错误驱动开发

来源：chadnauseam.com

URL: https://chadnauseam.com/coding/tips/error-driven-development

精读日期：2026-08-04

模型：DeepSeek V4 Flash（AI 生成，人工未审校）

正文获取：全文

一、核心论点/事实

• 作者提出“错误驱动开发”（Error-Driven Development）作为一种编程方法论，核心思想是：让代码先运行起来，然后通过不断修复错误来驱动开发进程。
• 该方法强调“先写能跑的最小代码”，而非先设计完整架构，主张在错误反馈中迭代演进。
• 作者认为，大多数开发者的直觉是“先想清楚再写”，但错误驱动开发反其道而行之，利用编译器和运行时错误作为“免费的代码审查者”。
• 文章指出，错误信息（尤其是编译错误）是系统对代码状态的即时反馈，能帮助开发者快速定位问题边界。
• 作者将这一方法类比为“测试驱动开发”（TDD）的变体，但区别在于：TDD 由测试预期驱动，错误驱动开发由实际错误驱动。
• 文章强调，该方法特别适合原型开发、探索性编程和快速验证假设的场景，而非长期维护的大型项目。

二、方法/架构拆解

• 核心流程：写最小可运行代码 → 运行并观察错误 → 根据错误信息修复或补充 → 重复直到功能完成。
• 实现要点：
• 不预先设计完整接口，先写一个能触发错误的最小调用（如调用不存在的函数），让编译器/解释器告诉你需要定义什么。
• 利用类型错误、未定义变量、导入失败等错误信息，逐步构建出正确的 API 形状。
• 将错误信息视为“待办事项列表”，每修复一个错误就推进一步。
• 适用场景：作者建议在以下情况使用——不熟悉新语言/框架时、快速原型验证、重构时探索依赖关系。
• 不适用场景：需要严格架构设计、安全关键系统、或多人协作的大型代码库。
• 关键工具依赖：需要高效的编译/运行反馈循环（如 TypeScript 的 tsc --watch、Python 的 REPL），错误信息质量直接影响该方法效率。

三、值得注意的局限/争议

• 作者承认的局限：
• 该方法可能导致代码结构混乱，因为开发过程由错误驱动而非设计驱动，后期需要重构。
• 不适用于需要预先严格设计接口的团队协作场景，容易造成接口频繁变动。
• 对错误信息质量差的语言/框架效果不佳，可能陷入“试错循环”。
• AI 判断的局限/争议：
• 该方法可能鼓励“碰运气式”编程，开发者可能跳过理解系统原理，仅依赖错误反馈，导致对底层机制理解不足。
• 与“左移测试”理念冲突——错误驱动开发将质量保障后置，可能增加后期修复成本。
• 在 AI 辅助编程时代，该方法的部分价值被削弱：AI 可以直接生成正确代码，无需通过错误迭代；但该方法对“验证 AI 生成代码”仍有参考意义。
• 争议点：该方法与“防御性编程”和“契约式设计”理念相悖，后者强调在写代码前明确前置条件和后置条件。

四、与 RRLab 研究的关联

• Harness 工程：错误驱动开发的“快速反馈循环”理念可借鉴到 Harness 设计中——为 Agent 提供即时、结构化的错误反馈（而非仅日志），能显著提升 Agent 的迭代效率。
• 多模型协同：在多个模型协作时，错误驱动开发可作为“模型间接口验证”的方法论——通过故意触发错误来验证模型间的契约是否匹配，类似“契约测试”。
• 模型评测：错误驱动开发提供了一种“渐进式评测”思路——不一次性评测完整能力，而是通过逐步暴露错误来评估模型的边界能力，可作为评测集设计的参考。
• Agent 落地：Agent 在真实环境中执行任务时，错误驱动开发是天然适配的策略——Agent 可以先尝试行动，根据环境反馈（错误）调整下一步，这与 ReAct 模式高度契合。
• AI 原生产品：可借鉴“错误信息即产品反馈”的理念——AI 原生产品应主动暴露可理解的错误路径，引导用户/Agent 逐步逼近正确用法，而非隐藏错误。

---

本笔记由 DeepSeek V4 Flash 自动生成，未经人工审校。原文链接：https://chadnauseam.com/coding/tips/error-driven-development