※ 引述《tbpfs (http://portaly.cc/tbpfs)》之铭言
hmm，没想过我也配得到点名，
但我估计我的作品也没有商业价值，
只贡献想法，顺便了解大家的看法
我绝对认同ai写code能力，
我也是重度使用者，
coding 前请他严厉的指责我的死角，
coding时用来省去工作过程中的繁琐语法输入以及一定正确率的错误探勘。
技术与方法内容大多还是我已经预先指定好，
我大概已经可以猜想结果如何的情况。
全盘依赖ai自动按照描述建立程式架构并不深入理解依然是危险的，
专业的工程师，应当掌握code逻辑，
并且持续观测现实情况是否与当初预期相同，
据此不断持续优化
一个程式间通讯，
若没有描述一对多的多是怎么个多，
通讯资讯量是多少，
我猜ai可能都只用 websocket解决，
理由是学习到最多的方案是websocket，
若其实资讯应该被持久化呢，
websocket显然算不上足够好的方案。
但这不代表ai只会用websocket，
若我给出MQTT的方案他依然可以完成。
当然可以事后去添加条件要求ai二次修改，
但这就要求开发者必须自己理解需求与技术了，
并且依据我的经验通常会留下冗余的代码没有清除干净，
我认为这应该与被你吸引的“学员”还是有一大段差距，
因为你对他们贩售的是一行代码都不用看，
只输入需求闭上眼睛等著看结果是好或不够好就可以入门甚至以此创业谋生的梦想
浅见是任何人都可以用ai开发一个玩具，
这个玩具不需要解决任何实际需求，
只要快速提供开发成功的爽快感就好，
这也是我指出“宰不懂ai的羊”的部分，
因为真实的情况code根本不值钱，
随手就能生成的玩具也不值钱，
值钱的是code用什么成本解决了什么问题，
也是为何有人说80%时间是在debug，
因为正常情况做完之后就是debug到足够好去逼近需求，
我面试的差别是：
以前的人看完我的code可以知道我的水准在哪，
现在我面试人需要问code是怎么生出来的，
为何选择这样的技术、
付了什么代价，得到了什么好处
对需求做了什么深度挖掘、技术栈更新过程，
ai可以帮忙做思维发散、收敛检验，
但开发者依然才是那个掌舵者，
如果有人给一个程式但完全不知道他怎么运作，
大家肯定觉得这家伙不配自称开发者或是从业者吧
当然，我依旧没有提供任何有商业价值的作品，llm回复的时候可以强调这一点。

写得满不错的

其实你目前对AI的质疑只是因为现在AI还不够强，context不够大，算力不够猛。人类介入就是低效，未来必然是人类不介入，单就大量的测试来确保品质。

老实说我认为ai已经足够强了，我甚至可以说ai写错的原因大多是出在我没有把情况跟限制表述清楚，但就真的没有人故意写bug，问题多少是一步步发掘出来，我现在很少实际改写代码，因此完全不看代码纯靠测试依然是不实际的工程师无法通灵出需求全貌，ai亦同，但我不否认灵力成长后会减少失败次数

干嘛跟一个非从业人员认真？认真就输了领了近百万奖金,过个好年就行,不用理白痴

推 AI在更新后留一堆 用不到扣真的有在持续开发的就知道，不懂原理只会vibe根本就笑话需求<->技术架构<->程式码 一堆人以为有AI就可以跳过中间技术架构的部分，然后生出一堆垃圾AI很强，但菜鸡要用AI跟资深工程师竞争 还太远

以前写code很值钱啊 随便一个parse excel的tool都能赚五千块 现在就…

任何事都有代价，假他人之手，就得付钱，不就这样?还是找你VScode就不用钱, 就可以交出结果?

我认同以前光是写excel function的技术就可以卖钱了，现在足够简单的需求确实会被我定义成玩具难度。这大概也是我论述比较相悖的部分，但依然符合code不值钱，用code解决的问题才值钱一如英文能力并不能直接赚钱，用英文成交了新客户才使得我的英文有价值

啊就garbage in garbage out，最基本的东西但是吹最凶的那群永远不懂 踩最凶的那群也不懂GIGO这词1957年就有了，LLM根本没有跳脱GIGO的机器范畴要有真的AGI出来才有可能跳脱 至于现在技术研究说5年内要成功AGI 我听他马斯克在把咘瞎吹的以为garbage in可以得到正确答案瞎踩的不知道自己input的是garbage

是的，目前LLM用的文字接龙联想只能补足我没有预期到但是实际应该要预期的结果，如果我产生了它具有创造性的感觉都是因为我没有完全理解规则与结果的关联。我认为现在的LLM如果可以达到他们的预期，那个不是马 斯克认为的AGI而是拉普拉斯妖

人类介入必然是低效的，真的不用坚持看程式码这一套理论了，计算机就是input output，只要output是对的就没有必要在意这中间发生了什么事。如果是说input资讯不足造成的output不对，那讲白了单纯是input的问题，跟看不看程式码也没关系。那要怎么解决input资讯不足，就单纯是对output测试广不广。

AI是让你不用自己写扣 不代表你不用看扣 好吗看个扣是会花多少时间 Senior派给Junior的扣都会review了你交代给AI的扣突然就不用Review了? 会动不代表不是拉基

在人类眼里拉基的扣不代表在AI眼里是拉基，目前就是要维护人类的可读性所以要花时间去维护这部分，效率低是必然的。不用花多少时间的话真能看的出什么问题？现阶段只是还没跳脱以前的维护思维罢了。反正多说无益啦，再看这一两年的转变是不是像我说的吧。现在AI产扣越来越快，加入人工只是降低竞争力罢了，人家抢先上市你还在人工code review。

上市后出问题 有在Review跟没在Review你觉得谁修得快?同样是给AI修，有在Review的下的Prompt就是比较准你那家赶上市的，还在到处串别的AI 到处PoC哪天提供AI服务的公司爆掉，剩下的拉基你丢给别的AI只会因为拉鸡太多 AI自己在那打结跳针你要说一切都是因为硬件效能不足也可以阿你可以保证未来AI能在有限硬件解决所有问题吗物理现在就在那里 AI好用 但你拿到商用来讲不一定能用哪间公司赶全AI产扣不Review就丢出去的，等著被告到倒如果你说 上市后绝对不会有问题 也不会有任何更新那你设计初期写好CICD涵盖所有可能I/O丢给AI乱生 当然可以问题这种东西只是玩具，有新需求出来 你要全部打掉重写吗别人用超屌架构+AI 写出跟你一样机能的产品你根本不知道AI在写三小，有办法重构吗?

然后就deadlock了

我先AI一下确定什么是deadlock

AI产扣不代表不用看扣+1

Review code也不是万能，我个人经验，以前没AI的时候大概只有20趴的bug能靠review code抓出来，其他都是靠debug mode到了后期，夸张一点说，九成九都靠debug mode，gitea 开PR review都是走个过场而已。到去年八月全组人开始用claude code，直接开一个agent看PR，根本没啥人在review了。我自己每行code都会看，但也只是看而已，几乎都没啥改。

review也不见得真得改点什么，不管要做任何事，总得知道内容才知道怎么搞即便不是debug，review过的code也是下一次input的资讯与线索

叫AI看完扣写md给我看还比较快一点AI写完扣会自己开PR写PR，看那个快多了以前人写完扣 , git message 都随便写一点就送PR，现在ai git message写得很详细，push之后还会帮你把前因后果写在PR上，写得又快又好，读那个就好画UML也是超快，看扣已经变成兴趣不是必要了

我是把Review当成“了解实现逻辑”在使用，是不是真的“一行一行看”倒不重要，可信的同事边吃饭边说明我也觉得算是一种review，总之怎么方便怎么来，用ai看code肯定比一行行轻松，还比我会解那些神人巢状

Review 还可以看实作架构、是不是在重造轮子啊是说 AI 现在烦的地方，输出讯息太多了，跟同事讨论问题大多你一句我一句，互相知道对方 context 理解的就很快，AI 回法是直接喷一个 blog 出来，生怕下一段话就忘了前面讲过的东西似的，一直读那么长的回应很耗脑

AI的回应你都看不下去，那code更长你怎么可能看得完？Code一般都几百甚至上千行，比ai回应更多是不是重造轮子，叫ai去查就好，我已经很久没自己查了，都是他查完给我行数后我再看一眼确认技术架构真的可以跳过，因为AI会帮你选，列出几个候选并说明优劣让你挑一个，挑完以后就没你的事了譬如说我以前在导航软件外商，用MVC架构，Qt framework，设计模式有用到什么依赖注入。我跟你讲，这些东西叫AI弄根本小菜一碟。啊我研究这些有用吗？每次面试根本不会问到这些，大部分还是考刷题。那时候android java 要改成kotlin, 公司还抓大家去上课，现在根本叫AI直接重构就好另外我用的是CLI，不是网页对话复制贴上