起因：我本来觉得这是洁癖
上周我在改一段老脚本，逻辑不复杂，就是读一批订单数据、过滤、算个汇总。原作者的命名相当随性，变量全是 `tmp`、`res`、`x`、`d1`、`d2`，函数叫 `do_it`、`handle`。
我懒得自己读，直接把它丢给 AI，让它加一个按日期分组的功能。
结果它改了三版都不对。第一版它把 `res` 当成了结果列表，其实那是个中间变量；第二版它以为 `d1` 是日期，实际上是折扣；第三版干脆开始自作主张重写整个函数，把我原来的逻辑改没了。
我盯着屏幕，第一反应是模型今天犯傻。
但我停下来想了想——V2EX 上正好有个讨论说，代码里的变量、函数、类型名字会被模型做 embed 和 attention，所以“取个给机器看的好名字”到底有没有用。当时我觉得这是个奇思妙想的话题，没往心里去。
现在被 AI 反复猜错折磨了半小时，我突然觉得这事没那么虚。
我的判断：名字就是你喂给模型的上下文
说白了，AI 读你的代码，靠的就是这些符号本身携带的语义。 `tmp` 这个词对模型来说几乎是零信息，它只能从上下文里反推你到底想干嘛，反推错了就往错的方向猜。
而 `filtered_orders`、`daily_revenue` 这种名字，本身就把意图说清楚了，模型一眼就懂，不用猜。
那条讨论里有人回了一句我觉得特别对：语义清晰很重要，代码要自解释，符合一眼看过去的直觉。这句话过去是说给人听的——让同事少骂你几句。
但在 vibe coding 的场景下，这句话的第一读者变成了模型。你名字起得含糊，模型就跟一个不熟悉项目的新人一样，得靠猜；你名字起得准，它一次就懂你要什么。
我的观点很直接：命名不是洁癖，是你在免费给模型补充上下文。这部分上下文不花 token，不占提示词长度，却实打实影响生成质量。
这买卖太划算了。
别空谈，我把两版代码各跑了一遍
光讲道理没意思，我干脆做了个对比实验，你也可以照着复现。
我准备了同一段逻辑的两个版本。坏版本长这样，全是缩写：
def do_it(l):
r = []
for x in l:
if x['s'] == 1:
t = x['p'] * x['q']
r.append({'d': x['dt'], 'v': t})
return r好版本逻辑一模一样，只改了名字：
def calc_paid_order_amount(orders):
results = []
for order in orders:
if order['status'] == 1: # 1 表示已支付
amount = order['price'] * order['quantity']
results.append({'date': order['order_date'], 'amount': amount})
return results然后我给 AI 出了同一个需求：在这个基础上加一个“按日期汇总每天的总金额”的函数。你可以把这两段分别丢进Python在线运行里，先确认两版跑出来的结果完全一致，排除逻辑差异，然后再各自让 AI 续写，看它给出的代码质量差多少。
我自己试下来，坏版本那次，AI 又开始纠结 `x['s']` 到底是啥、`t` 是不是总额；好版本这次它几乎没废话，直接写了个 `summarize_by_date`，字段名也顺着我的风格来。这个差异不是玄学，你自己在线跑这段代码对比一遍就服气了，比看十篇规范文档都直观。
为什么我建议你亲手跑一遍，而不是记结论
因为“命名影响 AI”这句话，你光听是没感觉的，只有当你看到同一个模型、同一个提示词，就因为变量名不同而给出天差地别的结果时，你才会真的改掉随手写 `tmp` 的习惯。
这里我要标一句待核实：命名对不同模型、不同任务的具体影响程度有多大，我没有系统数据，那条讨论里也提到“估计有相关论文”，但我没去查证，所以别把我上面的单次观察当成普适结论。我能确定的只是——在我这几次实验里，好命名确实让 AI 更省心。
你要用，就自己在环境里多跑几组，看你自己项目里的真实差异。
这件小事，其实是个被低估的效率杠杆
我想把话题拉远一点。现在招聘市场对“会用 AI 工具提效”的要求越来越硬——有的岗位直接把熟练使用 Cursor、Claude Code 这类 AI 编码工具写进任职要求，还要求你能沉淀可复用的 prompt 和工作流。
大家都在拼怎么把 AI 用得更快。
但很多人只盯着换更强的模型、买更贵的额度，却忽略了命名这种几乎零成本的输入优化。社区里甚至有人吐槽某些中转站让 AI 在项目里反复瞎翻、死循环读文件，烧钱烧时间。
模型侧的坑当然存在，可你自己代码里的命名混乱，同样会让 AI 多绕路、多猜错、多返工，这部分成本是你自己制造的。
对独立开发者和小团队来说，这里的商业逻辑很清楚：你用 AI 写代码，本质是在为每次生成买单，无论是时间还是额度。让模型少猜一次，就是省一次成本。
好命名不需要你多花钱，只需要你写的时候多想两秒。这是我见过投入产出比最高的习惯之一。
今天就能做的一个小动作
别急着改整个项目。就找你手上最近一段让 AI 反复改不对的代码，把里面所有 `tmp`、`res`、`x` 这类名字换成能说清意图的，然后把改名前后两版分别丢进在线环境，用同一个需求让 AI 各续写一遍，对比结果。
跑完你自己判断，值不值得从今往后认真起名。我打赌你会。