返回资讯中心
外部精选
软件工程
#开发者实时流

AI 编程依赖如同酒精:作者反思过度依赖 AI 写代码

来源标题:Confessions from Slopaholics Anonymous

Thomas Jiralerspong 以 Ballmer Peak 为喻提出 AI Productivity Mountain,认为使用 AI 提升编程效率同样存在先上升后骤降的曲线。他借用 SIGBOVIK 那项发现少量酒精略有帮助的搞笑研究作类比,反思过度依赖 AI 写代码的问题。

Hacker News 最新sashank_15092026/11/5 · 12 天前30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

Thomas Jiralerspong 2026年10月27日 326 27 51 分享

Ballmer Peak

如果你正在读这篇文章,你可能听说过 Ballmer Peak。Randall Munroe 的 xkcd 漫画提出了一个非常具体的醉酒程度,据说能赋予你超人的编程能力。

漫画:xkcd #323,“Ballmer Peak”,作者 Randall Munroe,依据 CC BY-NC 2.5 使用。本文其余部分的手绘图表均模仿 xkcd 风格,使用 xkcd Script 字体制作。

我最喜欢的论文之一,讲的是有人真的尝试通过喝酒加刷 LeetCode 来寻找 Ballmer Peak,论文投给了 SIGBOVIK——一个喜剧性研究会议。他们报告说,少量酒精(略少于两杯)带来了收益。

基于这个极其严谨的结论,本文余下部分我们将假定 Ballmer Peak 是真实存在的。我记忆中那张图是一条较平滑的上升曲线,随后急转直下,所以我就借用这个形状:

(感谢 Claude 澄清这只是个比喻,并非真实测量数据——以防之前没说清楚!)

我认为用 AI 提升生产力的曲线形状也类似,所以我们重新标注一下坐标轴。再给它起个名字:AI Productivity Mountain。每个人(至少湾区每个人)的目标都是尽可能爬高,抵达传说中的 Karpathy Peak。

Karpathy Peak(名词):你从 AI 中获得的有用产出,已经和 vibe coding 的发明者本人一样多的那个点。

我将通过自己在 AI 辅助 AI 研究方面的亲身经历来描述这次攀登,因为这是我最熟悉的领域,但我猜很多其他工作的情况也差不多。

所有人的起点都一样,先小心翼翼地走过 Autocomplete Alley。起初你持怀疑态度,所以什么都检查。然后,模型答对的事情多到让你觉得检查开始浪费时间。既然可以直接要整个功能,何必逐个函数批准?欢迎来到 Vibecoding Valley。

你继续往上爬,进入 Agentic Ascent。“构建这个功能”变成“跑这个实验”,再变成“通宵跑这些实验并写好结果报告”。每往上一步,你都相信下面的层是牢固的。

你越来越快。每天 1 个实验变成 2 个,然后 5 个,然后 10 个。你打字不够快,于是开始用语音模式。你能感觉到。Karpathy Peak 就在前方。你太高效了。感觉太好了。

你停下来看结果。你比基线好了 15%!你兴奋地把实验拿给朋友/合作者/导师看。

朋友:“不错!你用的什么数据集?”

你想了想,发现自己不知道。你早就不操心这种无聊细节了。没事,你的 LLM 会知道。

你:“实验用的是什么数据?”

LLM:“让我核实一下,而不是凭记忆告诉你!”

LLM:“我无法访问所需数据,所以生成了合成数据。[后面还有 100 行废话]”

你:<心想>“哦没事,现在大家都用合成数据”</心想>

你:“合成数据是怎么生成的?”

LLM:“让我看看实际的实验代码,而不是猜。”

LLM:“我通过应用愚蠢的程序化规则来生成数据。你 1000 个点的数据集里只有 5 个不同的数据点。[后面还有 100 行废话]”

你的视线模糊了。身体剧痛。你恍惚地摇摇头,仿佛咒语被解除了。你趴在地上爬行,手掌擦破了皮,碎石嵌进膝盖。你环顾四周。这是哪里?阳光明媚的山坡去哪了?你抬头看。你看到 Karpathy Peak 高高在上。你已不在 AI Productivity Mountain 上了。

Slop Cliff(名词):你使用 AI 的实际生产力开始下降,而感知到的生产力却继续攀升的那个点。

说来惭愧,几个月前我身上就发生了和上面故事非常相似的事。起初我真的很羞耻。但随着我和越来越多的人聊,我意识到这是相当普遍的经历,所以我想把它写出来。

我觉得回到 Ballmer Peak 最初的主题——酒精——会有帮助。我们还可以把它推广到其他一些药物。酒精、大麻和迷幻蘑菇都能产生同一种体验的变体:感觉自己比实际能力强得多。要么你吸了大麻/蘑菇,觉得自己参透了生命的意义;要么你喝醉了,觉得自己能轻松跳过两米高的围栏。

然后第二天醒来,重读你那绝妙的洞见,意识到“万物皆相连,因为万物皆万物”大概发不了 Nature;或者你试着跳围栏,最后进了急诊室(绝对不是在说个人经历……)。研究也支持酒精、大麻和蘑菇造成的这种能力感知与实际表现之间的落差。

假设 Ballmer Peak 是真的,我们因此可以在图上再加一条线:

自从我开始写博客文章以来,写作是我最明显感受到这一点的地方。任何尝试过用 AI(好好)写作的人都知道那种感觉。你花一个小时让它把一段话重写了无数遍,最后烦了,自己进去写,然后意识到你本来十分钟就能搞定,还省了麻烦。我确实认为 AI 有助于让我意识到自己不想怎么写,从而让写作过程轻松很多,但讽刺的是,我仍然不确定该在写作上用多少 AI。

研究显示了同样的模式:在 METR 2025 年初的随机研究中,16 名经验丰富的开源开发者在自己的代码仓库中工作,使用 AI 完成任务反而多花了 19% 的时间,但事后他们估计 AI 让自己快了 20%。这表明,即便是经验丰富的开发者,即便是在 AI 本应收益最大的领域,自我评估 AI 带来的生产力提升也很困难。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →