🔥 HN 热议

有用却让人不舒服:Martin Fowler为什么不喜欢LLM

约2分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
Martin Fowler

软件开发领域的作者。

LLM

根据大量文字生成新文字的人工智能。

Hacker News

讨论技术新闻的网站。

发生了什么

Martin Fowler(软件开发领域的作者)在2026年9月17日发表了一篇短文。标题可以译为“我不喜欢LLM”。LLM(大语言模型)是一种根据大量文字生成新文字的人工智能。Fowler并没有完全否定这项技术。他对更快地完成工作、快速制作产品感到兴奋。同时,他也担心人工智能可能带来严重伤害。

背景:有用,却令人不适

Fowler说,自己最强烈的感受来自直接使用LLM。他觉得LLM的说话方式生硬,像人却又不像人。它有时能给出有帮助的答案,有时也会用同样肯定的语气编造内容。被指出错误后,它的道歉还可能像表面上的动作,而不是真正理解了问题。

他也同时看到了未来人工智能的危险和希望。他担心许多AI代理一起行动,接管网络世界或现实中的基础设施。他还提到,人工智能可能被用于设计生物武器。另一方面,他也想象人工智能可能帮助找到重要的新疗法,推动社会变得更富裕。这些是他的担忧和期待,并不是他报告的已经发生的事件。

为什么重要

这篇文章把“有用”和“值得信任”分开了。一个工具可以节省时间,却仍然让人不敢依赖。它也可以像人一样说话,却不一定拥有人的理解能力。因此,Fowler提醒人们,不要把AI代理当成有意识、有愿望的人。

在他的描述中,AI代理是企业制造的软件机器。它们的每一个动作不一定都由人逐行写好,但创造者的价值观可能影响它们的行为。这样一来,讨论人工智能时,重要的不只是速度和效率,也包括谁在设计它、设计者重视什么,以及系统是否会把自己的限制说清楚。

Fowler的个人反感也提出了更大的问题:人工智能是否应该尽量像人一样说话?如果它说得很顺,却经常把猜测说成事实,人的信任会受到什么影响?这不是一个单纯的性能排名问题,而是人与工具如何相处的问题。

可以确认的内容

原文是一篇个人观点文章,不是测试所有LLM的实验,也不是用户调查。可以确认的是,Fowler承认人工智能有生产力方面的好处,认为社会很难完全避开它,但他仍然不喜欢与LLM交流的体验。他也说,未来的系统如果成熟,自己的看法可能会改变。

这篇文章还在Hacker News(技术新闻讨论网站)上受到关注,页面显示有208 points和247 comments。这些数字表示社区关注度,不证明文章中的判断正确。原文内容和Hacker News的反应必须分开看。

仍然不知道什么

这篇文章没有说明哪一种模型最糟,也没有测试其他用户是否有同样的感受。它不能证明所有LLM都有相同的说话方式。未来的系统是否会更少套话、更诚实地说明不确定性,也还没有答案。关于企业价值观的担忧,是一种警告,不是测量结果。

接下来观察什么

接下来可以观察几个实际问题。模型会不会清楚区分猜测和确认过的信息?答错后,它能不能解释自己哪里不确定?公司会不会说明AI代理被加入了什么价值取向?如果人工智能不仅更强,也更清楚地展示自己的边界,人们才可能更容易信任它。

来源:原文、Hacker News讨论页

💬 有用的杠杆,也是不确定性的来源

HN评论者一方面认为LLM能放大工作效率、会长期存在;另一方面担心它的语气、自信幻觉、可能的记忆,以及核查答案所需的人力。

  • 一些评论者认为,LLM虽然不完美,但智能体能提供很大的工作杠杆,因此它们会继续存在。[讨论中的原文](https://martinfowler.com/articles/2026-dont-like-llms.html)提供了更大的背景。
  • 有用户自述,LLM的语气像真人却又不自然;它会用同样自信的口吻给出有用答案和编造内容。
  • 一名用户自述,夸奖或斥责Claude后得到的结果不同;斥责还让它更频繁地请求确认和许可,并增加了token消耗。
  • 另一名用户自述,清空会话后仍感觉有部分先前状态留下,于是推测可能存在自动记忆,或按项目、用户进行的定制。
  • 反方认为可以通过提示词改变语气,并依靠自己的知识判断来核实答案;也有人反驳说,某些产品的简洁模式并不只是普通的语气提示。
  • 一些用户自述,搜索和网页内容被SEO与广告严重污染,LLM已经成为获取信息的实际入口。
  • 其他人建议依靠可信的博客、社区、同事、图书馆,或自己维护的搜索系统,减少对单一模型的依赖。
  • 还有用户自述,长期为工作中的错误LLM答案做专业纠正已经令人疲惫,说明便利背后有真实的核查成本。

这是评论数为247时的初期(修订1)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

为什么有用的AI也会让人不舒服?

📰 完整报道: 有用却让人不舒服:Martin Fowler为什么不喜欢LLM

AI可以节省时间,但说话方式可能让人难以信任。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
Martin Fowler

写软件开发文章的作者。

LLM

会生成文字的人工智能。

Hacker News

讨论技术新闻的网站。

💡 一句话总结

  • Martin Fowler是软件开发作者。他承认LLM有用。
  • LLM会生成文字,也可能自信地说错话。
  • Hacker News有208 points和247 comments。这只代表关注度。

Martin Fowler在2026年9月17日发表了一篇短文。LLM是根据大量文字生成新文字的人工智能。Fowler认为,AI可以让工作更快,也能帮助人们快速做出新产品。

但是,他不喜欢和LLM聊天。因为LLM有时会给出正确答案,有时也会编造内容。它在两种情况下都可能说得很肯定。被指出错误后,它的道歉也可能只像一种固定反应。

Fowler没有说应该完全停止使用AI。他认为社会会继续使用AI,因为它确实有用。他还想到,未来的人工智能也许能帮助找到新的治病方法。

他同时提醒人们,不要把AI代理当成人。AI代理是可以完成多项任务的软件。公司制造这些软件。软件的行为虽然不一定逐行写好,却可能受到创造者想法的影响。

这篇文章的重要之处,是提醒我们区分“有用”和“值得信任”。一个工具能节省时间,却不代表它总是可靠。它听起来像人,也不代表它真的理解人类。

原文主要是Fowler自己的体验和看法,不是对所有LLM的测试。未来的AI会不会更诚实地表达不确定性,目前还不知道。

Hacker News上的208 points和247 comments说明文章受到关注。它们不能证明文章一定正确。接下来要观察的是,AI能否说明自己的错误和边界。

💬 LLM很有用,但答案要自己检查

评论里既有人说LLM能提高效率,也有人担心它会自信地说错话,甚至留下看不见的上下文。

  • LLM不完美,但能帮助人做更多工作,很多人认为它不会消失。
  • 用户自述,LLM可能用不自然的语气说话,也可能把错误答案说得和正确答案一样肯定。
  • 用户自述,夸它或批评它后结果会变化;也有人觉得清空会话后,之前的状态仍可能留下。
  • 另一种看法是,可以用提示词调整说话方式,并认真检查答案;但有人认为某些产品功能不只是改语气这么简单。
  • 由于搜索结果充满广告和SEO内容,有人用LLM找信息;也有人更信任博客、社区、图书馆和熟人。
  • LLM带来方便,但使用者可能要花更多时间检查和修正错误。

这是评论数为247时的初期(修订1)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

会帮忙的电脑,为什么让人不舒服?

📰 完整报道: 有用却让人不舒服:Martin Fowler为什么不喜欢LLM

AI可以帮Martin Fowler做事,但他不喜欢和AI说话。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
Martin Fowler

写软件故事的人。

LLM

会写句子的电脑程序。

Hacker News

谈技术的网站。

Martin Fowler是写软件故事的人。

他写了一篇关于LLM的文章。 LLM是会写句子的电脑程序。 它看过很多文字。

AI可以帮Martin做事。 但是,AI有时会说错话。 它说错时,也可能很肯定。 这会让人担心。

AI被指出错误后会道歉。 可是,我们不知道它是不是真的明白。 Martin说,AI是人做的电脑工具。 AI不是一个人。

Martin也认为AI可能带来好处。 它也许能帮人找到新的治病方法。 所以,他没有说要把AI全都丢掉。

Hacker News是谈技术的网站。 这篇文章有208 points和247 comments。 这些数字只表示很多人注意到它。 它们不代表文章一定是真的。

以后要看什么呢? 要看AI会不会说自己不知道。 还要看它能不能解释错误。

💬 LLM能帮忙,但要检查答案

大家说,LLM像一个有用的小帮手,但它也会很自信地说错话。

  • LLM可以帮人做事,而且可能会一直被使用。
  • 它有时答对,有时会编一个答案。
  • 有些人能改变它的说话方式,有些人担心它记住太多东西。
  • 所以重要的事情要再问人、看书,或查可信的网站。

这是评论数为247时的初期(修订1)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。

来源