[My AI Skeptic Friends Are All Nuts](https://fly.io/blog/youre-[My AI Skeptic Friends Are All Nuts](https://fly.io/blog/youre-all-nuts/) hn
文章里作者针对每个批评大模型的观点做到相应的评论 ,但是也肯定现在有大量泡沫, 大量讨论.
最近我写了几个"vibe coding" 程序,感觉确实能提效,尤其是不知道的知识点,很惊艳. 但是大部分越问问题越多, 不要过度依赖,
LLM 辅助编码的潜力和挑战。评论反映了开发者对 LLM 工具的不同态度，从热情支持到谨慎怀疑，揭示了技术进步与实际应用的复杂关系。
hn评论主要观点
- 技术进步与怀疑主义的争论：
- wpietri 提出“石头汤效应”，认为 LLM 的进步依赖于大量技术和资金投入，类似于加入配料使汤更美味。他对炒作保持怀疑，强调长期影响（如对代码库的维护）尚不清楚，倾向于等待技术稳定，加入“Boring Technology Club”以避免追逐不成熟的工具。
- tptacek 反驳怀疑论，认为 LLM 已能生成高质量代码，实用性与炒作无关。他承认过去对 LLM 的怀疑，但认为现在工具已显著改进，怀疑可能导致错过技术红利。
- keeda 强调即使两年前的 LLM 也很强大，但需要用户摸索使用方法。他认为当前的改进（如更好的用户体验）降低了使用门槛，怀疑态度已变得不合时宜。
-
LLM 辅助编码的潜力与学习曲线：
- 用户 matthewsinclair 分享了从怀疑到逐渐接受 LLM（如 Claude Code）的经历，强调将其视为“协作工具”而非全自动解决方案的效果更好。通过指导和测试，LLM 可以生成高质量代码，但需要开发者投入时间学习如何有效提示（prompt）。他将 LLM 比喻为“需要严格控制的机械装甲”，并对社区的普遍负面态度表示惊讶，认为这类似于对技术进步的抗拒（如 Photoshop 未消灭平面设计师）。
- teaearlgraycold 指出当前缺乏系统化的 LLM 使用教育，开发者需自行摸索有效方法。LLM 在文档查询和样板代码生成上表现良好，但在复杂任务中可能得不偿失，需更好的“护栏”来优化结果。
- 实际应用中的挑战：
- raxxorraxor 指出 LLM 在熟悉领域或复杂代码生成中的效率较低，因为提示的复杂性可能超过直接编程。LLM 在测试用例和注释生成上表现较好，但在不确定结果的情况下，提示成本可能高于手动编码。
- Cthulhu_ 认为提示的复杂性源于需要提前定义问题，而这与敏捷开发中推迟设计决策的趋势相悖。LLM 要求更多前期思考，可能不适合习惯快速迭代的开发者。
- sksisoakanan 补充说，人类语言的模糊性使得提示比代码更难精确表达，增加了使用 LLM 的心智负担。
- 对行业影响的担忧：
- a4isms 提出 LLM 工具的商业模式（租赁而非拥有）可能导致“平台化”风险，类似零售商被购物中心高租金压榨。开发者可能成为工具供应商的“佃农”，失去对核心技术的控制。
- soraminazuki 警告 LLM 可能导致“平庸化”被接受为常态，类似谷歌的自动化支持系统，可能损害行业质量。
- xpe 指出程序员对新技术接受度的差异，部分人因认知偏见拒绝适应变化，但 LLM 的采用不需集体行动，单个开发者即可从中获益，类似竞争中的“军备竞赛”。
- 工具的演进与未来：
- potatolicious 强调 LLM 的用户体验（如自动化提示和验证）在过去 6-12 个月显著改进，使其更易用，类似苹果通过整合现有技术改变智能手机行业。
- michaelfeathers 预测未来可能出现专为 LLM 提示和测试的“设计/代码规范语言”，以更精确地传达需求。
- avemuri 比喻使用 LLM 类似管理实习生，需投入时间建立流程和护栏，但一旦掌握，可显著提升生产力。
核心争议
- 乐观派：LLM 是生产力倍增器，尤其在生成样板代码、文档或学习新领域时，关键在于掌握提示技巧和建立工作流。
- 怀疑派：LLM 的长期影响未知，可能引入技术债务或依赖风险；当前工具不稳定，学习成本高，性价比存疑。
- 行业视角：LLM 的商业模式可能改变软件行业的权力结构，开发者需警惕对供应商的依赖。