/ Pydantic AI 又一篇关于大语言模型的思考文章。我知道，请耐心看完。这是一个试图描述我认为大多数开发人员现在正在经历但尚未有时间理清的事情。与大语言模型一起编程确实有用，同时也确实不稳定。这两者共存。如果我们假装第二种情况没有发生，我们都会感到倦怠。在 Pydantic，我们构建工具，帮助开发人员验证数据、创建 AI 代理，并观察他们的系统在生产环境中的表现。我们从字面上看是在打造更可靠的大语言模型软件的业务。但我们也度过了一个奇怪的时期。这不是一篇探讨 AI 是否会取代程序员的思考文章。这不是一篇绝望的文章，也不是一篇炒作的文章。这是一份诚实的记录，讲述了作为开发人员的我现在的感受，以及一些可能的应对思路。 手握宇宙的纤维 当我在二十出头时初学编程时，我记得有一种独特的感觉，编程让我可以将手伸入宇宙的纤维中，按照我的意愿塑造它。当然，这种感觉是在我遇到太多编译错误之前产生的。但那种接触某种深层次抽象的感觉，让我能够从纯粹的逻辑中创造事物，这种感觉一直伴随着我。我并不是计算机科学的毕业生。我是一名设计师和程序员——在前者上受过正式训练，后者则是自学成才。我通过痛苦的经验而非学术指导来领悟软件工程的形式化。如果说有什么不同，那就是一旦我理解了这些原则，我会更认真地对待它们。当你是通过艰苦的方式获得对架构和代码质量的看法时，它们听起来就不再像教科书上的规则，而更像是伤痕。那种原始的创造感觉？这是 2010 年代低代码和无代码工具一直承诺但从未兑现的承诺。我足够年长，记得用 Dreamweaver 构建网页，看到 Adobe 宣传生成绝对乱七八糟代码的零编码设计工具。它总是快要实现，只差一点点，足够好，暗示着一个即将到来的未来（如果你足够聪明去理解的话）。如果你对当前一波 AI 工具持怀疑态度，我理解。我们之前也被承诺过这一点。但这一次，承诺与现实之间的鸿沟实际上终于缩小到了一个有意义的程度。这正是使人感到不安的原因。“代码自动生成”实际上是什么感觉 是的，代码（某种程度上）会自己生成，但人类审查、指导和纠正的感觉反而变得更糟，而不是更好。我最近和我的同事 Douwe 进行了一次对话，他维护着 Pydantic AI 框架，也是我认识的在将大语言模型融入开源工作流程方面最具深思的人之一。他描述了每个早晨醒来时，都会看到三十个 PR，其中每一个都是某人的 AI 在夜间拉取的，并且需要对每一个都做出快速判断。将审核本身委托给 AI 的诱惑是巨大的。但正如他所说：“到那时，我还在这里做什么？” 诚实的真相是，在过去的几个月里，有几天我几乎花了两整天的时间编写一个大语言模型执行的计划：痴迷地澄清、规范、重新规范，结果仍然让人无可奈何地犯下莫名的错误。将一个 React hook 移植到一个 Storybook 文件中。从错误的计划中读取。发明不存在的组件。这些不是能力的错误，而是连贯性的错误。这些模型足够智能，能够产生合理的代码，但并不总是能在复杂更改中保持一致的意图。这产生了一种特殊的新疲劳，监督的疲劳：在机器生成大量大多数正确的输出时，保持意图在脑海中，但这些输出仍需要你的眼光、判断和品位。Douwe 表达得很好：他曾经从与实际的人合作开发一个很酷的开源功能中获得多巴胺的刺激，帮助某人成为更好的工匠。现在他说：“我写的每一行都消失在某个 AI 黑洞中。另一边没有人在学习任何东西。” 这种损失是实际存在的，值得被提及。 强度陷阱 Simon Willison 最近强调了一项伯克利哈斯的研究，该研究描述了 AI 使用如何增加工作强度。“在一天结束时再来一个提示，再增加一个可能使其完美的功能”的不断拉扯。我发觉这种感觉在骨子里。我最近熬夜到快凌晨 2 点，因为我快要把计划弄对了。或者说，我以为是。我的 Pydantic 同事 Marcelo 在被问到关于 Claude Code 会话冻结的问题时说：“只需打开 5 个 Claude 会话。你永远不会注意到，因为你正忙于给其他人反馈。”他是在开玩笑。我想。但是它确实捕捉到了这一时刻的真实感受。并行性令人振奋，