我仍然持怀疑态度
关于大语言模型的怀疑，正与开发者对个人生产力提升的热情报告发生碰撞；人们争论 AI 工具究竟是在实质上改善软件质量，还是只是在制造“看起来更快”的假象。许多评论者警告说，当前收益看起来温和且不均衡，并担心技能退化、幻觉、代码垃圾，以及 AI 用于同质化和贬低知识劳动；而另一些人则举出调试、重构和实现雄心勃勃的个人项目等具体成果。争论的背景是已投入 AI 基础设施的 1.5T 美元：有人预测“AI 员工”终将带来变革性回报，另一些人则担心泡沫会在广泛、持久的收益出现之前破裂。
感知到的生产力与工作流变化
- 许多开发者表示自己感觉快了很多：写更多代码、调试更快，并且更愿意去做更有野心的项目（例如完整重写应用、在几周内发布多个应用）。
- 也有人强调收益很有限：在合适的任务上或许是 1.5–2 倍，远非“10 倍”或“1000 倍”的说法。
- 有些人认为，主观生产力提升与组织层面或宏观层面的可观察收益之间存在很大差距。
衡量、证据与经济影响
- 一些评论者指出，实证研究显示的生产力提升很小（约 10%），并非数量级的飞跃。
- 另一些人反驳说，程序员生产力本就难以衡量，而且我们仍处于早期；影响可能存在滞后。
- 有人说行业在规模上“几乎拿不出什么成果”；也有人指出，AI 已经发现并修复了大量 bug。
软件质量与安全
- LLM 因调试和安全审计而受到称赞：能找出长期存在的 bug 和漏洞，并生成详细的复现步骤和测试。
- 怀疑者质疑其净收益：可能引入新 bug、理解肤浅，以及难以维护的“凭感觉写代码”式垃圾代码。
- 有些人强调，即便问题尚未被利用，发现 bug 也能提升理论上的安全性。
劳动、技能与工业化
- 人们强烈担心 LLM 会让知识劳动趋于同质化，使开发者更可替代，并削弱议价能力。
- 另一些人认为软件工业化早已开始；LLM 只是又一个工具。
- 很多人担心技能退化、过度依赖，以及未来大多数程序员如果没有 LLM 就无法工作。
使用模式与最佳实践
- 高效使用者把 LLM 当作初级员工：把杂活交给它们，仔细审查差异，保持改动小，并确保自己真正理解。
- 不良模式包括：盲目接受大规模 PR、用 AI 绕过真正的理解，以及用冗长噪音淹没代码库/文档。
伦理、风险与投资泡沫
- 有人强调幻觉是永久性限制，在生死攸关的场景中不可接受。
- 另一些人关注上游危害：能源/生态成本、数据“偷窃”、以及对用户造成的脑力麻木效应。
- 关于 1.5T 美元 AI 投资也存在争论：有人认为这是不可避免的变革性回报；也有人预测会出现繁荣-萧条周期，留下闲置的数据中心，并带来严重的金融后果。
新可能性与“Vibecoding”
- 一些人指出了一种质变：人们能够发布过去永远做不完的应用或游戏，或者在受伤/认知衰退的情况下仍能保持生产力。
- 还有人认为，这种“vibecoding”本身就是有价值的爱好和消费者收益，即使其商业影响并不那么清晰。