Born Against，或者为什么业余编程社区反对使用 LLM

原文 ↗ Hacker News 讨论 ↗

业余编程社区正越来越多地与大语言模型（LLM）辅助编码发生冲突，因为这些工具被认为削弱了这门手艺的核心吸引力：缓慢掌握困难问题、深入理解代码，以及与同好分享这种专业能力。批评者还指出了实际危害，从低质量的“AI slop”和抄袭风险，到大量半成品项目和文档，使社区空间更难维护。支持者则反驳说，LLM 只是另一种强力工具，能让时间或经验有限的人探索想法、自动化繁琐工作，并构建原本做不到的软件；这也意味着这个领域可能会分化为“手工代码”空间和 LLM 赋能空间。

业余爱好 vs. 结果导向编程

  • 许多人会区分把编程当作一种爱好（享受过程）和为了把软件做出来而编程（主要关注结果）。
  • 对“过程派”来说，LLM 让人感觉就像把汽车用在跑步爱好上，或者用电脑来解数独：这会消解这件事的意义。
  • 也有人说自己一直更看重结果，而 LLM 终于让他们能在有限时间内交付早就想做的工具和实验。

LLM 作为工具的角色

  • 一些业余开发者很乐意把 LLM 当作强力工具：生成样板代码、配置、文档、重构、测试脚手架、快速 PoC。
  • 另一些人只在乏味或学习价值较低的任务上使用 LLM；他们仍想手写核心逻辑，以保留学习/乐趣。
  • 还有几位描述了这样的工作流：自己负责架构、解读结果和润色，而 LLM 则探索搜索空间或编写草稿代码。

社区规范、守门与公平性

  • 小众社区（OSDev、模拟器、象棋引擎、IF 等）往往把精通本身视为价值；能运行的代码反而次于对其理解。
  • 在这些空间里，LLM 生成的代码被视为“作弊”，类似于在国际象棋里用引擎，或者在手工具比赛里用 CNC。
  • 有些人把这看作是合法的“游戏规则”，而不是有毒的守门；另一些人则称之为地位保护和排斥。

代码质量、维护与“slop”

  • 许多人抱怨，受 LLM 辅助的新手会产出更难审查的代码，且存在细微 bug，从而增加技术债和清理工作。
  • “vibe coding”和 agentic 系统被批评会制造外表惊人、但脆弱且理解度很低的代码和文档。
  • 也有人报告确实获得了生产力提升，尤其是在小型个人工具上，并认为在 LLM 之上良好的工程实践仍然重要。

知识产权、许可与抄袭担忧

  • 关于在 GPL/AGPL 或其他引擎上使用 LLM 的争论很激烈：LLM 重写的代码是衍生作品，还是只是“借鉴想法”？
  • 有些人认为算法和布局不受版权保护；另一些人强调，借助 LLM 进行许可洗白在法律上有风险，在道德上也“很缺德”。

地位、学习与更广泛的 AI 影响

  • 几位评论者指出，人们担心技能被贬值：多年艰苦获得的专业知识，会被一个青少年加上一个 LLM 轻易超越。
  • 另一些人强调，人与人之间的帮助减少、AI 生成的垃圾信息增多，以及当人们突然拥有无可挑剔、经 AI 润色的语言时所带来的不信任感。
  • 体验各不相同：一些神经多样性用户觉得 LLM 赋予了他们力量；另一些人则觉得它们分散注意力并损害深度专注。