我们应该比模型更努力

# 我们应该比模型更累 来源：https://vickiboykis.com/2026/05/28/we-should-be-more-tired-than-the-model/ *2026年5月28日* 最近，在使用智能体代码生成时，我越来越感觉自己正在失去对编写代码的控制力。 当一段智能体协作结束时，我获得了所有编写代码的外在迹象，却缺少了我们手工写代码时发生的那些内部过程（https://vickiboykis.com/2021/11/07/the-programmers-brain-in-the-lands-of-exploration-and-production/）。 > 简单科普一下：人脑有几种类型的记忆——短期记忆、工作记忆和长期记忆。短期记忆临时收集信息并快速处理，就像RAM。长期记忆包括你之前学到并储存起来的东西，如同数据库存储。工作记忆则从短期记忆和长期记忆中提取信息，将它们结合起来进行综合，或处理信息并得出解决方案。 > 当我们处理代码时（通常是指阅读别人的代码），所有这些过程在大脑中同时进行，旨在帮助我们理解编程环境。 这并不令人惊讶。代码生成在其默认模式下，与技能保留背道而驰（https://arxiv.org/abs/2601.20245），尤其是因为它的用户体验让人联想到老虎机：你拉下杠杆，就会得到奖励（问题的解决方案）。从某种意义上说，我们是用token流取代了社交媒体信息流，我期待十年后读到那些相关论文。 要从仅仅生成答案转变为有意识地使用这个工具，确实需要付出额外的努力。当我之前在X上发帖说，在完成一次智能体协作后感觉脑雾（brain fog）时，Oz（https://ozwrites.com/）建议的一个办法是自己重写部分代码。 受这一建议、那篇论文、关于慢下来的思考（https://mariozechner.at/posts/2026-03-25-thoughts-on-slowing-the-fuck-down/）、使用AI更慢地写出更好的代码（https://nolanlawson.com/2026/05/25/using-ai-to-write-better-code-more-slowly/）以及Mitchell的AI采用之旅（https://mitchellh.com/writing/my-ai-adoption-journey）的启发，我一直在努力更刻意地使用这个工具，为开发过程重新引入摩擦。 以下是对我目前有效的方法： - 自己先写出初始实现，然后让智能体审查代码，再逐条审查评论，手动进行修改 - 利用智能体不断提出我不理解的代码片段的相关问题，并调出相关的文档和PR - 让智能体思考实现两种方法，在两者之间做出选择，然后批判另一种方法 - 改为与另一个人讨论智能体提出的实现方案 - 只有在花二十分钟处理问题之后，才开始使用智能体 - 回头阅读书籍和学术论文 - 重新实现基础数据结构 所有这些在短期内都抵消了LLM生成代码所声称的加速效果，因为它们引入了摩擦。然而从长远来看，它们让我更好地使用这个工具，因为巩固的是我自己的基础，而不是基座模型的基础。 我们应该比模型更累。 #学习（https://vickiboykis.com/tags/learning/）#llms（https://vickiboykis.com/tags/llms/）