别再叫我去问 LLM 了

原文 ↗ Hacker News 讨论 ↗

“去问 LLM” 作为新的“Google 一下” / LMGTFY

  • 许多人把“去问 Claude/ChatGPT”视为现代版的“Google 一下”或 LMGTFY。
  • 这常被理解为一种打发人的说法，礼貌地表达“走开”或“这不是我的问题”，尤其是在提问者已经做过研究的情况下。
  • 也有人认为，它可能只是表示“我自己也得去查，而且 LLM 也是我会用的同一种工具”。

问题质量与“证明你做过功课”

  • 一个强烈的主题是：如果你展示你已经尝试过什么（考虑过哪些选项、读过哪些文档、评估过哪些 LLM 输出），你更可能得到真正的帮助。
  • 对于非常低成本的问题，把人指向“去问 LLM”被一些人认为完全合适。
  • 有几位评论者指出，明确补充“这是 AI 说的，以及我为什么怀疑它”会很有帮助。

人类专业判断 vs AI 中介答案

  • 许多提问者想要的是人的判断，而不是对同一个问题再做一次 LLM 处理。
  • 让人沮丧的是，同事只是把 LLM 的回复直接粘贴到聊天或 PR 里，却看不出他们真正理解了什么。
  • 一些审阅者觉得自己成了“LLM 盖章机”，主要在审查由代理生成的代码和评论。

职场动态与指导培养

  • 资深员工抱怨不断被打断，同时还被期望指导新人，却仍要完成自己的工作。
  • “去问 LLM”有时被用作边界，来保护专注时间。
  • 也有人认为，如果公司期待有人指导新人，就应该明确说明并给予报酬，而不是悄悄外包给 AI。

可靠性、误用与纠错成本

  • LLM 幻觉会制造“上班时间里的错误信息”；纠正它们的成本可能比直接回答一个干净的问题更高。
  • 例如：某 PM 基于 LLM 编造的代码推出了一个指标框架，迫使其他人收拾烂摊子。
  • 也有人担心，一些用户没有足够的专业知识来分辨 AI 答案的好坏。

情绪与文化影响

  • 被告知“去问 LLM”会让人感觉受辱：这暗示懒惰、无知，或者人类经验已经不再重要。
  • 有些人把这看作是在承认自己的可替代性或信心流失。
  • 也有人强调更广泛的疲惫感：裁员、压力和倦怠，使得深入、探索性的对话显得像一种奢侈。

知识生态担忧

  • 人们担心，对 LLM 的过度依赖，再加上专家裁员，会侵蚀真正的领域知识。
  • 也担心 AI 生成内容和代理式工作流会用低价值材料淹没各个渠道，而真正的专业知识变得更稀缺、更难获得。