如何让同事停止给我发 ChatGPT 生成的建议？

问题的本质

• 非技术同事（艺术家）用 ChatGPT 生成他们并不理解的技术建议。
• 开发者必须花时间去验证这些建议，并解释为什么其中很多是错的，而且还要把原因讲给没有背景知识、又听不懂这些解释的人。
• 这和以前的模式很像，比如“我在网上看到说……”或者直接复制粘贴 StackOverflow/Google 的答案。

用 ChatGPT 对付 ChatGPT

• 有几个人建议把错误建议再贴回 ChatGPT，问它为什么这个方案行不通，然后把那段解释转发出去。
• 例子显示，ChatGPT 会自信地给出错误代码，但在被问“这能用吗？”时，又立刻道歉并改口。
• 有人认为这是推翻错误说法的高效方式；也有人觉得这像是对工具的邪教式依赖。

质量、责任与批判性思维

• 一派观点：重要的是建议好不好，不是它是不是 AI 生成的。
• 反方：来源确实重要，尤其在复杂细致的工作里；ChatGPT 经常会编造出看起来合理、但实际上是假的方案。
• 大家强调，任何转发 AI 输出的人都应该能解释并为其辩护；在没有验证的情况下使用 ChatGPT，就是把 QA 不尊重地甩给别人。
• 类比包括：需要熟练操作员的电动工具、非恶意版的 Gish gallop、Brandolini 定律，以及把未经测试代码合并进去的初级开发者。

管理层与团队动态的作用

• 对于是否要“去找老板告状”，存在分歧：
  • 有人说，经理本来就是拿薪水来处理跨团队摩擦并保护 IC 的时间。
  • 也有人认为，成年人应该先直接设定边界（“请不要再发 ChatGPT 建议给我了”）。
• 其背后问题被看作是：对开发者专业能力缺乏信任，以及规划/反馈流程存在失调。

与其他工具及艺术 AI 的比较

• 有人把它和过去的技术变化相类比：Photoshop、相机、网络搜索、StackOverflow。
• 有人认为 AI 主要是提高了弱使用者的下限；也有人说，这其实是任何工具都会带来的效果。
• 讨论还提到艺术家使用 Stable Diffusion：既可作为类比，也可能用来强调，如果他们过度看重 AI，自己也可能面临被替代。

沟通与 AI 疲劳

• 有人担心 AI 写出来的邮件和文档（例如通过 Copilot）会让沟通变得臃肿，并降低人们阅读的意愿，尤其是当有人把简短消息扩写成 PR 风格的大段文字时。
• 也有人指出，你同样可以用 LLM 来压缩这种废话，但普通用户和老板往往会把“长”误认为“好”。

对 LLM 的更广泛态度

• 强烈怀疑：有人认为 AI 热潮主要是营销推动的；专家常常发现其输出不可靠或毫无意义。
• 也有人承认 LLM 有严重缺陷，但仍然认为，只要批判性地使用并做好适当验证，它们可以作为有用的助手。