作者发现，直接使用AI生成完整代码会导致认知负债，虽然能跳过无聊部分，但会失去对代码的深层理解。因此，他选择手动重新输入AI生成的代码，以此保持对项目的掌控感和理解力。

尽管作者在四月份曾表示不再使用编程助手，但他在个人项目中仍继续使用。不过，他避免让AI一次性生成完整功能，因为这让他感到不满和迷失方向。相反，他利用AI加速项目中枯燥的部分，同时坚持手动输入每一行AI生成的代码，以保持对代码的深入理解。这种方法虽然效率较低（大约只提升2倍速度），但能帮助他建立代码库的空间地图，更容易检测错误和不良设计，并适应个人风格。作者认为，手动输入代码类似于学习编程时手动抄写示例的过程，强调理解胜过效率。他担心软件行业正积累大量认知债务，可能导致未来无法理解数字基础设施的构建，因此坚持完全理解自己发布的软件，视之为职业责任。

以下是对评论内容的总结，涵盖主要观点、论据及认可度（评分均为None，故不单独标注），并保持不同观点的平衡性：

支持手动重输LLM代码的观点

• 提升理解与学习：手动输入代码能迫使开发者思考每行代码的含义，避免“认知债务”。例如，评论6指出：“Typing out code manually gives you time and space to consider the broader picture.” 评论25也强调：“Doing the typing would cause me to question everything... I became a near expert overnight.”
• 保持技能与品味：部分开发者认为手动编码有助于维持对代码的直觉和品味。评论15提到：“The goal is to maintain the taste... that I've developed over decades of programming.” 评论30补充：“Manually typing in code is an underappreciated trick... one of the fastest ways to get to grips with a certain piece of code.”

反对或质疑手动重输的观点

• 效率低下：手动重输会显著拖慢开发进度，尤其对个人项目或工作场景不现实。评论2质疑：“you will not even get the basic UI for the app done in a few days? Is that OK for you?” 评论28则从职场角度指出：“if you code for a job, good luck justifying this to management.”
• 学习效果有限：单纯重输代码可能只是机械记忆，而非真正理解。评论16认为：“Retyping things is inefficient for learning... It is a practice for memorizing, not for building your intuition.” 评论27也强调：“Blindly typing will make you just good at typing.”
• 替代方案更优：许多评论提出更高效的学习或协作方式。例如，评论10建议：“make a complete mental model of the changes and ask questions to confirm your understanding.” 评论21推荐：“Pair programming with the LLM is a better approach.” 评论23则提出：“let AI code the working system, and then prompt it to teach you, give you challenges, and grade your work.”

平衡性总结

评论呈现明显分歧：一方强调手动重输对深度理解和技能维护的价值，另一方则质疑其效率和学习效果，并主张更智能的协作方式。核心争议在于：手动重输是促进学习的必要过程，还是低效的“数字填色”？多数评论认可LLM的辅助作用，但认为应避免盲目依赖，需结合主动思考与针对性练习。