通过现代编码代理看旧应用与新应用

对 LLM 编写软件与“Vibecoding”的看法

• 许多人把“vibe-coded”应用描述为快速、好玩的原型：小工具、游戏、仪表盘、个人追踪器。
• 有几位提到，这些项目以前可能要花几天，现在借助代理只需几个小时就能完成。
• 另一些人则认为，这类应用大多琐碎、容易出错，也不能代表严肃软件；他们将其比作业余手机摄影与专业婚礼摄影师之间的区别。

对软件劳动、经济与 SaaS 的影响

• 有人预测软件供给会大幅增加，若需求不爆发，工资可能因此受到压低；文中引用了杰文斯悖论。
• 也有人认为，只有低端或咨询式工作面临风险，因为生产系统仍然需要稳健的工程能力和维护。
• 还有少数人预见，传统编码将成为越来越小的职业路径，并强调要为“代理式工作流”进行“重装备”，尤其是年轻开发者。
• 讨论中有一条很强的线索：个人自用、内建工具会在许多工作流中取代 SaaS，而资本主义最终会经历一种“外包 → 内包 → 外包”的循环。

在教育、可视化与个人工具中的使用

• 多位教育工作者描述了用 LLM 快速构建模拟、可视化和教学计算机，这些东西他们多年来一直想做，却从未有时间实现。
• 视觉辅助被视为“有更好，没有也行”，而不是任务关键，因此 AI 生成的 bug 更容易被接受。
• 个人报告称，他们为小型企业或爱好制作了高度定制化的工具（例如小众追踪器、装备规划器、Java 小程序移植），这些工具对他们来说往往比现成软件更有用。

信任、可靠性与适用场景

• 普遍共识是，AI 输出必须经过审查；“通常不能信任”是一句反复出现的话，尤其是在生产环境或安全关键代码中。
• 有人认为，信任应被理解为为合适的工作选择合适的工具，而不是完全自治。
• 也有人说，LLM 代码通常“糟糕透顶”且难以维护，只适合玩具和低风险实验。

AI 在数学与研究中的应用

• 博主使用编码代理制作交互式数学补充材料，被认为是一种务实、节省时间的选择，尤其适用于教学材料。
• 评论者指出，AI 还被更广泛地用于形式化验证，以及在纯数学和理论物理中提出想法。
• 有些数学家据称担心职业被取代；另一些人则认为 AI 主要是一种能力放大器。

更广泛的 AI 轨迹与 AGI 争论

• 一派坚持认为当前模型只是“随机鹦鹉/吐 token 的机器”，既不具备自治性，也算不上真正先进。
• 另一派反驳说，这些系统已经在为数学研究做贡献，并且在没有大脑中任何“魔法”的前提下，规模化后可能远远超过人类能力。
• 讨论还涉及：通用逼近定理是否意味着实际可行的 AGI，以及对此的反驳——能量、数据和架构限制。

遗留代码与现代化

• 编码代理因能将老旧的 Java 小程序和游戏复活或现代化为 JavaScript/HTML 而受到称赞，有时工作流出奇顺畅。
• 仍然有一个问题：代理是否真的能很好地处理大型、杂乱的遗留代码库；由于它们需要上下文，这一点仍不明确。