我觉得你可能在 AI 这件事上自欺欺人

原文 ↗ Hacker News 讨论 ↗

关于 AI 辅助编程能提升开发者生产力的说法，受到混合证据的挑战，其中一项常被引用的 2025 年研究显示，开发者虽然感觉用 AI 更快，但实际却慢了；而一项更新的后续研究结果也并不明确。评论者对比了“快”式 AI 驱动原型开发与“慢”式 AI 作为橡皮鸭式导师、以及传统手写代码，指出根据任务类型、代码库复杂度和开发者水平，结果从几乎没有收益到大幅提速都有可能。除了生产力之外，许多人还担心大规模 AI 的长期经济性和环境成本；而另一些人则认为，即便今天的商业模式不可持续，底层技术显然有用，也不太可能消失。

AI 与开发者生产力

  • 分歧很大：有人报告提升 2–10 倍，另一些人则认为在把验证和调试算进去后，影响要么中性要么是负面的。
  • 收益最大的场景包括：简单 CRUD、胶水代码、辅助库、不熟悉的领域、原型，以及“官僚”类任务（邮件、摘要）。
  • 也有人指出，在复杂、底层或库代码中几乎没有收益，甚至会变慢，因为正确性和架构至关重要。

工作流：快 AI 与慢 AI

  • “快 AI”：让代理快速生成大段代码甚至整个功能 → 非常适合演示/POC，但在生产环境和理解代码方面风险很高。
  • “慢 AI”：增量使用，大量提问与审阅 → 感觉比手写代码压力小，但未必快多少，不过更可持续。
  • 许多人把两者混用：用 AI 做初始脚手架，人类负责重构、测试，以及对代码进行“humanwashing”。

技能、理解与代码质量

  • 有人担心大量使用 AI 会削弱技能，让开发者无法或不愿在没有 AI 的情况下工作；某项研究中，许多人拒绝无 AI 条件，这被视为一项证据。
  • 也有人强调，被“vibecoded”出来的代码库会更难理解，即使功能列表增长更快。
  • 还有人把 AI 当作强大的“橡皮鸭”，迫使自己更清晰地定义需求并建立心智模型。

经济可持续性与成本

  • 对于巨额 AI 资本开支和隐藏债务是否使当前服务不可持续，还是 token 在边际上其实是盈利的，存在争论。
  • 怀疑者预测涨价、整合或失败；支持者认为这项技术会像互联网在 .com 泡沫破灭后那样继续存在，也许单位成本会更低。
  • 对当前生产力提升是否足以支撑接近万亿美元的投资，也存在分歧。

环境与伦理担忧

  • 人们担心能源消耗（主要来自化石燃料）、气候影响和社区伤害；有人认为这些问题被轻描淡写了。
  • 另一些人反驳说，核心问题是脏能源，而不是 AI 本身，并预计能源会变得更便宜、更清洁，但批评者提到杰文斯悖论（效率提高 → 总使用量增加）。

证据、研究与认识论

  • 2025 年的 METR 研究（开发者感觉更快，但使用 AI 实际上慢了约 19%）被怀疑者频繁引用。
  • 亲 AI 发帖者强调 2026 年的一项后续研究显示，使用更新工具后速度有所提升，不过作者本人也指出了严重的方法学限制。
  • 更广泛的争论在于：应依赖单项研究还是累积的个人经验，以及是否选择性引用符合先验立场的研究。

采用模式与使用场景

  • 小团队、独立项目和数据科学工作流中的热情最为明显，因为个人能够掌控架构和上下文。
  • 企业层面的 ROI 仍然“并不明确”；有人指出，传统组织瓶颈（测试、需求、政治因素）可能吞噬编码带来的收益。
  • 对非工程师而言，AI 能让以前不可能或过于昂贵的软件任务变得可行，许多人认为这确实具有变革性。

社会动态与情绪

  • 参与者互相指责“亲 AI”和“反 AI”阵营存在部落主义、不安全感和动机性推理。
  • 一些批评者承认自己对 AI 的发展方向感到愤怒和焦虑；一些支持者则表现出很高的信心，认为怀疑者只是“错了”。
  • 也有人认为，轻率否定显而易见的日常实用性，会削弱对外部性和长期风险的更严肃讨论。