After months of coding with LLMs, I'm going back to using my brain
a year ago
- #AI-coding
- #software-development
- #LLM-limitations
- 作者最初使用LLMs（如Claude和Cursor）构建基于Go+Clickhouse的新SaaS基础设施，优先考虑速度而非代码整洁性。
- 经过数周开发后，AI生成的代码出现不一致性和错误，导致挫败和进度延误。
- 代码审查发现存在重复方法、命名不一致和缺乏结构性问题，类似于缺乏协调的初级开发者的工作成果。
- 作者转向更亲力亲为的方式，减少核心编码对AI的依赖，专注于手动规划和调试。
- 现在LLMs仅用于简单任务，如重命名参数或转换伪代码，而非编写完整代码库。
- 作者担忧过度依赖AI会削弱解决问题的能力，以及非程序员面对AI生成代码时的挑战。
- 尽管尝试了多种AI模型和工作流，作者发现其在处理复杂查询（如大数据集下的Clickhouse）时存在局限。
- 文章批评了AI工具炒作现象，指出其性能不稳定及可能被基准测试和网红"煤气灯效应"误导的风险。
- 作者主张平衡之道：将AI作为辅助工具，同时保持人类监督和批判性思维。