烹饪牛排几乎不需要技巧，但做出完美的牛排却很难。AI软件开发也类似：我们能快速构建东西，但想要稳定产出高质量、符合预期的软件，却远非易事。

烹饪牛排几乎不需要技巧：把肉放进热锅，等一会儿，翻面，最终你就能得到一块勉强能吃的肉。但要做出真正出色的牛排——从里到外均匀的三分熟、完美的焦褐色、恰到好处的调味、始终如一的美味——完全是另一回事。

如今，借助AI进行软件开发，感觉也差不多如此。我们不停地构建：用AI、不用AI、通勤路上、上厕所时、甚至可能在睡梦中。我们创造各种智能体、工具、技能、提示词、反馈循环和复杂的工作流，然后把所有东西扔给模型，希望它能给出我们想象中的结果，却从不真正理解这一切是如何运作的。

我们想要什么？我们想要完美的牛排——也就是完美的软件：运行流畅、外观精美、打磨精致，完全符合我们的想象。最重要的是，我们希望每次都能得到相同的结果。

我们得到了吗？并非每次，甚至远非如此。有时模型会给出令人惊喜的好结果；有时它却端上一块焦炭，上面插根百里香，还自信满满地宣称这是三分熟。

那我们怎么办？我们去餐厅。我们购买高级AI产品、雇佣代理公司、订阅另一个编程助手、转向承诺专业效果的新框架。我们指望别人已经替我们解决了问题。有时确实如此，但更多时候并非如此。

这就剩下两个选择：要么自己学会正确烹饪，要么继续向朋友打听餐厅推荐，同时准备好钱包迎接下一次昂贵的失望。

大多数人希望用AI构建自己在意的东西，却不想陷入实现细节的泥潭。我们希望像在自家厨房里请了一位专业厨师：告诉它想要什么，然后走开，等晚餐做好再回来。

但AI不是厨师。充其量，它只是一台牛排机。它能遵循食谱、监控温度、在正确时机翻面、加入黄油。给它足够的工具和指令，它就能快速、大规模地重复这个过程。但它不知道你真正想要什么。它看不到你脑海中的画面，除非你把需求、约束、示例、测试和反馈翻译给它。即便如此，它仍受限于自身能力、上下文窗口以及围绕它的系统质量。你可以站在机器旁边每三十秒纠正一次，这或许有帮助，但不会把机器变成米其林星级厨师。

最终，你感到沮丧，决定花钱买那个梦想中的牛排。你选了昂贵的餐厅，坐下，研究菜单，终于可以满怀信心地点单。你等待第一口。盘子端上来了——和你在家做的那块烧焦的牛排一模一样。

为什么？因为城里每家餐厅都雇了同一个AI厨师。“成本优化，”管理层说，“大多数人不会注意到。”他们很可能是对的。大多数时候，软件只需要达到可接受的水平。顾客会容忍奇怪的界面、无用的功能、诡异的bug、以及由没人真正理解的生成代码拼凑起来的系统。

但你会注意到。你会注意到，因为这是你真正想制作的东西。于是你失望地回家，饿着肚子，有点尴尬，从书架上取下烹饪书。只有一个选择：学会烹饪。你学习热量到底起什么作用，哪个锅重要以及为什么，厚度为什么重要，静置为什么重要，为什么光靠计时器永远救不了你。你又搞砸了几顿晚餐。然后你再次尝试。一次又一次。

最终，你不再依赖运气——你通过艰难的方式学会了。

软件也是如此。AI能让你更快。它自动化重复性工作、生成起点、解释代码、帮你探索想法。但它无法取代你的判断力。它无法为你定义质量，无法决定哪些权衡可以接受，无法总是捕捉到那个时刻：技术上正确，但在所有重要方面都错了。

要用AI构建好软件，你仍然必须理解软件。你需要知道你到底在要求什么，如何评判返回的结果，以及何时机器只是在自信地给你端上焦炭。

继续学习。继续构建。继续失败。直到你能产出你想要的结果，而不是指望偶然撞上它。然后，变得足够好，开一家自己的小餐厅。再雇几个AI厨师。大多数人仍然不会注意到区别。

但你会。

根据评论内容，总结如下主要观点：

1. 对AI编程的乐观态度（支持“牛排机”类比） - 评论认为AI能高效处理简单、定义明确的任务，甚至超越人类工程师（评论22：“AI agent's performance can EXCEED one of a human engineer for simple, well-defined tasks”）。 - 用户只需提出需求，AI即可快速迭代原型，提升最终质量（评论9：“you can make multiple prototypes fast and pick the best one”）。 - 部分评论者认为，AI降低了编程门槛，让非专业人士也能参与（评论4：“if something doesn't work, you just ask it to change it”）。

2. 对AI编程的悲观态度（批评“牛排机”类比） - 批评文章用“牛排”类比不恰当：烹饪好牛排简单易学，而软件开发需要深厚技能（评论11：“Software requires a massive amount of skill”）。 - 担忧AI导致软件质量下降，企业为利润牺牲品质（评论2：“customers are willing to pay for (just) edible steak”）。 - 认为AI加速了“垃圾化”（enshittification），让产品更贵、更差、更烦人（评论27：“AI is accelerating the enshittification of everything”）。

3. 对文章本身质量的批评 - 多位评论者指出文章写作风格差、逻辑不清（评论12：“The tone and writing style is way off... practically illegible”）。 - 怀疑文章由AI生成（评论17：“The article is AI generated”），或认为其内容空洞（评论24：“slop article”）。

4. 对AI与人类协作的中间立场 - 建议将AI用于“繁琐、困难、不光彩的部分”，人类负责需要品味的环节（评论16：“use AI like a sous-vide... do the parts that require taste yourself”）。 - 认为当前AI像“每10分钟醉一次的天才”，人类需管理其输出（评论11：“you manage the AI”）。 - 强调用户需学会“提出正确问题”，而非盲目依赖AI（评论28：“You only need to understand how to ask the right questions”）。

5. 对“牛排”类比本身的讨论 - 多数评论认为烹饪好牛排并不难，作者选例不当（评论14：“cooking even an excellent steak is actually not that hard”）。 - 部分评论者更希望看到真正关于烹饪牛排的文章（评论15：“I'd prefer an article actually about cooking steak”）。

总结：评论者对AI编程的看法两极分化，乐观者强调效率与可及性，悲观者担忧质量下降与行业退化。多数人认为文章类比不恰当、写作质量差。中间立场主张人机协作，并强调用户需具备提问能力。