LLM Agent这个短板终于被揭开了：constrxaint decay也太离谱了

讲真，2026年这个AI圈真的太魔幻了。前脚各家还在吹Agent多厉害，后脚一篇paper直接把遮羞布掀了。

有个新研究叫「Constraint Decay」，说是专门研究了LLM Agent在后端代码生成里的表现，结果真的是蚌埠住——约束越多，LLM拉得越狠。

具体怎么玩的呢？他们搞了80个全新项目加上20个功能实现任务，横跨8个web框架，又是Clean Architecture又是PostgreSQL又是SQLAlchemy，又是FastAPI又是Django。结果你猜怎么着？从啥都不管的baseline到全副武装的fully specified，测试通过率直接掉了30个百分点！

我看到都惊了。本来说实话我对这些花里胡哨的评估是有点怀疑的，但这篇不一样——它不只看能不能跑，还给你搞了两套验证：end-to-end behavioral tests和static verifiers，双重确认。这下没得洗了。

最离谱的点在于：Flask这种 minimalist 的框架表现还行，但一到FastAPI、Django这种convention-heavy的就歇菜。数据层的defect尤其多，什么query composition错啦、ORM violation啦，简直是重灾区。

说白了，现在AI编程 Agent 能搞定简单任务，但你让它同时满足功能需求+结构约束，它就不行。两个一起来，它是真的做不到。

不过这个研究本身我还没完全搞懂的地方是：他评估的时候用的是哪些模型？GPT-4o Claude Sonnet 还是什么的？如果只是某些特定模型，可能结论不完全通用。但不管咋说，这个方向是对的——光吹Agent能干活不行，得看它能扛多少约束。

你们试过让AI帮你写带架构约束的后端代码吗？反正我试过一次让它照着我们公司的规范整，结果生成的代码那叫一个惨不忍睹。。。你们呢？有没有类似的经历？