用 AI 做软件开发，开始让人感觉像在煎牛排
AI 辅助编程被比作一台“牛排机”，它能稳定产出尚可的代码，也引发了一个问题：企业会不会满足于“能吃就行”的软件，而不是投资于专家级工艺。评论者讨论了当大多数用户只关心东西能否工作时，质量究竟有多重要；讨论了推动“够好就行”的最低公分母竞赛的经济激励；以及随着模型变强，人类判断力、品味和深度技术理解是否仍然不可或缺。许多人认为 AI 在原型开发和常规任务上能大幅提效，但警告说，过度依赖不透明的生成代码，可能会让今天已经存在的有 bug、臃肿的软件更加根深蒂固，而不是把它提升到更高水平。
关于牛排类比的总体反应
- 许多人喜欢把 AI 描述成一台“牛排机”的说法：它可以批量产出大量尚可的结果，但判断力和品味仍然很重要。
- 也有人认为牛排是个糟糕的类比：在家做出优秀牛排要么在现代设备和技巧下轻而易举，要么根本算不上最难的菜；这削弱了论点。
- 还有人说，这个类比仍然成立，因为“容易上手、但很难持续做到极致”同时适用于牛排和软件。
质量 vs “够好就行”的软件
- 反复出现的主题是：市场往往奖励“勉强令人满意”的产品；AI 可能会加速软件质量一路下滑的竞赛。
- 一些人认为这映射了更广泛的经济趋势（航空、芯片、咨询），甚至政府：人们能容忍的最低标准。
- 也有人反驳：消费者在负担得起时也会追求更高质量；不同层级（Ruth’s Chris vs Denny’s）会并存。
AI 编码在哪些方面有帮助
- 很多人强烈支持 AI 作为原型开发、胶水代码、CRUD 应用以及“气氛编码”中的巨大加速器，在这些场景里正确性要求并不高。
- 许多人强调，大多数客户关心的是产品是否能用，而不是代码是否优雅。
- AI 被视为终于兑现了过去那些“无代码”工具的承诺（AppleScript、VBScript、IFTTT、拖放式构建器）。
- 有些人表示，自己在生产力以及快速构建原型或整个副项目方面获得了巨大提升。
局限、风险，以及对专业知识的需求
- 普遍共识是：要用 AI 构建好软件，你仍然必须懂软件——知道该要求什么、如何评估输出、什么时候它已经“烤焦了”。
- 有几个人把 LLM 比作“每 10 分钟就会醉一次的天才”：在局部任务上比大多数开发者更强，但缺乏长程一致性和记忆。
- 人们担心代码臃肿、缺乏简洁性和可维护性；AI 往往会堆砌特殊情况，而不是设计抽象。
- 有些人担心未来会出现更多有 bug、难以看透的系统，只有一层很薄的专家群体能够诊断故障。
经济和组织层面的影响
- 预期企业会削减开发人员编制，因为“还能吃的牛排”（平庸软件）对很多人来说更便宜也可以接受。
- 另一些人预测，随着公司意识到自己制造了难以维护的 AI 产物，咨询/清理工作会迎来繁荣。
- 还有少数人设想，未来角色会从“软件工程师”转变为“有品味的用户”或“导演”，去指挥代理而不是写代码。
元话题：文章质量与 AI 讨论疲劳
- 有几个人认为这篇文章写得很差，甚至是“垃圾内容”，并猜测它本身可能就是 AI 生成的。
- 对作者用“我们”来概括开发者的说法存在争议。
- 多位评论者表示，自己已经厌倦了没完没了的 AI 高谈阔论和长篇类比式思辨文章。
牛排支线（类比压力测试）
- 出现了一大段关于实际牛排技巧的讨论：低温慢煮、逆向煎、烟熏炉、温度计、油炸、烤架等。
- 争论“做出一块‘好牛排’到底有多难”；有人声称存在几乎不会失败的方法，也有人指出很多餐厅仍然做不好。
- 这被反复用来支持两种相反观点：要么类比很贴切（简单但微妙），要么根本有缺陷（太容易掌握）。