我在骑车的时候听播客，听到godot的核心开发者抱怨，自从程序员大量使用AI之后，Godot大部分提交的pr都是AI写的，提交者看都不看到底是什么东西，这大量占据了开发者的精力。再联想到前几天Linus拒绝了MMC的驱动，不让它合并到Linus 7.0中，原因是提交者也是用AI提交的，根本跑不起来，把Linus当测试人员使用了。还有一个叫Gentoo的Linux发行版也是遭遇了AI的DDOS攻击，机器人一顿PR，把核心开发者整的身心俱疲。
当然，我不是为了给这些用AI提交代码的人洗地，但是，从另一个方面来说，git可能已经不适合AI编程这个时代了。~~~~
程序员不能没有大模型，就像西方不能没有耶路撒冷。听说，榜一大哥目前无法解决的问题是：打赏一停，爱情归零。AI编程目前无法解决的问题是：会话一停，推理归零。我们往往“只知代码发生了改变，却不知代码为何发生改变”。
现在AI编程的现状是：代码飞速生成，Bug 飞速修复，但只要你关掉那个对话窗口，所有的上下文、所有的思考链，就烟消云散，再也找不回来了。我们往往“只知代码发生了改变，却不知代码为何发生改变”。
另外，不要再幻想什么逐行 Review 了，任何一个“人工智人”都不可能逐行检查“人工智能”产生的代码，原因非常简单，AI产出的代码实在是太多了！人类审代码的速度连AI的尾灯都看不到。
在传统的软件开发中，我们习惯用 Git来管理源代码，但是git只记录结果，不记录推理的过程。推理的过程实际上应该保存在程序员的脑子里，就算我们实现了某个功能，会写个git commit message提交一下。但是这个message能承载的信息，是非常的有限的。那只是大脑思维的一个极简缩影。它们随着程序员下班、离职或者时间久了遗忘，就彻底消失了。
现在进入了AI时代，程序员写了个提示词，大模型咔咔一顿跑，生成了3528行代码。我们只是看到了这些代码，AI没有告诉我们，刚才它经历了多少次推理，踩了多少坑，才写出了这些代码。AI 的推理过程往往是并发的，非线性的。它的“思考”存在于 Claude 或 GPT 的上下文窗口（Context Window）里。当你关闭 IDE 或清空对话的时候，这部分“思考”既没进程序员的大脑，因为代码实在太多，程序员不可能短时间内理解这么多代码，也没有进入git中，因为git只负责记录结果。
在AI时代，最宝贵的资产其实是“推理逻辑”，不记录“推理逻辑”而只记录产出的代码，无异于买椟还珠。那么，就没有办法了么？
目前，办法不是很多，但是已经有人在尝试做这个了。GitHub的前CEO，Thomas Dohmke，已经在着手解决这个痛点。他要构建一个开放、可扩展且独立的开发者平台，重新定义 AI 时代的代码协作模式。认为传统的“以代码文件/文件夹为中心”的开发模式正在改变，未来将转向以“意图（Intent）”和“结果（Outcomes）”为核心的自然语言工作流。
他有三个愿景，但是截至今天，只实现了第一个，他做了一个与Git 兼容数据库：在单一版本控制系统中统一代码、意图、约束和推理过程。第二个是，通用语义推理层：通过上下文图谱（Context Graph）实现多 agent 间的协同。第三个是，AI 原生界面：为人工与 Agent 协作量身定制的全新开发生命周期界面。
目前，在github上开源了entire/cli，有兴趣的可以去试试。如果你要问我这东西能不能成功，我当然是不知道的，将来有两种可能，要么entire成功了，要么像Claude Code，Antigravity或者Copilot集成了相应的功能。
总之，已经有人在解决“会话一停，推理归零”这个难题了。接下来，希望有人能解决榜一大哥的“打赏一停，爱情归零”这个世纪难题了。
栋哥，你的观点非常独特、非常好，有早期播客的感觉，
有个建议只是纯建议，你听听就好：
不要露脸😂。听你声音非常年轻、非常有活力，露脸就有点打折扣了。播客形式非常适合你，无限放大优点。