Bilibili下载器：AI编程真的那么香吗

Rust：编程界的"原神"，有人盛赞其为人类软件工程二十多年来的精华，有人鄙夷其圈子风气混乱。

AI编程：从Copilot到Vibe Coding，有人认为终于出现了软件工程的"银弹"，有人则觉得这只是资本为了融资和股价而进行的疯狂营销。

当这两个领域碰撞在一起，会擦出怎样的火花呢？

Bili_download

https://github.com/Rpeng666/bili_downloader

这是一个基于Rust编写的B站视频下载器，支持弹幕、普通视频和番剧（多集）下载等功能，具有非常良好的安全特性（Rust条件反射了）。这种在GitHub上已被各种语言——Python、C#、Golang、TypeScript等实现过无数遍的项目，我为什么还要再造一次轮子呢？

1. Rust被吹的非常火热，我想借此机会学习一下，是否真的好用

2. 在筛选Rust语言项目时，发现相关的GitHub仓库数量明显较少，可以填补这一空白

3. 我想让AI主导这次编程过程，而我则担任软件架构师的角色，以此检验AI编程在完整项目上的实力（是骡子是马，拉出来遛遛）

项目开发过程

这部分是为AI限定开发的范围，需要重点实现的内容，避免让AI陷入无休无止的发散思维中

1. 需求分析：需要支持不同类型的内容下载（普通视频，番剧），同时支持选定分辨率，最后要有良好的报错信息。

2. 架构设计：整体分为三个部分（负责读取用户在命令行写入参数的参数解析器，负责从URL分析视频类型的类型解析器，负责下载视频流和音频流的下载器，以及最终的后处理部分）

3. 关键功能实现：

   • 视频解析与获取（解析出类型，是否为Dash流还是Durl流）

   • 用户登录信息

   • 弹幕下载与处理

   • 番剧多集管理

   • 并发下载优化

2000行以内的蜜月期

语法层面

最开始的编程实现，Claude之类的模型效果非常惊艳。许多Rust难懂的报错、对于初学者生疏的语法，AI都能迅速解决。此外，对于bilibili的逆向代码，AI写得也非常好。比如某些HTTP状态码的处理，我甚至都不知道可能会有哪些状态码，而Claude直接提供了所有的枚举以及最终的代码。

对于初级工程师而言，这些工程代码可能算是某种"脏活"——查阅Rust文档和B站API文档也能完成，但可能需要花费一整个上午。而Claude只用了十几分钟就搞定了，实在是赞！

模式设计层面

Claude倾向于直接以过程式的方式提供可实现的代码，但很少考虑更宏观的架构和模式设计层面。这导致代码虽然能够工作，但缺乏可扩展性和可维护性。举个例子，当我让Claude实现一个复杂功能（视频下载）时，它通常会直接提供一个功能完整但结构单一的解决方案，而非考虑如何将其拆分为更小的、可重用的组件，或如何利用Rust的所有权系统和类型系统来提供更优雅的设计模式。不过，哪怕没有使用一些复用性较好的设计模式，这些问题在2000行代码以内还算可以理解，手动修改后依然能够使用，勉强给一个赞。

2000行之后的阵痛期

在这个阶段，问题开始逐渐显现。随着代码量增加，模型的上下文理解能力显著下降。Claude开始混淆不同模块的功能，对之前设计的接口记忆模糊，甚至会忘记我们已经实现过的功能。这就像让一个短期记忆有问题的程序员来维护一个日益复杂的系统，效率急剧下降。具体而言：

1. 可能由于上下文窗口限制，Claude忘记了自己实现过的模块，导致在多个文件中重复造轮子。

2. 随着代码越来越复杂，Claude倾向于编写能运行但效果不理想的代码。例如，面对复杂的异步操作和错误处理时，它会简单地使用unwrap()而非妥善处理可能的错误情况。

3. Claude开始编写越来越多的"补丁式"代码，难以掌控全局、理解和维护整个代码库。AI生成的代码呈现出"碎片化"特征，缺乏整体性和连贯性，导致代码结构松散，模块间耦合度过高。这种补丁式编程方式大大降低了代码的可维护性。有时为解决一个小问题，Claude会引入完全不必要的复杂性，最终导致代码库变得臃肿不堪。

思考

1. Rust语言学习曲线与价值评估

   1. Rust确实是不错的语言，语法学习的门槛可以由AI大大降低；

   2. 但其语法糖实在太多，再由AI自由发挥，很容易造成代码难以维护。感觉AI应该与Golang更搭配——语法简单、强类型，甚至消耗的token也更少。

2. AI编程工具的真实价值：噱头还是革命？

   1. 革命：能大大提高编写代码的速度，以前查文档要花半天时间的bug被压缩为几分钟。

   2. 噱头：不说大型项目，即使在超过2000行的项目中，AI就很可能放飞自我，不断编写补丁式代码，导致500行的功能被扩展成1000行甚至更多，最终导致AI自己也无法理解，只能由人类工程师来擦屁股。

   3. 在对话中，很难将一个功能点的所有可能角度都描述到位再提交给AI，所以AI倾向于用最简单的方式完成当前prompt描述的要求——你就说有没有遵循指令吧。

3. 软件工程师角色的重新定位：在AI时代如何保持竞争力

   1. 语法不是重点，

4. 代码质量分析：AI生成代码的安全性、可维护性和性能

   1. 安全性、可维护性、性能都难以可控，主要看当时对话prompt描述的是什么。但是谁又能一次性描述得那么准确呢？