Hacker News 中文摘要

RSS订阅

“垃圾软件”何在？为何AI编程承诺难以兑现 -- Where's the shovelware? Why AI coding claims don't add up

原文链接 | HN讨论 | 2025-09-04 07:08:53

文章摘要

文章作者表达了对AI编程工具现状的愤怒与失望。作为一位有25年经验的软件开发者，他最初是AI编程的早期支持者，但在阅读了METR研究后，发现开发者高估了AI对生产力的提升，实际反而降低了效率。这一发现让他对AI在编程领域的应用产生了严重怀疑，并对行业现状感到不满。

文章总结

标题：AI编程工具的真相：为何生产效率提升的承诺未能兑现

主要内容：

作者是一位拥有25年软件开发经验的老程序员，曾对AI编程工具抱有极大热情，但最近的研究让他产生了怀疑。根据METR研究，开发者们普遍高估了AI工具对生产效率的提升，实际上，AI工具反而使他们的工作效率降低了19%。作者通过自己的实验发现，使用AI工具与手动编程的效率差异并不显著，甚至可能使他的工作效率降低了21%。

作者指出，尽管各大科技公司如Cursor、Claude Code、GitHub Copilot和Google等都在宣传AI工具能大幅提升开发效率，但实际数据显示，全球软件发布量并未出现预期的爆发式增长。作者通过分析大量数据发现，AI工具的广泛采用并未带来软件开发的革命性变化，市场上也没有出现大量低质量软件（shovelware）。

作者认为，AI工具的实际效果被过度夸大，许多开发者因此感到压力，甚至有人因为未能快速适应这些工具而失去工作。他呼吁开发者们相信自己的直觉，不要盲目追随行业潮流。如果这些工具让你感到笨拙或效率低下，那并不是你的问题，数据支持你的感受。

关键点： 1. AI工具并未显著提升开发效率：研究显示，AI工具可能反而降低了开发者的工作效率。 2. 软件发布量未见增长：尽管AI工具被广泛采用，全球软件发布量并未出现预期的爆发式增长。 3. 行业压力与误导：许多开发者因未能快速适应AI工具而面临职业压力，甚至失业。 4. 呼吁理性看待AI工具：作者建议开发者们不要盲目追随行业潮流，应相信自己的经验和直觉。

结论： AI编程工具的实际效果远未达到宣传中的承诺，开发者们应理性看待这些工具，不要被行业炒作所迷惑。

评论总结

主要观点总结：

  1. AI对开发效率的影响有限

    • 评论者普遍认为AI并未显著提升开发者的整体生产力，尤其是在复杂项目中。
    • 引用："LLMs do not increase general developer productivity by 10x across the board for general purpose tasks selected at random." (com2kid)
    • 引用："I completely agree with the thesis here. I also have not seen a massive productivity boost with the use of AI." (jryio)

  2. AI在特定任务中表现优异

    • AI在生成样板代码、快速学习新API、编写简单脚本等任务中表现出色，但在复杂代码库的维护和优化中效果有限。
    • 引用："Setting up a scaffolding for a new website? LLMs are amazing at it." (com2kid)
    • 引用："I’ve found it useful in some trivial ways (eg: small refactors, type definition from a schema, etc.)" (captainkrtek)

  3. AI生成代码的质量问题

    • AI生成的代码可能存在风格不一致、逻辑错误或不符合现有代码库规范的问题，需要开发者进行大量修正。
    • 引用："The code it produced doesn’t follow our existing style guide and patterns." (captainkrtek)
    • 引用："O no, it removed 50% of my code. Hey, where did my comments go." (benjiro)

  4. AI对新手和经验丰富的开发者影响不同

    • 新手开发者可能依赖AI生成代码，但缺乏对代码的理解和优化能力；而经验丰富的开发者则更谨慎，避免AI生成的低质量代码。
    • 引用："For non-experienced engineers, they currently hit a lot of complexity limits with getting a finished product to actually work." (paulhodge)
    • 引用："My juniors are going to be in a world of hurt, if their skills are more LLM monkey coding." (benjiro)

  5. AI对软件发布数量的影响有限

    • 尽管AI工具普及，但软件发布数量并未显著增加，可能是因为代码编写并非软件开发的唯一瓶颈。
    • 引用："An alternative theory is that writing code was never the bottleneck of releasing software." (throwaway13337)
    • 引用："The amount of shovelware is not a reliable signal." (bastawhiz)

  6. AI工具的过度依赖与时间消耗

    • 使用AI工具时，开发者需要花费大量时间编写提示、等待结果并修正错误，这可能抵消了AI带来的效率提升。
    • 引用："Prompt again ... and again. And this is where your productivity goes to die." (benjiro)
    • 引用："I haven’t found ChatGPT helpful in speeding up my coding because I don’t want to give up understanding the code." (timdiller)

  7. AI对开发者幸福感的提升

    • 尽管AI在效率提升上表现有限，但它通过减少重复性工作提升了开发者的工作满意度。
    • 引用："If devs using copilot are happier--and I am, at least--then that’s value right there." (whiterook6)

总结：

评论者对AI在软件开发中的作用持谨慎态度，认为其在特定任务中表现优异，但并未显著提升整体生产力。AI生成的代码质量参差不齐，且过度依赖AI可能导致开发者技能退化。尽管AI工具在减少重复性工作方面有一定价值，但其对软件发布数量和复杂项目的影响有限。