对 AI 依赖将导致编程专业能力崩塌
关于 AI 编码助手会侵蚀真实编程专业能力的说法，正在被拿来与过去的一些技术转变作比较，例如数学中的计算器，以及用编译器取代汇编。评论者指出，大语言模型让即使是非专家也能生成大量“vibe coded”软件，这引发了人们对代码质量、宝贵直觉流失，以及未来缺少能够在没有 AI 帮助下调试或推理复杂系统的人才的担忧。另一些人则认为，专业能力只是会转移到更高一层抽象之上，最有价值的工程师会专注于架构、问题选择，以及把 AI 作为受严格控制的工具来使用，而不是替代理解。
技能退化 vs. 正常工具进步
- 许多人认为，LLM 会通过移除原本用来建立深度理解的认知摩擦，侵蚀“编程直觉”，这与人们对计算器和 GPS 的担忧类似。
- 也有人反驳说，这只是又一次抽象层的提升，就像从汇编走向高级语言，或从手工绘图走向 CAD；一些技能会下降，新的技能会出现。
- 争论的关键在于，LLM 究竟是“只是另一个抽象层”，还是因为它们具有非确定性，并且是在意图层面运作而不只是翻译，因此在性质上不同。
教育、新手与学习的“摩擦”
- 几位评论者强调，初学者需要多年不借助 AI 的编码练习，才能发展逻辑、品味和心理上的“肌肉记忆”。
- 线程中引用的研究表明，新手声称自己把 AI 当作导师使用，但实际上却把它当作答案机器，这会削弱学习效果。
- 一些教育者正在尝试让 AI 对学生自己的代码进行测验，或者生成教材式的解释和练习题。
代码质量、安全性与复杂度
- 许多人表示，“vibe coded”的 AI 输出往往“功能上够用”，但结构很差，尤其是在模型不断迭代自己先前代码时。
- 人们担心大规模的 AI 生成 PR，人类实际上无法合理审查，从而导致系统变得难以管理且不透明。
- 也有人认为，优秀工程师可以利用 LLM 更快地重构、简化并构建更好的架构；结构良好的代码库会成为强大的放大器。
人类专业能力的角色
- 普遍共识是，LLM 仍然需要专家来：
- 界定正确的问题。
- 施加约束和架构。
- 判断代码何时已经“足够好”、安全且可维护。
- 怀疑者担心，如果掌握这些能力的人变少，未来系统将依赖于没人真正理解的工具。
经济与劳动影响
- 有人预见，大量“普通”程序员会被取代或贬值，需求会集中到高层次通才和系统思考者身上。
- 另一些人预计会出现类似电子表格带来的变化：更多非专家可以构建“够用”的软件，而专家则维护底层平台。
使用模式：辅助 vs. 自主
- 讨论中出现了两种分野：
- “引导式编码”（LLM 作为自动补全、解释器、审阅者）被视为高效且有教育意义。
- “代理式/无头编码”（工单 → 代理 → 代码）被视为风险高、难以审查，并会推动糟糕代码和技能退化。