数据：
– 出版日期：2025-07-02 15:12:14
– 主要观点：长期依赖大型语言模型（LLM）可能导致工程师批判性思维的退化，并强调重新思考技术的重要性。
线索：
过度依赖LLM可能带来的风险包括输出和输入的错误、质量下降，以及工程师能力的逐渐萎缩。这些风险可能会影响软件开发的整体质量，进而对企业的长期发展产生负面影响。此外，企业如果不重视工程师的核心能力和创造力，可能会在激烈的竞争中处于不利地位，面临技术债务和市场失去竞争力的风险。
正文：
自从2022年底AI浪潮开始席卷公众认知以来，相关讨论层出不穷。作为一名工作了二十年的软件工程师，我观察到两种危险的认知。其中一种是将大型语言模型（LLM）视为可靠的合作伙伴。这种观点意味着，LLM能为用户带来巨大的效益。然而，当工程师把LLM当作盟友时，往往会优先考虑生产速度，忽视思考的深度。尽管LLM可以快速生成代码，但这也会引发多种风险。
首先是输出风险。LLM可能会生成无法编译的错误代码，或看似正确但实际上存在逻辑漏洞的代码。如果使用者缺乏判断能力，例如项目经理未经检验地使用LLM生成的源代码，潜在风险将大幅增加。其次是输入风险。LLM不会质疑指令的合理性，可能导致错误的代码生成。工程师请求“用C#实现线程安全的列表”时，LLM生成的代码看似完美，但实际上却无法有效解决问题。再者，长远的效率风险表明，AI可能以惊人的速度降低代码质量，这类代码在表面上可能光鲜，但内部却承载着巨大的问题。最后，当个人或组织过于依赖LLM，可能会导致人才能力的衰退。
在这种情况下，资深工程师失去了在解决问题中成长的机会，现有能力逐渐萎缩。同时，初级工程师也难以建立核心能力，进而无法培养下一代的开发者。
针对另一个问题“我会变成多余吗”，答案是不会，关键在于如何在LLM时代提升自己的不可替代性。LLM无法代替程序理论和程序熵这两项编程核心能力。程序理论强调程序员的洞察力与理论构建，而程序熵则指管理复杂性的重要性。编程是一种熵减过程，而维护则是熵增过程，任何修改都会让复杂性上升，但恰当的设计能够延缓这一过程。
结尾时提醒我们，虽然AI的使用在增加，但它不应当成为我们思维的拐杖，而是我们工具箱中的一部分。继续深耕在2019年就被重视的核心工程能力，将会是我们的真正资产。
发布时间：
2025-07-02 15:12:14
评论 ( 0 )