批评有理，但我仍用LLM

背景

本文源自 Hacker News 上的一篇热门文章，作者是一位参加柏林 Local-First Conf 的软件工程师。文章标题直指一个普遍存在的矛盾心态：许多 LLM 批评者的观点完全正确，但作者本人依然大量使用 LLM。这种认知失调并非个例，在会议现场随处可见——人们一边用 Claude Code 写代码，一边为批评 LLM 的演讲热烈鼓掌。作者试图剖析这种矛盾，并分享自己的实践模式。

核心内容

作者承认 LLM 批评者的所有合理担忧

作者表示自己几乎同意所有关于 LLM 的批评，这让他的处境显得“分裂”。他列举了主要的批评点：

• LLM 产生大量劣质内容：开源项目面临大量低质量 PR 和 issue 的泛滥。例如，Flask 创建者、Sentry 早期成员 Armin Ronacher 创办的公司 Earendil（开发开源编码代理工具 Pi.dev）在演讲中透露，他们自动关闭了几乎所有来自 LLM 的 PR 和 issue，但仍鼓励人类提交 PR，因为“人类总是能脱颖而出”。这导致了一个悖论：建造 LLM 工具的人被自己的创造物淹没，不得不自动关闭一切。Pi.dev 的宗旨页面上写着：“在一个冲向 AI 的世界里，我们相信人类是最好的代理。”——这同样是矛盾。

• 信任基础被破坏：在 LLM 出现之前，创建一个规范的 PR 至少需要花费一定的人类时间，这能过滤掉 troll 和低质量提交。但现在任何人都可以注册 GitHub 账户并让 LLM 随意生成 PR，维护者无法判断提交者是否真的花了时间。Zig 和 Gentoo 等项目已经拒绝接受 LLM 生成的 PR，但作者认为这不是解决方案，因为很难区分。

• 对初级工程师的影响：a) 高级工程师无法再信任初级工程师代码背后的努力（是 10 分钟“vibe coding”出来的，还是真的花了几个小时但缺乏经验）；b) 高级工程师不再有动力去教初级工程师，因为那些杂务任务现在完全可以外包给 LLM，那为什么还要雇佣初级工程师？

• 地缘政治风险：如果美国或中国突然切断对这些技术的访问怎么办？几周前美国政府就展示了切断非美国公民访问 Anthropic 最新前沿模型的能力。Martin Kleppmann 在演讲中说道：“欧洲和美国之间发生冲突的概率仍然很低，但去年是零。”

• 模型默默灌输偏见：LLM 会潜移默化地引入训练材料中的主流观点，甚至模型创建者的政治倾向。就像两个人聊天会逐渐融合观点一样，LLM 是对话中一个非人类参与者，可能在不经意间塑造用户的想法。

尽管有这些批评，作者仍坚持使用 LLM 的原因

作者认为 LLM 已经无法完全消失，与其逆流而上，不如顺流而行并加以控制和塑造。

• 本地模型的重要性：确保模型可以在自己的笔记本电脑上运行。它们正在变得更好，让程序员独立于大公司。当补贴结束、价格上涨时，开源权重模型可以制约大型供应商。本地运行的模型不会被任何政府一夜切断。当泡沫破裂时，全球经济将遭受巨大损失，很多公司会倒下，但开源权重模型不会消失，程序员可以退回到它们。

• 实用场景：作者提到在会议中，许多演讲者随口提到“我们用 Claude Code 构建了这个”，甚至有人公开说“我把任务丢给了 Claude，它给出了一个不错的开头”。LLM 已经成为许多开发者的日常工具，即便他们同时承认其缺点。

作者总结的实践模式

作者希望通过给出具体例子，让其他人也能分享自己的经验，从而更好地理解这种矛盾。他暗示了在承认 LLM 缺陷的同时，自己仍在使用它的具体方式（例如：用 LLM 生成代码初稿，但进行人工审查；只在本地运行模型；避免在关键任务中依赖封闭模型等）。但原文未展开详细模式，仅提供了一个框架。

关键要点

• 作者几乎认同所有针对 LLM 的合理批评：版权问题、环境问题、伦理问题、泡沫风险、劣质内容泛滥、信任破坏、对初级工程师的负面影响、地缘政治切断风险、模型偏见等。
• 现实中的矛盾随处可见：连建造 LLM 工具的公司（如 Earendil）都被 LLM 生成的 PR 淹没，不得不自动关闭它们，同时却声称“人类是最好的代理”。
• 维护开源项目变得困难：LLM 大幅降低了提交 PR 的门槛，导致维护者无法区分真正投入时间的人类贡献与机器自动生成。
• 对初级工程师的培训体系面临瓦解：高级工程师无法信任初级代码背后的努力，且不再需要他们完成杂务，导致新人的成长路径被削弱。
• 地缘政治风险不容忽视：美国已展示切断非公民访问前沿模型的能力，全球依赖单一供应商的技术存在系统性风险。
• 尽管有这些担忧，作者仍认为 LLM 无法被消除，最佳策略是接受并加以控制：例如使用本地模型、开源权重模型来保持独立性和抗风险能力。
• 作者呼吁大家分享自己的经验，共同理解并适应这种“认知失调”的状态。

意义与影响

这篇文章生动地呈现了当前 AI 行业中一种普遍但未被充分讨论的认知失调：技术从业者一边清醒地意识到 LLM 带来的各种问题（劣质内容、信任危机、环境代价、对初级工程师的冲击、地缘政治风险等），一边却无法拒绝 LLM 在日常工作中的实用价值。这种矛盾并非个例，而是整个行业在面对新技术时的集体心理状态。

文章的意义在于：

1. 它打破了“非黑即白”的讨论框架，承认了双方的合理性，为更理性的对话提供了基础。
2. 它指出了开源生态面临的真实危机——LLM 生成的“垃圾”正在破坏维护者对贡献者的信任，而这是开源社区协作的基石。
3. 它强调了本地模型和开源权重模型作为对冲风险的重要性，为泡沫可能破裂后的技术韧性提供了思路。
4. 它提醒开发者关注 LLM 对人才梯队建设的长期影响，避免短期效率提升牺牲下一代工程师的培养。

从更宏观的角度看，这篇文章反映了技术社区在“拥抱 AI”与“反思 AI”之间的张力。它没有给出完美的解决方案，但通过诚实描述自身的矛盾体验，鼓励更多从业者加入讨论，共同寻找在承认弊端的前提下仍能有效利用 LLM 的实践模式。这种“带着问题使用”的态度，或许比盲目追捧或全盘否定更具建设性。