Joye Blog

Back

代码库里一直都有 slop:Good Code 的成本与平均质量

从 Lauren Tan 关于代码库里的 slop 的一条长帖写起,顺着 Good Code 的成本和评论区补上的条件往下读。

Updated 2026年10月12日

核心内容#

2026 年 10 月 11 日,Lauren Tan(@poteto)发了一条长帖。她从自己 2024 年前后的怀疑写起:agent 会不会把漂亮的代码库写脏。评论把这件事拆成了几件要分开回答的事。

这篇顺着原帖往下走,涵盖:

  • 她为什么说 slop 一直都在,以及「不是我写的」怎样冒充质量判断
  • 软件一直在变,硬软件和大多数软件为什么不共用「一次写到完美」
  • Good Code 的三条,以及保证的成本为什么在尽头变陡
  • agent 动到的是一大批改动的平均
  • 评论各自补上的一句:分级、责任、态度、曾经失败过的测试
  • 这几句合在一起,平均右移要靠什么才成立

要点整理#

1. 长帖从一件旧事写起#

开头的判断是:代码库里一直都有 slop。除了任务关键的硬软件,她举的例子是嵌入式,代码很少需要完美,所以这件事一直被接受。

她接着写下 2024 年的怀疑。写了很久代码的人,包括她自己,当时不相信 agent 能写生产代码。担心的是那些 slop 会进到「我们漂亮的代码库」里。

反转放在这句担心后面。人写的 slop 早就很多。说真话的话,大多数人称为 slop 的,是自己没写的那段代码。她给的比例是 99%,并且把自己算进去:并不知道 Good Code 长什么样,更写不出来。

这一步先把两件事拆开。觉得一段代码糟,可能是它没达到这段该有的标准,也可能只是因为它不是自己写的。后者用熟悉度当尺子。后面如果还把「仓库看起来更脏」当成 agent 失败的证据,就得先问脏的是标准,还是作者。别人写的、模型写的、自己多年前写的,都可以触发同一种不舒服。

2. 被做出来的东西一直在变#

她把软件工程和别的工程分开,是因为被建造的东西几乎是有机的:

  • 用户的口味在变
  • 写软件的人对问题的理解在变
  • 功能会来,也会走

规格本身在动。今天算正确的行为,下一个季度可能是该删掉的功能。对着一个还会变的目标追求一次写对、以后永远正确,追求的对象已经不在了。

硬软件贵,是从机会次数来的。视用途而定,可能只有一次机会,所以必须一开始就对。大多数软件不是这种形状:还可以再发一版,用户还在,问题的定义也还在变。

硬软件大多数软件
她举的例子嵌入式这类任务关键系统日常在用、持续改的产品
失败之后可能没有第二次机会可以增量修复
正确性从哪来一开始就要对接受一些 bug,换速度和进展
兜底更贵的保证测试和可观测性

机会少,所以硬软件贵。大多数软件用「还能再修」换「一开始不必完美」。 这是目标函数的差别。它还没有说哪一段可以不看,只是说不该用「一次永恒正确」去要求每一种软件。

3. 三条要同时成立,尽头才会那么贵#

她提议的 Good Code 不是一种感觉,是三条要一起有:正确,没有 bug,跑起来又快又省。缺任何一条都不在这个定义里。正确但慢、快但错、没有 bug 却贵到跑不起,都停在外面。第三条是一件事,又快又省,不是「快」和「省」各算一条。

贵的原因她写得很具体。长期以来,没有便宜的办法形式化地同时保证这三条。写硬软件更难、更贵,就是因为这层保证放不下来,而用途又可能只给你一次机会。

她在这句里点了 @bendlang。这个账号的介绍把它说成一种快的语言,用证明挡住 AI 的错误。原帖没有讲这个名字会怎样把价钱打下来,只说它也许能改变「代码没法便宜地同时保证这三条」这件事。这篇不展开这门语言。

接下来她把用户价值和 Good Code 拆开。人们在用的绝大多数软件,不必是 Good Code 也能给用户价值。她还判断,这些软件里的大多数很可能不是形式化可验证的。行业接受一些 bug,换速度和进展,改为依靠测试和可观测性,走增量。

她称为好事的是这套增量做法,不是 bug 本身。 测试和可观测性把不完美圈在能发现、能修复的范围里。这是一种便宜的、不完整的保证。

图 1 · 越接近 Good Code,保证的成本越陡。 横轴是三条同时满足的程度,柱高是这份保证的成本。
  1. 能跑

    先有行为

  2. 测试 + 可观测性

    出事找得到,找得到就能再修

  3. 同时保证三条

    Good Code

示意图,柱高不是测量值。尽头贵,是因为三条要同时被保证。

柱子的形状把话说完了。前两档相对矮,是因为「能跑」和「出事找得到」已经可以靠测试和可观测性买到。第三档突然变高,是因为三条要同时被形式化地保证。尽头的价钱来自保证本身。字是人敲的还是 agent 敲的,动不了这一档。

4. 她对 agent 说的是平均#

判断分两层。

第一层是速度。agent 让人动得更快。

第二层是质量,而且带条件。如果接受这个想法,agent 能够帮人写出更好的代码。那不会是 Good Code,Good Code 仍然贵。但在规模上,平均很可能好很多。

「更好」说的是一大批改动的中心,不是任意一行。「如果接受这个想法」说的是做法,不是把模型打开就会自动发生。

图 2 · 平均可以右移,Good Code 仍在尽头外面。 色块是一大批改动落在哪一段。右端的刻度是三条同时成立的 Good Code。

人写

agent + 验证

示意图。第二行整体更靠右,右端仍空着一截。生成变快以后,较差的改动数量也可以同时变多。

两条示意分布。人写的改动集中在偏左。agent 加上验证之后,分布中心右移,但仍然停在 Good Code 的刻度之前。

右移有一个容易漏掉的推论。生成变快以后,较差的改动,数量也可以同时变多。平均更好,和仓库里的 slop 变多,可以同时为真。坏例子变多,推翻不了平均已经右移;只拿坏例子,也证明不了平均没有动。要看的是那一批改动的中心,以及差的那一批有没有被验过。

她把接下来的工作定义成手艺:想清楚怎样做到这件事,现在就是这份工作。检验写得很硬。用 agent 和不用 agent,产出如果没有显著差别,就是有地方做错了。现在开始还不晚,把它当成一棵新的技能树来学。

原帖没有列出这棵树的节点。产出没变的时候,周围往往还按手写代码在运转:任务照旧切,对错仍由同一个上下文凭感觉验收。这只是一种读法。下面用评论来看,这种读法缺了哪几块。

5. 评论各自补了一句#

六条回复各自补一件原帖没展开的事。

  • Dmitrii Kovanikov:编程有时是画一张超写实的肖像,有时只是把一面墙涂白。
  • Barnir:现在的技能不是写代码,而是知道每个功能实际上需要多少正确性。
  • Ville:质量是连续谱,他担心工程师判断不了哪里该用哪一档,也觉得帖子有不少其实在谈完美代码。
  • Rares Portan:slop 一直都有,但以前有一个人为它负责,并且会回头把自己多年前的代码看成白痴写的。
  • YT:说放进 slop 也没关系,会被听成马虎的工程也可以;他不希望这样,也不希望把软件切成关键和非关键。
  • Boris Kwemo:先看着测试失败,从未失败过的测试什么也证明不了,然后再读 diff 里测试看不见的命名和形状。
补上的一块它在约束什么
肖像和白墙,以及每个功能要多少正确性标准按改动分,不按「是不是代码」分
连续谱,以及会不会选档Good Code 那三条如果被听成完美,操作问题就滑走了
有主人,下次想改好责任是一条回路,不是当前这份 diff 的正确性证明
别把 slop 听成马虎承认不完美,和放弃设定标准,是两句话
测试要先失败,再读形状证据要曾经红过;命名和边界不会自己把测试染红

这几句之间有一对张力,值得留下来。肖像和白墙是在分级。YT 拒绝的是另一种切法:切完以后,非关键的那一侧好像就可以不做工程。分级如果把某一档的标准切成空的,他就说对了。

Rares 的例子把「有主人」限定得很窄。主人回头嫌弃自己的旧代码,说明主人当时也没写出 Good Code。人提供的是下一次想改好的回路。生成、读 diff、合并如果共用同一个上下文,这条回路没有发生,剩下的是一句「我看过了」。

Boris 补的是证据的形状。测试的信息量来自一次真实的失败。从一开始就是绿的,只说明当前实现和当前断言一致,不说明断言在看该看的行为。命名、模块形状、依赖方向不会把测试染红,所以还要有一次分开的阅读。

6. 平均右移要这些条件一起在#

原帖止于「想清楚怎么做到是新手艺」,没有给流程。下面是把第 4 节的平均和第 5 节的六句放在一起之后,一份改动可以拿来对照的条件。

先给这段改动一笔正确性预算。 预算决定验证有多重,不决定能不能马虎。白墙也有标准,比如盖得住、边缘齐。低预算的意思是不值得为它上形式化证明,不是可以不看。

这段改动更像错了会怎样验证至少留下什么
涂白墙:文案、局部样式、边界清楚的机械修改看得见,回滚便宜自动检查,加上一次不是作者做的浏览
画肖像:权限、钱、迁移、并发、对外的 API会留得很久,修复贵先红后绿的测试,独立的审查,上线后能看见的信号
硬软件:嵌入式、不可逆的操作可能没有第二次机会更贵的那种保证。平均右移不够用

第三行就是她放在「很少需要完美」之外的那种软件。agent 可以推动大量白墙,以及一部分肖像的平均。只有一次机会的系统,仍然要买第三档的保证。行与行之间变的是证据的重量。没有一行的标准是空的,这样才接得住 YT 那句。

写 diff 的上下文不验收自己的活。 验收可以是另一个人,也可以是一条不复用这段推理的自动检查。同一个上下文里的「我看过了」,同时扮演作者和审查者,Rares 说的那条回路就没有发生。

合并前要有一次真实的失败。 测试先红,再绿。从未失败的测试不算跨过这道门槛。实现先写完,测试后补并且一次通过,缺的就是那次失败。

测试看不见的部分单独算。 命名、形状、边界要有自己的阅读。能写成 lint、结构测试、CI 的边界,就不要留在读 diff 的手感里。同站那篇讲 harness 的笔记把工程重心放在环境、边界和反馈回路上。和这里接上的只有一句:感觉不是证据。

平均右移因此是带条件的。生成变快的同时,验证也要更重,并且和生成分开,分布才会往右。只加快生成时,平均并没有右移,变多的是未经验证的改动。

当前理解 / 结论#

  1. slop 是质量分布里较差的那一截,代码库里一直有。 用「不是我写的」来认出它,会把归属问题和质量问题合成一个词。仓库变脏,要先分开这两件事再谈。
  2. Good Code 贵,是因为正确、没有 bug、跑得快且省钱要同时被保证。 大多数有价值的软件故意不买这个尽头,用测试和可观测性换速度。她认为这套增量是好事。agent 换不掉第三档的价钱。
  3. agent 的杠杆在平均,不在尽头。 生成变快时,差改动的数量可以同时变多。平均有没有右移,要看验证有没有一起变重,并且和生成分开。
  4. 技能树上先要定的是每个功能需要多少正确性。 用 agent 和不用,产出差不多,就是这笔预算和「曾经失败过」的证据还没进流程。原帖把想清楚这件事定义成现在的工作。
  5. 「可以有 slop」不能听成「可以不做工程」。 前一句说标准不必处处顶到 Good Code。后一句是放弃给这段代码设定标准。分级是为了选择证据的重量,不是为了划出一块免检区。

Related Content

🗂️ This is a 🔬 research in the knowledge base.

Content may be incomplete or work-in-progress.

Back