
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。
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。