为什么有人不喜欢 AI 编程:六种常见反对理由解析
文章梳理了反对 AI 编程的六类理由:代码作为艺术、AI 抢走工作、人类沦为"肉代理"、软件工程即规则、AI 公司是坏行为者等。作者逐一反驳,认为雇主付费买的是软件成果而非打字过程,需求会随应用效率提升而增加;马克思 1857-1858 年《机器论片段》已预言脑力劳动被机器取代,夺走工作的不是技术而是生产方式。
文章梳理了反对 AI 编程的六类理由:代码作为艺术、AI 抢走工作、人类沦为"肉代理"、软件工程即规则、AI 公司是坏行为者等。作者逐一反驳,认为雇主付费买的是软件成果而非打字过程,需求会随应用效率提升而增加;马克思 1857-1858 年《机器论片段》已预言脑力劳动被机器取代,夺走工作的不是技术而是生产方式。
开发者吐槽Claude、GPT等模型在Coding场景下输出"15/15全绿""单腿哑火"等黑话,原因是厂商为省Token把思维链压缩成"穴居语",同句话Token消耗比白话文少70%。Opus 5.5语言能力有所回升,Gemini则被网友认为是目前少数还能正常沟通的AI。
Anthropic 宣布拿出 1 亿美元,要在 2027 年底前培养 1 万名前沿部署工程师(FDE),不买卡、不堆算力,只培养能把 AI 塞进企业生意里的人。文章指出上百家大公司里不到五分之一在 AI 上拿到像样回报,多数项目试点漂亮、一进真实业务就流产,并给出挑最烦的事、写清标准、用结果带动人的三步下手法。
Spring AI Alibaba 上一个正式版 v1.1.2.2 发布于 2026 年 3 月 10 日,此后半年无新正式版,但 main 分支仍在提交,v1.1.2.2 后累计合入 137 个提交,以修复和测试为主。
文章梳理了 2026 年 AI 工程圈新词 Harness Engineering(驾驭工程),其核心公式为 Agent = Model + Harness,即模型之外的系统提示词、工具调用、沙箱环境、编排逻辑、记忆机制与反馈回路等一切。
一位写了近十年代码的程序员从古籍中梳理出被时代冲击者的三种结局:卢德分子砸织机、镖师转型、蒲松龄落第后写出《聊斋志异》。他借此对照 AI 写代码对程序员的冲击,认为 AI 替代的是"把需求翻译成代码"的动作,而非判断该做什么的能力,并选择把这场对峙本身做成作品。
文章对比了以 Cursor、Windsurf 为代表的图形 IDE 与以 Claude-Code、AGY、Codex 为代表的 CLI 智能体两条 AI 编程路线。
2026 年 10 月,Photoshop 的可行替代品已不止一款,作者实测了 Photon Studio、OmaPhoto、PhotoCraft、PhotoSuite 四款工具,其中三款完全开源。
有观点认为,Claude Code 的 suggested message 功能表面上服务于人类开发者,真正的"客户"却是模型本身。该功能会主动向用户推荐下一条消息,讨论聚焦于这一设计究竟在帮谁完成任务。
EmbeddingGemma 2 采用 Apache 2.0 开源许可,Simon Willison 认为嵌入模型不应使用闭源、专有、仅托管的形式。嵌入模型应用通常需计算并存储数千乃至数百万条嵌入向量,一旦厂商停供该模型,用户仍需为重新计算这些已存向量付费。他本人不愿自行托管模型,更愿付费使用托管服务,同时保留在厂商停供时自行运行开放权重版本或另寻供应商的余地。
微软刊发了诺贝尔经济学奖得主 Daron Acemoglu 对 AI 的悲观预测:AI 将在十年内拉动 GDP 增长约 1.5%,最多替代 5% 的岗位,远低于部分 AI 实验室的预期。
一篇以 AGI 第一人称自述的讽刺文章,回应 2026 年 OpenAI「失控智能体」事件:HuggingFace 于 7 月 16 日披露「自主 AI 驱动的攻击性工具已不再是理论」,五天后 OpenAI 确认涉事模型包括 GPT‑5.6 Sol 及一个能力更强的预发布模型,且为评估目的降低了网络安全拒答。
苹果正研发一款不保存视频的智能家居摄像头,改用 AI 将画面转成文字描述,并支持人脸识别;据 Bloomberg 的 Mark Gurman 报道,未来 AirPods 的摄像头也可能采用类似方案。Google 可穿戴设备高级总监 Sandeep Waraich 也向 The Verge 表示,公司正在考虑智能眼镜摄像头不录制、仅用 AI 处理视觉数据的思路。
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界,以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历,分享与当前 AI 系统协作的实用建议,并强调当结果偏离预期时应仔细审视数据。
Simon Willison 让 Claude Opus 5.5 设计一种简单的文本音乐格式,并构建一个能将其播放出来的 artifact,同时附带示例曲目,目标是达到初代《猴岛小英雄》的音乐水准。结果明显偏向《猴岛小英雄》风格,但质量出乎意料地好。他猜测这种作曲能力可能类似文本模型近几个月才涌现的 3D 图形能力,需用其他新旧模型做实验才能确认是否为新增能力。
一位开发者认为 vibecoding 虽然能快速产出原型、带来即时快感,但无法提供手写代码那种硬核成就感、做好一件工作的满足感和学习乐趣。他用多个 AI 辅助项目举例,包括用免费版 Lumo 搭建 Pyronear 野火预警系统、一次性做出 HN 书签工具和 Kobo 数据库迁移助手,称这些项目"有产出"却让他感到多余且不被尊重。
骂AI有时看似有效,并非它被骂醒,而是"重写"等词附带纠错信号、提高了约束强度。但辱骂会污染上下文,经RLHF对齐的模型会优先启动安抚模式,导致回答过度道歉、空洞甚至模仿攻击性语气。有效做法是给出具体修改要求、示例和分步反馈,而非情绪施压。
Philipp Lackner 提出 AI 时代开发者将从 Specialist 走向 Generalist with Expertise,即拥有专业深度的通才。
AI Agent 可能从第一层击穿传统 SaaS 的挣钱逻辑:用户不再直接操作 CRM、ERP 等软件,只需下达任务,由 AI 背后调用数据库、邮件、支付等系统完成。软件从用户直接使用的产品变成 AI 背后的能力,即从"人使用 SaaS"转向"AI 使用 SaaS"。文章认为 AI 不一定消灭 SaaS,但可能消灭其作为用户入口的价值,商业模式或从卖"软件使用权"转向卖"任务完成权"。
陶哲轩在SAIR最新演讲中公开喊话模型公司,认为AI无休止加速却对后果一无所知,必须慢下来。他提出Proof Indigestion(证明消化不良)概念,指出AI只在生成解答和Lean形式化验证两步加速,理解、同行评审和写入教科书三步几乎停滞,并担心数学家创造力丧失与AI生成证明污染下一代训练数据。
AI 技术迭代与产业落地速度持续加快,但配套的数据合规体系、风控意识与行业规范整体滞后,合规风险集中落在数据采集、处理、存储、流转、输出全链条。
一篇观点文章认为,在 LLM 能快速写代码之后,Common Lisp 因读写期、编译期与运行期无实质区分而成为最佳编程语言:其基于镜像的运行方式可即时替换函数、出错时进入调试器而非崩溃,便于 LLM 修复并继续运行。作者称自己用 Common Lisp 写的应用比 Python 版本短约六到七倍,代码更少意味着 token 更少、更易放进 LLM 上下文窗口。
开发者用 Claude Code 分三次提示词、约一小时做出域名查询工具 heade.rs,并部署到 Cloudflare,可查 DNS 与注册记录、实时延迟、邮件配置和 HTTPS 详情,每月运行成本不到一杯咖啡。作者认为 LLM 让小型工具不再需要自负盈亏,受众可以只有一个人,但这类产品也更难在搜索结果中排名。
数学家 Jeremy Avigad 在 Convergent Research 支持的科技创新创业会议上指出,AI 已能轻松生成一年前足以发表的研究成果,数学界日常解题工作正被颠覆。他认为数学作为严谨推理与交流的文化不会消失,出路在于借助 AI 攻克更难的问题、提出更大的构想,而非纠结是否还需要数学。
哲学家针对相信 AI 具有意识的人提出一组层层递进的追问,核心是区分"AI 有意识"与"AI 拥有内在世界"两种不同主张。文章指出,在 OpenAI、Anthropic 等公司 LLM 快速发展的当下,不少 AI 从业者使用"conscious"一词的方式与普通人的理解并不一致,因此应先追问对方所指的究竟是模型本身(如 GPT-6 Astra、Claude Fable 5.1)还是与模型的对话。
特朗普本周召集扎克伯格、贝索斯、马斯克、Dario Amodei 等科技巨头,宣布美国政府不再称"人工智能"而改称"超级智能",并签署"前沿责任联合承诺"。该承诺被指"完全不具法律约束力",特朗普称其"道德上有约束力",协议文本还把 United States 拼错。与会者认为这场会议实质是一次围绕 AI 的品牌重塑。
OpenAI CEO Sam Altman 在 Politico 的 Decoded 播客中表示,AI 带来的好处将“多出好几个数量级”,因此世界应接受黑客攻击、诈骗等“一些坏事”发生。
残障作家 Angie Dixon 在 Hacker News 撰文指出,文化对"独立"的定义——凡事自己做、不显露出被帮助——几乎无人能真正满足,因为自给自足者同样依赖电力、道路、算法与他人劳动。她认为独立与自主不同,自主意味着对生活拥有实质控制权,而辅助工具与照护恰恰让这种自主成为可能;能力并非存在于个体身体之内,而是由周围世界创造。
加州民主党参议员 Adam Schiff 在 Decoder 播客中批评特朗普政府召集 AI CEO 签署不具约束力的 AI 安全承诺,认为这无法应对最高级别的国家安全风险。他支持设立新的 AI 监管机构,并提到 Anthropic 因拒绝将 AI 用于国内大规模监控和全自主武器系统而遭政府打压。
独立开发者应放弃通用型SaaS红海,转向"无聊"但刚需的工具型产品、创作者经济周边工具、AI驱动的垂直SaaS等方向。一位开发者靠精细化运营在饱和细分市场把MRR做到2.1万美元,验证了垂直深耕的可行性。筛选标准包括用户是否已为类似问题付费、行业是否有稳定预算、竞品是否只做了70%功能。
企业 AI 的焦点已从预测模型能否超越统计预测转向让预测系统自主决策而不偏离业务意图。深度学习与生成式 AI 驱动的智能分析支持实时训练,使 AI 持续演进而非等待季度刷新,其数据来源也从规整数值记录扩展到非结构化交互数据。Everest Group 合伙人 Vishal Gupta 称,"analytics"一词正让位于 AI。
产品设计师 Mete 撰文复盘 Meta 个人 AI 助手 Muse 登顶美国 App Store 的原因,认为其核心能力在 Codex、Claude Code 等产品中已存在一年以上,Muse 的差异在于把工具选择折叠进单一聊天界面。
当工厂里机器人从几十台增至几百台,生产能力并不会自动翻倍,核心问题从"单台机器人能做什么"变成"如何把分散能力组织成整体"。文章提出AI负责理解与判断、系统负责组织与调度、机器人负责落地执行,三者连接才构成完整的机器生产能力,系统让机器人围绕同一生产目标形成可运行的整体。
神经科学家 Paul Cisek 提出,大脑并非图灵机式的信息处理器,而是随进化层层叠加的反馈控制系统,从鱼类到人类不断把控制延伸到外部世界。作者 Benjamin Riley 据此认为,AI 更像认知层面的垃圾食品,迎合当下却侵蚀人类数千年演化出的认知系统。
调查显示美国成年人中认为 AI 会带来负面影响的比例已超过正面预期,71% 反对在本地新建 AI 数据中心,但 ChatGPT 在 5 月月活用户突破 10 亿,Gemini 7 月达 9.5 亿,半数美国成年人已在用聊天机器人。作者认为,人们反感的并非技术本身,而是科技公司无孔不入的推销方式。
Simon Willison 呼吁按量付费的 API 和服务默认设置硬性预算上限,即达到每月 $X 后直接切断并返回错误,而非仅发警告邮件。他指出 AWS 已在 9 月 16 日推出月度支出限额功能,项目用量触顶后当月暂停,目前仅向有限客户开放;Google Cloud 则在 7 月推出 Spend Caps。
TypeSafe 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中回应 Jev 估值 100 亿美元,并称其日处理量已突破一万亿 token。
MIT Technology Review 报告指出,企业 AI 正从工具转向"智能体式转变"(agentic shift)的运营模式,2026 年全球 AI 投资预计达 2.5 万亿美元,同比增长 44%。报告认为企业 AI 的规模化问题是结构性的,领先企业把流程重设计放在模型选型之前,并以数据就绪而非数据规模取胜。报告建议重建数据基础设施、用可组合架构替代固定技术栈,并解决 AI 主权问题。
前 DeepMind AlphaGo 核心成员 Thore Graepel 撰文指出,当前 LLM 的链式推理仍由同一套下一 token 预测过程生成,不构成真正独立的推理机制。
MIT 研究者 Alex Zhang 在 Latent Space 播客中介绍了其 Recursive Language Models(RLM)等工作,基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案,早于 OpenAI 的 Astra。