不喜欢 AI 编码的理由
AI 辅助编程正在引发分裂：一方把它视为强大的生产力工具，另一方则认为它威胁到了技艺、就业和软件的长期质量。评论者争论 LLM 应该只处理样板代码，还是越来越多地“接管”整个系统，同时也提出了对认知退化、初级岗位流失、受模型局限影响而形成的平庸设计，以及无人真正理解的代码库的担忧。在这些技术争论之下，还潜藏着对财富集中、数据使用不当，以及 AI 公司明确希望尽可能自动化人类工作的更广泛担心。
对文章的反应
- 几位读者觉得这篇文章缺乏聚焦、浅尝辄止，更像是一串论点清单，而不是一篇论证。
- 像“我们应该夺取生产资料”这样的断言被认为过于含糊。
- 也有人为它辩护，认为这只是一篇用来外化思路的个人博客文章，而不是一篇全面的论述。
AI 编码的用途与局限
- 许多人认为 LLM 非常适合样板代码、支撑逻辑、胶水代码以及更高层次的抽象（模块、微服务），但不适合关键的核心业务逻辑。
- 有人表示生产力大幅提升，并欢迎转向设计和更高层次的思考。
- 也有人认为，LLM 往往会生成脆弱、平庸的代码，仍然需要大量专家监督。
技艺、认知与“代码即艺术”
- 一个强烈主题是：手写代码会建立深层的 मानसिक模型、批判性思维和模式识别能力；过度外包会有认知退化的风险。
- 关于计算器、GPS、洗衣机和 CNC 工具的类比引发争论；批评者说这些类比忽略了代码在长期维护和思考层面的作用。
- 对代码能否算作“艺术”存在分歧：有人认为代码只是一个可能产出艺术的工具；demoscene 被拿来作为反例。
就业、权力与政治经济
- 反复出现的担忧是：AI 像过去的自动化一样减少员工数量，同时将财富进一步集中，导致许多人处境更糟。
- 有人认为就业水平取决于整体经济活动，而不是某种具体工具；也有人把入门级岗位减少视为警讯。
- 讨论提到 Marx 和“完全自动化的奢侈共产主义”，并就技术在资本主义下如何影响劳动者展开分歧。
信任、伦理与数据使用
- 对 AI 公司动机的深度怀疑（利润、军事化、股价），以及它们是否真的只想“帮助程序员”，都受到质疑。
- 有强烈批评认为，这些模型是用人们并不打算用于此目的的工作成果训练的，从而打击了开放共享。
- 还担忧版权/“被盗”的代码会污染项目，并侵蚀初级开发者的成长路径。
工具比较与确定性
- 有人把 LLM 比作编译器或更高层语言；另一些人则反对这种类比，认为编译器是确定性的、受规范驱动的，而且不会按次收费。
质量、可维护性与“vibecoding”
- 有人抱怨 LLM 工作流会鼓励接受“差不多就行”的部分解决方案，并忽视长期质量。
- 也有人声称，只要有具备领域知识的人积极引导和审查，现代模型能产出比许多仓促的人类更干净的代码。