# Adam Tornhill 翻出了一个老问题：函数应该写多长？

AI 模型理解代码的方式和人类不同。

研究表明，命名对 AI 的理解能力影响极大。

把有意义的变量名换成随机字符，模型表现会显著下...

Canonical URL: https://www.traeai.com/articles/b3119fc0-d1e9-45c1-b8e3-7014310aee5a
Original source: https://x.com/vista8/status/2050222575674925186
Source name: 向阳乔木(@vista8)
Content type: tweet
Language: 中文
Score: 7.8
Reading time: 3 分钟
Published: 2026-05-01T14:35:27+00:00
Tags: AI编程, 代码可读性, 软件工程, 命名规范

## Summary

AI理解代码严重依赖变量名等字面特征，而非语义推断；函数长度不关键，用清晰命名表达意图才是人与AI共读代码的核心原则。

## Key Takeaways

- AI模型理解代码主要靠字面特征（如命名、结构），非语义推理
- 变量名有意义与否对AI性能影响显著，随机化命名会导致表现大幅下降
- 函数应以‘意图可读’为设计目标——命名即文档，而非追求固定行数

## Outline

- 问题重提：函数该多长？ — 引出Adam Tornhill对经典软件工程问题的再审视。
  - AI与人类理解代码的根本差异 — 指出AI依赖字面特征，无法像人类一样进行语义推断。
  - 命名是AI理解的关键信号 — 实验证明有意义变量名对AI性能有决定性影响。
    - Fowler的意图优先原则 — 函数拆分应服务于意图显性化，命名即契约。
  - 对AI编程实践的启示 — 强调命名质量比代码长度更影响LLM辅助开发效果。

## Highlights

- > AI依赖的是字面特征，名字、结构、局部上下文，而不是推断出来的语义。 — 原文第3句
- > 把有意义的变量名换成随机字符，模型表现会显著下降。 — 原文第4句
- > 如果你需要花时间去读一段代码才能理解它在做什么，那就应该把它提取成一个函数，用函数名说清楚'它在做什么'。 — 原文引用Fowler观点

## Citation Guidance

When citing this item, prefer the canonical traeai article URL for the AI-readable summary and include the original source URL when discussing the underlying source material.