Code Review 实战经验总结

接着昨天的 code review 继续聊（Code Review：ChatGPT 碾压 Gemini，就差求饶），我之前文章提到的 llm pua 还是好使的。给出的大致技术方案，已经在我这几天折腾中，基本实现了。代码虽然是 ai 生成，但我在其中充当的角色也甚是麻烦，因为 terminal 实现代码过长，网页版 gpt 在多轮超长对话后会不断丢弃上下文、代码实现，导致的结果就是莫名其妙少了 1/2 左右代码，好在核心功能点我是知道的，可以快速扫过生成代码，让它进行补充，但这种方式很低效，也容易漏掉细节实现（这个我后面讲，其实有解决办法）。

Gemini 并非一无是处

Gemini 生成的前端界面是不赖，但这只是审美不错，代码一言难尽，比如 ts 类型各种丢失，或者到处 any，和 claude code、codex 之类的根本没法比。

上一篇文章虽是吐槽 Gemini，但并不代表它很弱。在模拟数学、物理特性时，表现都不错，可能也是得益于它的世界知识理解。但回到写代码真就是一言难尽，属于空有蛮力使不对地方，工程化总是差点意思...

也有群友表示说“可能是 deepmind 主攻人类复杂命题，就看不上工程化这种小儿科”。这也确实有可能，毕竟工程只是一种人类规范，最佳实践，并不是什么技术突破。

先扯点废话

我最近又在高强度写代码，最大的感受是自己更注重程序边界处理了。比如 terminal 在大数据读写下的性能优化，ipc 处理，超长数据应该如何截断兜底，cpu 在处理密集计算任务时如何避免卡死界面交互，如何避免任务无限增长爆内存，跨系统兼容等等。搞这种代码任务最是锻炼人，强制你思考很多关于架构层面的事，而不只是画页面，调颜色。

这些东西 ai 既擅长又不擅长，需要大量人力踩坑，来一步步引导 ai 完善架构。

回到项目

我本以为 Noi terminal 完成差不多了，就做了些极端测试：在无限 string 输出时会卡死，就改用切片+限流来避免 cpu 计算爆炸，结果导致了新的问题，字符残留无法清除、乱码等等（有种越改越错的崩溃感），然后又开始重新调整所有代码实现...

但是，当我发现 vscode 也有类似 bug 时，突然就放心了，可能确实不好处理吧！

我是用下面两条命令测试的：

Perl 命令：无限循环输出随机颜色的可打印字符，并不断用 ANSI 光标定位序列把光标随机跳到屏幕各处，用来压测终端的转义序列解析与重绘/定位性能。

urandom + hexdump：把/dev/urandom的随机字节流持续转成十六进制文本疯狂输出，用来压测纯输出吞吐、队列/背压与 UI 是否会卡死（如 Ctrl+C 响应）。

perl -e '$|++; while(1){ print "\e[".int(rand(30)+30)."m".chr(int(rand(94)+33)); print "\e[".int(rand(50)).";".int(rand(100))."H" }'

cat /dev/urandom | hexdump -v -e '1/1 "%02x"'

在优化前，执行 100 万行渲染，需要 15s。

限流优化：现在只需 10s 了（限流没有降速，反而提速了不少，可见之前实现有多垃圾）。无限写入随机字符串也将 cpu 控制在了 50-60% 之间（之前直接打满 cpu，界面卡死），结束命令 3s 左右，cpu 会自动回落到最低点。

何为限流

限流优化本质上就是“给数据流装刹车和缓冲”，让系统在高峰时也能保持稳定：当输出像洪水一样涌来时，不是全量一股脑灌进 UI，而是分批送达、按能力消化、超载就减速甚至暂停，并用上限避免越堆越多导致卡死或爆内存。简单说，它把“越忙越崩”的系统，改成“越忙越稳”的系统：UI 依然可交互、输入依然能及时生效、资源消耗有上限，最差也只是输出被延迟或被裁掉一部分，而不会把整个应用拖垮。

但分批次送达、消化、数据切片、减速、暂停这一系列操作就牵扯到了复杂的架构设计，处理不当就会造成缓存字符无法删除、字符乱码等等。

再回到我们文章开头的问题，如果再 gpt 网页版中产生了大量长对话代码片段，明知道丢了一些功能，但因为上下文太长，越聊只会越错该怎么办。我这里的处理办法是：尽量让网页版输出结构清晰的代码，然后把这些代码复制回项目，新创建文件保存。再让 codex 进行代码比对来粘合最新实现。很多时候，问题被卡住的点就是思想、架构层面的，而非具体的代码写法。有了宏观指导，一般 codex 都可以帮你补全其中的细节。