文章核心内容：作者质疑当前AI模型连简单指令都难以准确完成，却大力鼓吹"自主代理"功能的炒作现象。他以GPT-5和Gemini Pro为例，指出这些模型在修改代码时频繁遗漏细节，认为所谓的"自主代理"只是给用户带来更多麻烦的幻想。

标题：当模型连简单指令都难执行时，为何还要追捧"自主代理"编程？

论坛讨论背景： 一位开发者（singularityskynet）在Cursor社区论坛发帖质疑当前AI编程领域对"自主代理"（agentic）功能的过度追捧。该用户通过实际测试发现，即便是GPT-5和Gemini Pro这样的先进模型，在修改100行Go代码时仍会出现遗漏或错误，因此质疑这种尚不成熟的技术如何能胜任需要同时处理多个文件的复杂任务。

核心质疑点： 1. 技术成熟度问题：现有AI模型连单一简单指令都难以完美执行，却鼓吹能实现"后台自主修改代码"的功能 2. 实用性质疑：当需要为每个函数创建.md参考文件时，其工作量已超过手动修改 3. 扩展性担忧：处理单个文件尚且困难，如何应对涉及50个文件、多个函数的复杂项目？

社区反馈： 1. 建议派（untadotmy）： - 建议使用.md文件替代纯文本提供参考 - 强调优化提示词（prompt）质量的重要性 2. 方法论派（robert_sanders）： - 提出分阶段任务管理方案（Phase 1 Task 1） - 强调需先让AI理解产品架构模式 3. 技术派（trtrtrtr）： - 推荐使用"计划模式"（plan mode） - 说明该模式会先分析整个项目再推进修改

争议焦点： 反对者认为当前技术尚不成熟，盲目追求"自主代理"只会导致更多需要人工修复的问题；支持者则认为通过改进使用方法和提示策略可以提升效果。双方都承认现有技术存在局限，但对发展前景持不同态度。

（注：原文中的图片链接、用户头像信息等与核心讨论无关的细节已省略，保留了具有实质内容的对话和观点交锋）

评论内容总结

1. 对AI代理的质疑与批评

• 主要观点：认为AI代理被过度炒作，实际效果不佳，尤其是在复杂任务和遗留项目中表现差。
  • "Agent are pure hype (or for very niche use cases)"（Julienr2）
  • "LLMs are absolutely horrible at doing anything... agents are just great at using tokens to generate no tangible result"（varunchopra）

2. 使用体验的差异性

• 主要观点：开发者对AI工具的使用体验差异大，部分归因于任务类型、语言熟练度和项目复杂度。
  • "The performance of the AI tools varies enormously for different tasks... it's not that predictable when it will fail"（fabian2k）
  • "LLMs are bad with golang... but colleagues working with react and next have better experience"（stanac）

3. 商业炒作与经济泡沫

• 主要观点：AI热潮背后是资本推动的泡沫，企业为提升估值过度营销，实际技术未成熟。
  • "Because the rich folks invested a ton of money and they need it to work... quality be damned"（hansmayer）
  • "2025 was the year when my fear of being replaced by an AI changed to fear of a big economic disaster caused by AI bubble"（AHTERIX5000）

4. 有效使用AI的方法

• 主要观点：通过分步指导、严格监督和上下文补充，AI可辅助完成部分工作，但仍需大量人工干预。
  • "I use LLMs the same way I would use speech-to-text... telling the LLM exactly what I want"（varun_chopra）
  • "Monitor it to make sure it doesn’t get stuck... add something to the context files"（gwd）

5. 技术局限性

• 主要观点：当前AI无法可靠处理复杂任务，尤其在需要理解隐式上下文或遵循严格规则的场景中。
  • "These models cannot reliably deliver complex work"（thor-rodrigues）
  • "Legacy projects... have unwritten design decisions that LLMs struggle with"（taherchhabra）

6. 用户责任与工具设计

• 主要观点：用户需改进提示方式，但工具设计也应更直观，避免将问题归咎于用户。
  • "If a user cannot use a tool intuitively, the tool is not fit for purpose"（falconinthesun）
  • "It still takes a lot of practice to get good at prompting"（mihau）

总结

评论呈现两极分化：一方批评AI代理被过度炒作且效果有限，另一方则认为通过合理使用可提升效率。核心争议围绕技术成熟度、商业动机和用户体验差异展开。支持者强调分步指导和监督的价值，反对者则指出复杂任务中的不可靠性和经济泡沫风险。