与 AI 协作更像做领导，而不是写代码
把大型语言模型当作编程助手时，工程师们越来越倾向于把这项工作看成管理而不是传统编程：定义目标、分配任务，并审核一群速度快但不可靠的“初级承包商”的产出。有人认为这会奖励那些有项目管理或人员管理经验的人；也有人坚持，深厚的技术理解和传统工程纪律仍然同样重要，AI 最好被当作一个强大但容易出错的工具来使用。围绕这一争论的核心，是对技术债增加、过度拟人化模型，以及依赖 AI 可能如何重塑软件质量与工程职业路径的担忧。
AI 编程“感觉像什么”
- 很多人觉得，AI 辅助编程更接近 管理，而不是亲手写代码：分配任务、监控进度、纠正方向。
- 也有人认为它依然 感觉像写代码：同样的心智模型、架构和底层问题，只是少了打字。
- 还有人提出其他比喻：导演拍电影、编排协调、管理承包商、监督实习生，或者应对官僚体系。
领导 vs 管理 的争论
- 一些评论者坚称，领导本质上关乎 人（愿景、激励、相互影响），所以与 LLM 的工作不可能算领导。
- 另一些人则把“领导”宽泛地用作更高层次的指挥：设定目标、拆分任务、协调多个代理。
- 一个常见的折中观点是：与 LLM 协作就像做产品/技术负责人工作，只是把社交/情绪部分剥离掉了。
重要的技能
- 提示词编写一再被类比为：
- 需求收集和验收标准。
- 委派、质量关卡和异常处理。
- 设计“碗”来约束“水”（LLM 输出）。
- 有人声称，具备管理或流程设计经验的人往往能得到更好的结果；也有人反馈正好相反。
- 要有效使用，必须保持强大的心智模型、审查输出，并把 LLM 当作有边界任务的工具，而不是完全自主的编码者。
可靠性、垃圾代码与技术债
- 对“vibecoding”有强烈担忧：盲目接受 AI 输出，产出海量低质量代码和技术破产。
- 有轶事描述：没有编程背景的领导者不加批判地信任 AI，生成了成千上万行有问题的代码，并把项目带偏。
- 反例显示：当把 AI 当作一个速度快但容易出错的初级开发者时，效果会更好——小任务、严格审查、测试和护栏。
对工作和职业的影响
- 有些人觉得被赋能了：迭代更快，苦差事更少，更能专注于架构和问题定义。
- 另一些人则哀叹亲手写代码的乐趣消失了，描述自己转向了一种他们从不想要的、永久性的管理式工作。
- 还有几条评论指出，由于 LLM 能覆盖更多产出，开发团队的招聘减少或扩张被冻结。
- 对于 LLM 是否会“拉平差距”——提升较弱的开发者并削弱顶尖人才——或者只是放大既有技能差异，存在分歧。
拟人化与局限
- 许多人提醒不要把 LLM 当人看：它们没有能动性、没有士气、也没有职业利害关系。
- 管理 LLM 缺少真实领导中的难点：情绪、冲突、留任，以及对人类结果的责任。