All the cool kids are doing it
9 months ago
- #productivity
- #LLMs
- #coding
- 作者对LLM工具投入时间不多，因其使用体验参差不齐且优先级不高
- 前客户大量使用LLM但未显著提升生产力或代码质量
- 作者的核心价值在于阅读消化代码、识别冗余工作及重构——这些正是LLM目前的短板
- 不担心短期失业风险，LLM生成的代码反而可能增加性能调优类工作
- LLM最佳实践迭代太快，当前掌握的技能可能迅速过时
- 作者偏好深入聚焦的问题领域且依赖隐性知识，难以委托给LLM或初级开发者
- 将LLM比作管理热情的新手程序员，这种模式令作者感到沮丧
- 研究瓶颈在于创作动机而非代码产出，LLM可能徒增挫败感却无实质帮助
- 成本问题突出——LLM使用越频繁开支越大，不像其他工具能摊薄成本
- LLM更新频繁且不稳定，长期投资风险较大
- 尝试用LLM辅助搜索研究，但核实其输出比验证人类成果更费时
- LLM代码审查服务偶能发现错误，但常在数据流分析上虚张声势或出错
- 潜在用途可能是通过生成似是而非的错误代码来进行模糊测试
- 机器转录虽有进步但仍需人工校正
- 对LLM编程持观望态度，等待工具改进或成为基础标配
- 讽刺的是，发现LLM解释汇编语法很实用——这类问题用搜索引擎反而难解决