文章讨论了AI辅助编程（自动编程）的本质，指出即使使用相同的大语言模型，不同开发者基于自身直觉、设计和持续引导会产生截然不同的结果。作者强调真正的编程是开发者主导的过程，反对"氛围编程"（仅粗略描述需求就全权交给AI），认为优秀软件仍需要人类开发者的深度参与和把控。

标题：自动编程——

在YouTube频道中，我最近开始用"自动编程"这个术语来描述借助AI辅助编写软件的过程（我相信很快这将成为"编写软件"的标准方式）。

值得注意的是，即使使用相同的LLM（大型语言模型），自动编程的结果也会因操作者的直觉、设计、持续引导和软件理念而大不相同。

请不要再说什么"Claude帮我即兴编写了这个软件"。所谓"即兴编码"是指完全依赖AI生成软件而不参与过程的行为。你只是泛泛描述需求，LLM会根据训练数据、当前运行中占主导的特定采样等因素，自发产生第一个想到的设计/代码。即兴编码者最多只会反馈结果是否符合预期。

真正的软件生产应该是你清楚整个过程的创作——这是你制作的软件。需要记住的是，LLM的预训练数据虽然只是学习的一部分（强化学习也占很大比重），但都来自人类创作。因此我们可以将AI生成的代码视为"我们的"，我们有权这样做。预训练数据实际上是集体的馈赠，让许多人能够完成原本不可能完成的事，就像我们以某种方式连接成了集体思维。

如果说"即兴编码"是不太理解过程就产出软件（这有其存在价值，使软件生产民主化，我完全认可），那么"自动编程"就是在AI辅助下，严格遵循创作者对软件的愿景（这种愿景是多层次的：从宏观的实现方式到具体指导AI编写某个函数）来生产高质量软件的过程。当然，决定"做什么"也是这个过程中的关键部分。

作为程序员，我使用自动编程。用这种方式生成的代码就是我的——我的代码，我的产出。我和你都应该为此感到自豪。

如果还不信服，想想Redis。Redis并没有太多技术创新，最初只是一些基础数据结构和网络代码的集合，任何合格的系统程序员都能写出。那它为何成为如此有用的软件？因为它蕴含的思想和愿景。

编程已经自动化，但愿景（目前）还没有。

主要观点总结

1. 自动编程的归属与责任

• 支持方认为AI生成的代码属于使用者，强调人的指导和责任（评论1、14）。
  • "My code, my output, my production. I, and you, can be proud."（评论1）
  • "AI辅助的迷你瀑布开发（'增强级联'？）似乎是回归高质量软件的路径。"（评论14）
• 反对方指出代码是协作产物，需明确归属（评论11、24）。
  • "LLM生成的代码是抄袭的，至少应注明来源。"（评论11）
  • "代码是你与模型的合作成果，不能完全归功于自己。"（评论24）

2. AI编程的实践与质量争议

• 肯定态度认为AI提升效率，需结合严格验证（评论9、14）。
  • "通过多轮自我审查和详细规范，AI可实现零修改交付。"（评论14）
  • "关键在于构建验证循环，确保输出符合预期。"（评论9）
• 批评态度认为AI易产生低质量代码（"slop"），且缺乏责任感（评论8、22）。
  • "如果结果是垃圾，再怎么包装也改变不了本质。"（评论8）
  • "低质量代码浪费算力，加剧资源短缺。"（评论22）

3. 术语与行业趋势的分歧

• 支持新术语者认为需区分传统编程与AI辅助（评论15、19）。
  • "需要更好的术语来描述这种编程方式。"（评论15）
• 反对者认为无需新词，最终会回归"编程"本质（评论8、18）。
  • "当AI编程足够好时，我们只会称它为'编程'。"（评论8）
  • "为何要为LLM辅助编程发明新词？"（评论18）

4. 伦理与数据来源争议

• 批评者指出预训练数据涉嫌侵权（评论11、13）。
  • "开源作者未同意其代码用于训练，这不是'礼物'而是窃取。"（评论11）
  • "若代码是偷来的，就不是集体馈赠。"（评论13）

5. 行业焦虑与过度炒作

• 部分评论提醒警惕AI泡沫（评论21、26）。
  • "别陷入'不用AI明天就会失业'的焦虑。"（评论21）
  • "这篇文章空洞无物，只是末日情绪的宣泄。"（评论26）

关键引用保留

• 责任争议：
  • "当出现bug时，你愿意第一个承担责任吗？LLM可不会。"（评论1）
• 质量争议：
  • "人们不傻，'氛围编程'就是懒惰的委婉说法。"（评论8）
• 数据伦理：
  • "LLM将代码洗白成完全属于你，这是最不道德的行为。"（评论11）

总结呈现了支持与反对AI编程的多方观点，涵盖归属权、质量、术语、伦理及行业影响等核心争议。