问 HN：为什么 HN 圈子这么反 AI？

总体情绪与 HN 动态

• 许多人认为 HN 并不是“反 AI”，而是意见分化明显：两端各有声音很大的少数派，中间还有很多态度暧昧或混合的用户。
• 也有人指出，负面偏见和样本选择会扭曲观感：不喜欢 AI 或炒作的人更会发帖和点赞，而那些开心使用的人往往只是默默干活。
• 有人拿它和加密货币热潮类比：HN 整体更反对炒作和骗局，而不是特别反 AI。

AI 编程：收益与真实成效

• 许多有经验的开发者表示，LLM 是“强力工具”，可以：
  • 加速样板代码、测试、重构、API 连接代码和小型工具的编写。
  • 让独立开发者和非专家更快交付原型和小众工具。
  • 帮助调试、阅读文档、权衡取舍推理，以及跨领域综合（例如医疗自我倡导、研究、健康追踪）。
• 据称的生产力提升通常约为 20–40%，而不是宣传中的“10 倍”，并且高度依赖操作者的技能和问题类型。

AI 编程：质量、维护与“垃圾代码”

• 人们强烈担心 AI 会鼓励“vibe-coding”：
  • 大型、不一致、重复、设计糟糕的代码库，初期能用，但脆弱且难以演进。
  • 代理式工作流遇到问题时不是给出更好的设计，而是继续生成更多代码。
• 可维护性很重要：代码被描述为一种负担，而不只是达成目的的手段；优雅与理解、性能、安全和长期成本相关。
• SRE 和资深工程师表示，他们被迫维护 AI 生成的系统，这些系统无视约定、缺少测试，并破坏平台假设。

劳动、职业与文化

• 许多人认为 AI 正在加速岗位替代和工资压力，尤其是对普通开发者和初级人才；有人将其类比为织工与动力织机，以及熟练制造业外包。
• 也有人对“技术曾经颠覆他人工作，如今却轮到自己被威胁”感到愤懑。
• 一些人强调工艺感的流失：编程曾是一种令人愉悦、定义身份的活动，如今被提示词折腾和审查垃圾代码所取代。

社会、伦理与结构性担忧

• 担忧不只限于代码：
  • 错误信息、深度伪造、垃圾信息、被“烂化”的 AI 支持与 UX。
  • 数据中心的能源/用水消耗，以及权力和知识集中到少数总部位于美国的公司。
  • 人们把思考外包出去，导致技能退化和“认知让渡”。
  • 训练数据、IP 和用户内容被利用却没有补偿。

细致的立场

• 许多人自称是“支持工具、反对炒作”：AI 在狭窄、受监督的场景中令人印象深刻且有用，但不能替代人类的推理、系统设计或责任承担。
• 一个反复出现的主题是：核心问题不是“AI 好还是坏？”，而是“它适用于哪里、它的内在局限是什么，以及外部性由谁承担？”