AI 编程工具满天飞，但你知道它们有多不靠谱吗？

最近圈子里 AI 编程助手火得一塌糊涂。写代码、提重构建议、自动修 bug、甚至直接交付功能——几乎不需要人插手。确实挺厉害，这点没得说。

但有个挺让人头疼的问题，很多团队已经开始意识到了：大多数 AI 编程工具，其实一点都不靠谱。

同一个需求，跑两遍可能出两套完全不同的代码。模型更新了一下，之前跑通了的自动化流程可能突然就挂了。上周审核通过的那段改动，这周跑可能就崩给你看——至于为什么，没人说得清。

这就是 Rigorix OSS 想要解决的问题。

AI 生成代码为什么这么不稳定？

传统软件开发早就有一套保证"可复现"的成熟做法。版本控制、CI/CD 流水线、依赖锁定，这些机制的存在就是为了让"在我机器上能跑"这种事成为历史。

但 AI 编程助手把这套机制搅得一团乱。具体原因是这样的：

• 模型本身的随机性： 即使把温度参数调低，大语言模型在生成内容时还是可能蹦出不同的 token，量化、采样这些过程都会带来不确定性。
• 版本漂移： 模型一更新，生成代码的方式可能悄悄变了。表面上看着差不多，实际上行为已经不一样了。
• 上下文敏感： 对话状态、文件结构、环境变量……这些都会影响输出，而且很难精准复现。
• 审计黑洞： 出问题了想追溯 AI 到底干了什么、为什么这么干？基本上只能靠猜。

个人项目里遇到这种情况，顶多烦一下。但放到生产环境，特别是金融、医疗、安全这些受监管的行业，这就不是小问题了——简直是致命的。

Rigorix OSS 在搞什么？

Rigorix OSS 给自己定位是AI 编程助手的确定性运行时层。说人话就是：给这个充满不确定性的 LLM 代码生成世界套上一层约束和检查点，让输出变得可复现、可追溯。

虽然完整文档还在完善中，但核心大概分四块：

1. 确定性执行

每次 agent 跑起来，输入、模型配置、工具输出都会被锁定并记录。目标是解决"同一个 prompt，两种结果"的问题——同样的输入必须得到同样的输出，或者至少能说清楚为什么不一样。

2. 可审计性

完整记录 agent 的决策过程、工具调用、代码生成的每一步。不光是为了调试，而是要造出一条合规团队、安全审计、组长都能查的"纸质"轨迹。

3. 可重复性

构建结果可以复现。想重新生成上周二的代码库状态？有了确定性运行时，这不是痴人说梦。

4. 开源底子

作为开源项目，Rigorix OSS 欢迎社区一起参与标准制定和实践探索。这点很关键——AI 编程的可复现性问题，不是一家能搞定的。

为什么这事儿跟"Vibe Coding"息息相关

"Vibe Coding"这个词最近挺流行，用来形容那种跟 AI 助手"聊着就把代码写了"的自由风格。确实爽，确实快，确实让更多人能参与软件开发了。

但 Vibe Coding 也有阴暗面：vibe 很难审计。过程本身就是流动的、探索式的，结果很难复现。

像 Rigorix OSS 这样的项目，代表的是一条必要的成熟路径。它们不是要扼杀 AI 辅助开发的创造力，而是想给这种创造力装上一套严肃工程该有的"纪律"。

打个比方：爵士乐手现场可以疯狂即兴，但演出会录音、曲目单有记录、最终混音会版本化。创意自由和工程纪律并不对立——它们其实互相需要。

怎么参与？

如果你对确定性编程 agent 运行时感兴趣，Rigorix OSS 的仓库值得关注。clone 下来、翻翻 issue、考虑贡献代码——今天我们搭的工具，会定义五年后"专业 AI 辅助开发"长什么样。

AI 创意和软件工程纪律的交汇点，是目前科技圈最有意思的领域之一。不管你是用 AI 助手快速迭代的创业公司，还是想管住 AI 助手的传统企业，这个方向都值得你盯紧。