使用大型语言模型（LLMs）生成代码时，通常会面临一种“老虎机”工作流程。通过提示拉动杠杆，可能获得良好的结果，但在不同的模型或与不同的同事合作时，相同的请求却可能产生截然不同的结果。这种不一致性在软件工程中被称为“模糊税”。根本原因在于将意图与实现混淆，自然语言本身具有固有的模糊性。例如，常见请求“实现一个带验证的用户资料页面”会留下许多关键问题未解答，导致AI生成的代码缺乏一致性和可预测性。...