关于AI编程及其不满

# 论AI编程及其不满 - Cal Newport 来源：https://calnewport.com/on-ai-coding-and-its-discontents/ 一月份的时候，我收到一位硅谷高级软件工程师的来信。他自称曾是一位AI怀疑论者，但在第一次尝试Claude Code后改变了想法。“一夜之间，它改变了我工作的方式，”他写道。“它真的、真的很好。” 他解释道，他不再使用标准的开发环境。相反，他“完全使用Claude Code”来完成工作，在终端窗口中与工具交互，并让它替他编程。 “如果我不得不猜的话，”他总结道，“我会说一个原本需要一周的任务现在需要2天。” 去年冬天，当我调查了300多名软件开发者以了解AI如何改变他们的工作时，大多数人讲述了类似的故事：从自己编写代码转向指导AI代理。这个新工具以惊人的速度在这个行业中无处不在。 这个故事对我们其他人来说很重要，因为AI编程工具已经成为AI力量的主要例证——这是该技术在我们工作与生活中掀起颠覆性浪潮的众多步骤中的第一步。 但如果现实更加复杂呢？ **上周，我收到了同一位高级工程师的新消息，他希望分享一个令人担忧的后续发展……** “我写信是想向你更新我对AI在软件工程领域现状的最新看法，”他写道，“因为我的态度已经发生了相当大的转变。” 他告诉我，他使用Claude Code生成的功能在两次不同场合导致产品崩溃。他的老板告诉他，如果再发生一次，他就会被解雇。“在我的职业生涯中，我从未遇到过这样的质量问题。” 问题在于，由AI代理生成的代码*看起来*合理，但可能包含“难以发现的漏洞”，最终导致重大故障。因此，你应该仔细审查代理的输出，但这很难。正如那位工程师告诉我的，“众所周知”，理解不是你亲手写的代码非常困难，所以这一步很容易“被忽略（尤其是当我们都试图实现‘10x’速度时）。”很快，系统就开始崩溃。 “这些编程工具很有用，能让开发者的生活更轻松，”他总结道，“但它们也助长了懒惰。” 针对这些问题，这位幻想破灭的工程师已经重新回到以手工编程为主的状态。以下是他对自己当前理念的解释： “亲手编写代码，稳扎稳打，并使用LLM来处理狭窄或特别令人烦恼的任务（比如编写测试或一次性脚本），是产出最高质量代码的最佳方式，因为这是真正理解代码的唯一方法。” 关键在于：他并不孤单。 我越来越多地从软件行业的其他人那里听到类似的抱怨（例如，参见五月的这个播客节目(https://www.youtube.com/watch?v=SOKfVVOq-Ck)）。像Claude Code这样的工具可能让你感觉像魔法一样，但把所有代码生产外包给AI的策略目前并不具有可持续性。 除了可靠性问题之外，它还常常带来一种令人麻木的工作流程，以及一个初级开发者永远无法获得成为能够设计复杂系统的高级开发者所需专业知识的環境。 与此同时，随着前沿实验室减少对底层计算成本的补贴，为了找到可行结果而尽可能多地消耗token的旧习惯，已被证明成本高得令人望而却步。 *从外部来看，软件开发似乎是AI潜力的典范。从内部来看，它一片混乱。* 这并不意味着程序员会放弃AI；AI在编程语言方面的熟练度实在太有价值，不容忽视。但我认为，还有大量工作要做，以找出*如何*以一种真正有效的方式将AI整合到该行业中。 这是一个关键点。 过去一年让人精疲力竭。前沿实验室的公关部门非常成功地让我们相信，AI的发展正以惊人的、改变世界的速度发生。但如果你把视野拉远，就会发现自去年夏天以来，几乎所有“突破”都集中在计算机代码和数学的狭窄领域，这些领域由高度结构化的语言定义，并伴随着大量专门的训练数据。 然而，即使是在对AI而言最理想的情况下，我们仍然在努力找出如何以一种从长远来看合理的方式真正使用这些工具。 这并不意味着AI不起作用或毫无用处。但它确实强调了一个重要的真相：AI不是一台能够解决我们所有问题，并最终在这个冰冷、令人困惑的世界中为我们带来意义感的魔法“无限机器”。它是一种*普通*的技术，也许我们是时候开始这样谈论它了。