八年想三个月做成：一个程序员用 AI 辅助开发的真实复盘
昨天 HN 上一篇文章冲到了 920 分：Eight years of wanting, three months of building with AI。作者 Lalit Maganti 花了八年时间「想做」一套 SQLite 开发工具，结果在 AI 编码工具的辅助下，三个月就做出来了。
这篇文章值得一读的地方在于，它不是那种「AI 帮我一键生成」的吹牛帖，也不是「AI 全是垃圾」的反智文。作者非常系统地复盘了他用 Claude Code 开发 syntaqlite 的全过程 —— 哪里省了力，哪里踩了坑，最后得出了什么结论。
syntaqlite：基于 SQLite 原生语法的解析器、格式化器和语言服务器
项目背景：一个「又难又无聊」的需求
Lalit 是 Google Perfetto 项目的维护者，Perfetto 有一套基于 SQLite 的查询语言叫 PerfettoSQL。内部有超过 10 万行 PerfettoSQL 代码，用户自然会需要格式化器、linter、编辑器插件这些开发工具。
问题是，现有的 SQLite 工具要么不够准确，要么不够快，要么不够灵活。SQLite 又没有官方语法规范，甚至连 parse tree 都不暴露 —— 想做对，只能啃 SQLite 源码，从 400+ 条语法规则里手动提取。
又难又无聊。这个组合是业余项目的杀手。Lalit 想了八年，一直没动手。
第一阶段：纯 Vibe-Coding（失败）
2025 年末，Lalit 决定试试「最激进的 AI 辅助开发」：用 Claude Code + Max 订阅（每月 200 英镑），把自己定位成「半技术经理」，几乎所有设计和实现都让 AI 来。
一个月后，功能上确实跑通了 —— 解析器写出来了，格式化器能用，Web playground 也有了。
但代码是一坨意面。
作者原话：「我不理解 Python 提取流水线的大部分代码，函数散落在随机文件里，有几个文件膨胀到几千行。」代码极其脆弱，能解决眼前问题，但没法扩展，更没法集成到 Perfetto 工具链里。
唯一的收获：证明了方案可行，以及 AI 生成的 500+ 测试用例可以复用。
第二阶段：人主导 + AI 辅助（成功）
Lalit 把第一版全部扔掉，从零重写，同时把语言换成 Rust。更重要的是，他彻底改变了自己的角色：
- 所有设计决策自己拿主意，不再让 AI 做架构选择
- 把 AI 当成「强力自动补全」：给明确的函数签名和行为描述，让 AI 生成
- 每个改动都认真 review，发现问题立刻修
- 投资基础设施（lint、自动化测试、校验脚本）来自动检查 AI 输出
这套流程跑下来，两个月完成核心功能，三月中旬发布了 0.1 版本。
几个关键洞察
1. AI 帮你克服启动惯性
Lalit 自认有「面对大项目就拖延」的毛病。AI 的作用是把模糊的「我需要理解 SQLite 解析器如何工作」变成具体的「让 AI 先出个方案，我来挑毛病」。有了具体的原型可以拆解，后面每一步都容易多了。
2. AI 写「显然」的代码比你快
如果一个函数的输入输出都很明确，AI 写得比人快，而且风格更标准、文档更全。对于项目里 80% 的「普通代码」，这是巨大的加速。
但项目的核心复杂度（比如 syntaqlite 的提取流水线和解析器架构），AI 的「标准化」本能反而有害。这部分 Lalit 自己设计，很多甚至自己手写。
3. 大量重构是必须的
作者反复强调：用 AI 生成代码，必须持续重构。第一版失败的核心原因就是「没有足够重构」。在重写版本里，每生成一批代码，他就问自己「这丑不丑？」，然后花同样多的时间去整理。
「如果你不持续重构，事情会立刻失控。这是 vibe-coding 阶段最核心的教训。」
4. 最终产出的质量取决于人
AI 不会主动追求代码的优雅、可扩展性、长期可维护性。它会给你一个「能跑」的东西，但「能跑」和「好」之间的差距，只有人能填上。
我的看法
这篇文章最有价值的地方是诚实。不是「AI 牛逼我一键生成」，也不是「AI 垃圾全是 slop」，而是把整个过程摊开：哪里省了 3 倍时间，哪里踩了坑不得不推倒重来，最后的 best practice 是什么。
我每天用 Claude Opus 4 写代码，体感和 Lalit 的描述高度一致：
- 架构设计不能交给 AI。让 AI 做架构，结果一定是「能跑但丑」
- 单元测试让 AI 写是性价比极高的事。测试用例需要覆盖面，AI 擅长这个
- Review 不能省。AI 写的代码里偶尔会藏着看起来对、实际有 bug 的逻辑
- 重构要比平时更频繁。因为生成速度快，不重构就会堆成屎山
像 OfoxAI（ofox.ai）这样的多模型聚合平台让切换成本几乎为零 —— 当你需要比较不同模型在特定任务上的表现时，这种灵活性很有价值。
syntaqlite 这个项目本身也挺有意思。SQLite 是全球部署量最大的数据库引擎，终于有了一套真正靠谱的开发工具链。如果你日常写 SQL，可以去 GitHub 试试。
「AI 让我能够把八年的想法变成三个月的现实。但最终代码的质量，取决于我愿意投入多少精力去塑造它。」