当前，工程师们面临严重的职业倦怠，组织期望资深工程师能参与并审查“氛围编码”的功能，但这些功能往往无效。资深工程师更愿意帮助新成员学习和贡献，然而新晋程序员却将反馈视为AI工具的提示，滥用大语言模型工具。在最近的公司会议上，初级工程师展示的作品令人困惑，他们似乎也不理解其功能，但组织更关注表象而非实质。资深管理者鼓励他们炫耀使用AI工具，而实际上代码质量堪忧。

当前发生了什么？

工程师们正面临职业倦怠。组织期望他们的高级工程团队能够审查和贡献那些“氛围编码”但无法正常工作的功能。根据我的观察，最优秀的工程师非常热衷于帮助新团队成员贡献和学习。

然而，年轻程序员并没有将反馈视为学习机会，而是将其作为他们“AI”杰作中的下一个提示。我亲眼目睹并听到一些初级工程师明显滥用LLM工具的情况。

在一次公司大会上，我看到一组初级工程师展示了他们的最新工作。我无法确切说出它做了什么，甚至不知道它应该做什么——似乎他们自己也不理解。然而，在大型组织中，重要的不是你做了什么，而是人们认为你做了什么。一位高级经理鼓励他们夸耀使用“AI”工具，他们回应道：“这是Claude写的四千行代码。”全场掌声雷动。

我被要求对现有功能进行小改进。在审查代码后，我注意到一位初级工程师最近对该功能进行了修改。我联系他们，告知我的计划并询问是否有任何有用的见解。我提供了Github提交的URL，询问他们最近更改的背景。虽然我不能确定，但我敢打赌我的问题和提交内容被直接输入到LLM中，然后复制粘贴回给我。我感到被侵犯了，感觉不对劲。

一位朋友最近向我倾诉，他所在的团队在过去一个月里一直在审查一个严重依赖“氛围编码”的PR。一个月的时间，审查LLM生成的垃圾代码。支付ChatGPT每月20美元，然后让一整个工程师团队尝试审查和合并代码，这能节省多少成本？

另一位朋友抱怨帮助工程师在工作中做出贡献的困难。“我审查代码，要求更改，然后他们立即用另一轮AI垃圾代码回应我。”

我们想帮助，我们想构建好东西，让生活更轻松。我们想教人们如何做软件工程！任何工程师都完全站在他们的导师和经理的肩膀上，他们投入了时间和精力。但如果这些投资只是被复制粘贴到最新的“模型”中，那又有什么用呢？我们是否应该将时间和精力投入到训练模型中，完全淘汰初级工程师？

这是一个实验：停止使用“AI”。尝试一天、一周、一个月。

最近，我完全重置了电脑。我喜欢时不时这样做。在这个过程中，我删除了不再使用的软件。我已经为Claude Pro支付了大约6个月的费用。但慢慢地，我觉得这只是在浪费时间。即使我需要进行几次独立的互联网搜索并阅读几十个Stack Overflow和文档页面，我自己的结论比LLM输出的任何内容都更可靠和准确。

那么这些工具有什么用？它们有任何价值吗？

客观地说，答案似乎是否定的。但至少它们赚了很多钱，对吧？

现在有人在AI上赚钱吗？我看到一个这样的管道：

• “AI”应用于某个特定领域，一家公司因此成立，因为它更“高效”
• AI公司从风险投资家那里获得资金
• AI公司以使用积分的形式向AI服务提供商（如OpenAI）提供资金
• AI公司蒸发

这与现有的VC管道并没有太大不同，但区别在于，即使是OpenAI现在也没有赚钱。我相信这是因为技术本身存在缺陷，无法满足需求。它消耗了太多电力，无法在经济上可行，更不用说严重的环境问题。

我们可以祈祷摩尔定律起死回生，拯救我们。我们可以祈祷宇宙的热寂被足够延长，让每个人都成为亿万富翁。我们也可以诚实地看看现实，意识到这是一个骗局。

皇帝没有穿衣服。

评论内容主要围绕AI（特别是LLMs）在软件开发中的应用及其影响展开，观点多样且存在争议。以下是总结：

1. 对AI的负面看法： - AI生成低质量代码：多位评论者指出，AI生成的代码质量低下，甚至可能带来混乱。例如，patrickwalton提到与会计公司合作时，新控制人反复使用AI生成的“垃圾”代码，最终导致更换公司。 - 引用：“I had a very similar experience where the new controller would feed me AI slop back and forth.” - AI放大管理问题：aeon_ai认为，AI的使用暴露了企业管理文化的缺陷，尤其是大型组织中的管理不善，导致AI无法有效发挥作用。 - 引用：“Most organizations, especially large organizations, are so far away from a healthy culture that AI is amplifying the impact of that toxicity.” - AI缺乏理解与学习能力：xnorswap指出，AI无法理解上下文，且不会从错误中学习，导致生成的代码难以维护。 - 引用：“With bad LLM code, you’re dealing with a soul-crushing machine that cannot (yet) and will not (yet) learn from its mistakes.”

2. 对AI的积极看法： - AI作为工具的价值：ryanod认为AI是一个有用的工具，尤其是在个人项目中提供反馈和帮助，但不应依赖AI编写代码。 - 引用：“For me, AI is just a tool. I’m not a high-level developer, but when I’m coding out a personal project and I’m stuck. I present my ideas to AI and ask it for feedback.” - AI在原型设计中的应用：anymouse123456提到，AI在快速生成UX原型方面非常有用，尽管最终产品仍需人工开发。 - 引用：“AI has been great for UX prototypes. Get something stood up quickly to react to.” - AI作为生产力倍增器：ifyoubuildit将AI比作重型设备，认为其可以大幅提高效率，但需要正确使用。 - 引用：“It’s simple: it’s just a multiplier, like power tools or heavy equipment.”

3. 对AI使用的中间立场： - AI是文化与管理问题：boesboes强调，AI的问题本质上是文化和管理问题，而非技术本身，呼吁资深开发者引导新人正确使用AI。 - 引用：“This is 100% a culture and management problem. I’d even go so far as to say, it is our responsibility as seniors to coach this new generation into producing quality and value with the tools they have.” - AI需要合理使用：rickreynoldssf认为，AI生成低质量代码的原因是用户未能正确提问，类似于与初级工程师合作时需要提供明确的指导。 - 引用：“You need to learn HOW to ask for things. Just asking ‘write code to do X’ is wrong in most cases.”

4. 对未来发展的担忧与展望： - 对未来的担忧：stanrivers担心，未来初级开发者可能过度依赖AI，导致他们无法真正掌握编程技能。 - 引用：“I’m scared for what happens ten years from now when none of the junior folk ever learned to write code themselves and now think they are senior engineers…” - AI将推动开发向验证转变：yanis_t预测，未来AI将推动开发工作从编写代码转向验证代码，开发者将更多关注测试和质量保证。 - 引用：“Development is moving towards quality assurance. Because that’s what matter eventually.”

总结：评论中对AI的看法存在明显分歧，既有对其生成低质量代码和管理问题的批评，也有对其作为工具价值的认可。许多评论者认为，AI的使用效果取决于文化、管理和用户技能，而非技术本身。未来，AI可能会改变开发流程，但如何平衡其使用与开发者的技能提升仍是关键问题。