摘要
1) 一句话总结 现阶段AI无法独立完成复杂软件项目，主要是受限于大语言模型在上下文窗口、自然语言精确度、环境感知与执行能力以及幻觉等方面的固有缺陷，目前仍只能作为人类开发者的辅助工具。
2) 关键要点
- 上下文窗口受限：复杂项目代码和文档庞大，AI难以获取全局视野，从而无法有效进行架构设计和模块拆分。
- 自然语言不精确：项目包含大量代码和文档之外的隐性知识，仅靠语言描述无法让AI完全理解整个项目。
- 需求转化依赖人类：项目需求通常是开放式的，必须由人类（如产品、运营）经过讨论和决策，将其转化为具体、确定的功能要求后，AI才能着手实现。
- 缺乏环境感知与直接执行能力：软件开发包含编译、部署、测试、集成和调试等大量互动环节，AI无法直接执行，且目前难以胜任复杂的调试操作。
- 当前协作模式：现阶段AI以辅助为主，流程为“人类提出模块级要求 → AI生成代码 → 人类审查与测试 → 人类将代码集成到项目中”。
3) 风险与缺口
- 代码幻觉风险：由于AI训练知识有限，在响应无限的人类需求时容易产生幻觉（如编造不存在的API或无法运行的代码）。若未经人类仔细审查和测试就混入项目中，后期发现和修复的代价极大。
正文
宝玉老师我有个问题。现在的AI开发工具比如cursor或者Devin其实都无法完成大型项目的开发，你也提到如果是一个模块，它们是可以胜任的，同时像o1这样的先进模型，是可以把大型项目拆分到模块的，那为什么还是不能很好的完成呢？
A.模型不行，拆分模块不够好
B.工具不行，需要人在中间调和
这其实是局限于大语言模型自身的缺陷：
上下文窗口长度有限
复杂项目的代码、文档是很多的，如果不能全局了解整个项目，你就很难去设计架构去拆分模块。
自然语言是不精确的
你很难用语言来描述清楚一个项目，就算你把整个代码库加上所有的文档都扔给 AI（假设上下文窗口长度没限制），它也不能完全理解这个项目，因为一个项目会有很多代码、文档之外的知识，要把它完全描述清楚要 AI 能理解这很难。
不仅仅是自然语言难以精确描述，很多时候项目的需求是开放式的，需要经过反复的讨论和修改才能把开放的问题变成确定的问题。比如说小红书突然有很多美国用户注册，你告诉 AI 这件事 AI 也不知道该做啥，最多给你出点点子，最终还必须是运营和产品把这件事梳理清楚，做出决策，变成具体的功能要求，比如要更好的国际化的支持，翻译的功能，等等，AI 才能去实现。
无法感知环境，也无法直接执行
当人类去开发一个项目的时候，不光是写代码，还需要很多互动，比如编译代码、部署代码、测试代码、模块集成、调试等等，这些事情 AI 是不能直接去做的，它需要去调用外部工具去编译、去部署，如果要调试那就更难了，因为它只能借助多模态，复杂一点的操作它现在还很难胜任。
幻觉
由于 AI 训练的知识是有限的，但人类的需求是无限的，但 AI 又要尽可能的对人类的要求做出响应，所以它就会产生幻觉，编造出一些不存在的 API、无法运行的代码，如果人不认真检查和仔细测试，就很容易把这些有问题的代码混进去，后期要花很大代价去发现和修复。
所以现阶段，AI 还是辅助为主，人类提出模块级别的要求，AI 去生成代码，然后人去审查去测试，最后再集成到项目中。