念目錄」，這些概念可以被人類和AI編碼者共同使用。雖然開發者仍需面對功能互動的固有複雜性，但這些問題將變得更透明，而不再是分散和模糊的。這項研究已在SPLASH 2025國際會議上發表，並獲得專家高度評價。