Rich Hickey 的《“AI” 不是工具》
评论者围绕大型语言模型更接近自动化而非传统工具这一观点展开争论，质疑“AI 作为工具”是否是一种会掩盖控制力丧失、技能培养和责任问题的误导性表述。许多人认可 AI 在编程、排障和知识工作中的价值，但对于它应被视为像锤子、相机、IDE 那样由人挥使的器具，还是像把工作外包给代理系统，则看法分歧；一些人警告说，这种语义差异会影响我们如何看待专业能力、问责以及对自动化系统的长期依赖。
“工具”与“自动化”的定义
- 核心分歧在于对“工具”的狭义定义：它是你挥使的东西，伴随持续的控制、反馈和逐步掌握；而“自动化”则是你委托给它并等待结果。
- 许多人认为，这种区分有助于思考控制力丧失、学习和责任；也有人认为这只是咬文嚼字或武断划分。
- 也有人指出，传统软件和机器（编译器、JVM、车床、汽车）早已模糊了这条界线。
LLM 是工具、代理，还是别的什么？
- 一派观点：LLM 显然是工具，类似 IDE 或相机；人们以工具方式使用它们，这就足够了。
- 另一派观点：对话式“AI 代理”更像雇员或分包商——会选择手段、以目标为导向的系统——因此把它们称为“只是工具”会低估风险和技能流失。
- 也有人提出连续谱：工具 ⇄ 自动化，工具 ⇄ 代理，高控制 ⇄ “点个三明治”式体验。
语义、词典与语言演变
- 有人强烈主张精确、基于词源的定义，以保留概念区分。
- 也有人诉诸家族相似性和语言变化，认为你无法“证明”什么是或不是什么工具。
- 争论还包括：诉诸词典究竟是在澄清，还是只是“老头冲着云大喊”。
使用 LLM 的实际体验
- 有人报告生产力大幅提升：调试、集成工作、复杂流水线、测试、证明、文档撰写。
- 也有人看到广泛的“氛围编程”和浅层使用：发提示、接受输出、缺乏审查，导致安全和质量问题。
- 多条评论强调，价值取决于是否仍然“在环中”并理解输出。
专业能力、工艺精神与技能退化
- 有人担心，把阅读、编码和思考外包给 LLM，会用短期速度换来长期专业能力流失。
- 反方观点：在 LLM 出现之前，很多代码本来就是“垃圾”；LLM 只是把平庸自动化，让专家能专注于更高层的设计。
类比与隐喻
- 常见类比包括：快餐 vs 做饭（LLM 像“代码得来速”）、电动工具 vs 手工工具、相机 vs 绘画、台锯和车床、精灵和许愿机。
- 这些类比被用来探讨控制、安全、学习，以及责任究竟落在谁身上。
元讨论与社区动态
- 讨论中提到大量折叠/标记，担忧“英雄崇拜”，对 AI 观点文章的疲劳感，以及浅薄否定与过度严肃的语义争论之间的张力。