发生了什么

9月18日，Haskell（编程语言）社区的论坛上，用户turion发表了一篇文章，题目是《在大语言模型的世界里，怎样继续享受编程》。原文不是实验报告，而是一位开发者的个人看法。文章想回答一个问题：使用人工智能以后，人还能不能继续喜欢写程序，并且真正看懂自己做出的东西？

作者认为，大语言模型（LLM）可以很快写出代码，但大量自动生成的代码可能很难读懂。人如果不再亲手写代码，也会少一些练习。等到代码出了问题，自己可能不知道应该从哪里查起。因此，作者提出一种分工：重要代码由人来写，人工智能负责做计划、整理笔记、记录查找结果，以及处理容易检查的重复小事。

这篇文章后来被提交到Hacker News（技术新闻讨论网站），获得66分和103条评论。对应的讨论页说明它受到了社区关注。这个数字只表示有多少人注意到它，不表示文章一定正确。

背景

文章讨论的不是要不要彻底不用人工智能，而是人工智能应该放在工作中的什么位置。作者喜欢写Haskell，也担心如果把写代码的主要过程交给工具，自己会逐渐失去对程序的掌握。他建议人工智能帮助处理程序周围的工作，而不是取代人的主要思考和书写。

比如，人工智能可以把一大段讨论整理成任务清单，也可以记录调查结果。但作者提醒，不能把它找到的内容直接当成事实。人应该同时自己查找，并且理解重要决定为什么这样做。对复杂设计，作者更倾向于让人先想清楚，再让工具完成低风险的部分。

为什么重要

通常，人们把人工智能写代码看成速度问题。作者把问题换了一个角度：软件不只是最后能不能运行，还关系到谁理解它，谁能修改它，谁对结果负责。

作者还建议设置自动检查流程。人工智能写出的代码和计划，应该先经过另一个检查步骤，再交给人接受。这样做不能保证没有错误，但能让明显的问题更早出现。作者也建议把任务清单和有用资料保存在人工智能工具之外。这样，即使工具达到使用上限或暂时不能用，人仍然有事情可以继续做。

已确认的内容

原文明确提出了几条做法：继续亲手写重要代码；把计划、整理和低风险的小改动交给人工智能；调查时自己同步核对；不要让人工智能独自决定关键问题；在使用生成结果前加入检查。

作者说，这种方式让自己的工作效率提高了，可能快了大约一倍。但这只是个人估计，不是独立测量，也没有和另一种工作方式进行公平比较。文章能证明的是作者这样主张，并且认为自己从中受益，不能证明这种方法对所有人都有效。

还不知道什么

我们不知道这种分工是否适合其他编程语言、公司和团队。文章没有给出错误数量、完成时间或长期维护结果，也没有测量自动检查到底能减少多少问题。不同的人喜欢写代码的部分不同，能交给人工智能的工作也可能不同。

文章还没有回答一个实际问题：重要代码应该由人写到什么程度？如果一项工作既不危险，又很容易检查，人工智能可以帮多少？这需要每个团队根据自己的程序和责任来决定。

接下来要看什么

以后观察人工智能编程时，不能只看它写了多少行代码。更重要的是，人能不能解释这些代码，能不能测试它，出了问题能不能自己修好。团队也需要考虑人工智能暂时不能使用时如何继续工作，以及重要的设计决定和责任是否仍然清楚地留在人手中。

这篇个人文章的价值，不在于给出唯一答案，而在于提醒人们：人工智能可以减少讨厌的重复工作，但保留一部分亲手编程，可能有助于保留理解、练习和乐趣。