外观
为什么 AI 写的代码越改越乱？
一句话回答：很大程度上取决于模型第一版选择的代码架构——写过程式代码（一个函数里从头画到尾）的模型，后续迭代时牵一发动全身，越改越乱；而采用面向对象架构的模型，代码模块边界清晰，改一处不容易崩别处，前端效果和迭代稳定性都明显更好。
实测中的架构分化
在六个国产模型 + Claude 的同题横评中（同一提示词写完整前后端应用），审查所有模型的源代码后发现一个清晰的分界：
- 面向对象架构：Claude 和 GLM-5 —— 前端效果明显更好，多轮迭代不易崩
- 过程式代码：其余模型 —— 一个函数从头画到尾，迭代时越改越乱；最严重的 MiniMax 甚至出现前后端状态对不上的问题
这解释了横评中的普遍现象：几乎所有模型第一版都能跑，但一进入修 bug 环节就分出高下——架构差的代码，每次修改都是在给下一个 bug 挖坑。
一个典型的难点案例：相机跟随
该项目里最难的一个点是相机跟随（视角锁定在移动的角色上）。大部分模型的处理方式暴露了理解深度：
- 有的直接把角色挪到屏幕中心（假跟随）
- 有的跟随逻辑写了，但前端渲染里根本没调用（死代码）
- 只有 Claude 正确实现了 worldToScreen 坐标转换，one-shot 一次成功
难点不在"写出看起来相关的代码"，而在于理解渲染管线里数据真正的流向——这也是架构能力的体现。
对使用者的启示
- 第一版验收时看一眼代码结构：如果是一个巨型函数，后面的迭代大概率痛苦，考虑早点要求重构或换模型
- 越改越乱是换模型的信号：修一个 bug 引入两个新 bug，往往不是提示词问题，是代码底子问题
- 让更强的模型审代码：非程序员可以让 Claude 等模型开子 agent review 源码，架构问题、安全隐患（硬编码后门、无盐哈希存密码）都能查出来
常见误区
- "能跑通第一版就是好代码" —— one-shot 跑通只是起点，架构决定了后续迭代的天花板。
- "越改越乱是我提示词没写好" —— 提示词有影响，但过程式的意大利面条代码换谁提意见都难改好。
相关条目
作者：人工大黑 · 转写自视频《六大国产AI编程能力横评》