我发现我同意这篇文章的很多观点。我非常支持AI辅助开发，但我从未觉得那些10倍效率的说法有说服力。我估计LLM让我在将代码输入计算机的这部分工作上效率提高了2-5倍，而这部分工作本身只是我作为软件工程师工作的一小部分。这与这篇文章的假设相差不远。文章中提到：> 我不会对AI帮助许多工程师以20-50%的速度完成某些任务感到惊讶，但软件瓶颈的性质意味着这并不会转化为20%的效率提升，更不用说10倍的提升了。我认为这有点低估了——我怀疑那些真正掌握这些工具的工程师会获得超过0.2倍的提升——但我确实认为构建软件所涉及的其他因素使得在大多数情况下10倍效率是不现实的。
源讨论帮助我摆脱AI 10倍工程师虚假优越感的事情原帖 649 条评论 · 导入时统计把你的经验，加入这段讨论。
这（我想）是引用了10倍工程师，对于这个另一个我始终非常怀疑的神话（https://www.simplethread.com/the-10x-programmer-myth/ ）。
完整原文谢谢你的评论，西蒙！这真的是我读过的第一个让我感觉有人真的读了这篇文章的评论。我完全接受这个观点，即一些人，尤其是那些在LLM擅长的语言/工具上工作的人，确实在其工作的某些部分获得了2倍的提升。
完整原文是的。我只是需要太多时间来照看它。比如Copilot，它会给出很好的建议，有时会给我一段代码，正好是我会输入的。但主动让它来编写代码（至少使用gpt4.1或gpt4o）对我来说效果不够好。一半的时间它甚至无法编译，即使修复了，代码也并不真正能正常运行。我原本期望它能像一个初级程序员那样工作，但它更像是一个喝醉了的资深程序员，完全不听你的指令。
完整原文我使用AI最大的体会是： （1）对于我的日常工作来说，它并没有让我在创造方面变得超级高效，但它在发现、学习、帮助我摆脱困境以及编写繁琐代码方面很有帮助。 （2）然而，最大的突破是它让副业项目的工作变得__极其__容易。以前没有AI的时候，我总是太累，无法花太多时间在副业项目上。现在，我可以轻松地看到我的想法实现（尽管代码质量可能较差），而且需要的脑力也少很多。我还能在没有截止日期、数据隐私、工具限制等约束的情况下提升我的AI工程技能。
完整原文我对GenAI的体验是，它比Stack Overflow有了显著的改进，总体能力相当于一个刚毕业的大学生。 如果我用它来回忆某个我曾经知道如何操作的语法或库，它非常棒。 如果我用它来探索我之前没做过的事情，它让我更快，但有时它会欺骗我。这在Stack Overflow上也是一样的。 但当我让它独立完成一些相当复杂的事情时，它通常会失败。我尝试过很多测试，用了很多模型，但它们从未真正正确。有时是小问题，如果我不断尝试，我可以修复；有时则是一团糟，我最终只能把它扔掉。 比如，我曾让它为我编写一个基于网络的计算器，或者用WebGL创建一个太阳系的3D模型，但所有尝试的模型都无法完成这些任务。
完整原文我认为2-5倍的提升说法非常值得怀疑。这意味着如果一个团队使用AI，那么在其他条件相同的情况下，他们一个季度能完成2-5倍的工作量。但就我而言，我并没有看到这种情况，而且我团队里的大多数人也在使用AI。 [对于那些说我们用错了的人……好吧，我无法反驳一个无法被证伪的观点]
完整原文我一直想知道的是：如果编码部分对你的生产力提升了2-5倍，但编码之外的事情没有变化...总有一天，这些事情也必须改变，对吧？如果相对于其他任务，编码变得更容易了，那么很多实践的成本/收益比（这篇文章讨论了代码审查，这是一个很大的方面）会发生很大变化。
完整原文我发现当我尝试快速验证一个想法时，会有一段短时间内10倍的生产力 - 关于框架和其他方面的研究就消失了。当然，这通常会紧接着为一个看似很小的改动挣扎一两个小时。看起来10倍的数字只是工程师们低估任务的典型表现 - 基于峰值生产力做出的估计从未实现过。 我发现这对我自己来说很有激励作用，仅凭这一点就能带来净生产力的提升。即使它会产生一些不好的想法，也能让我摆脱困境，让我更倾向于采取行动。它还能让我避免拖延那些令人讨厌的旧代码库。
完整原文尊重不同观点，分享具体经验。
登录后即可发帖、评论、转发和引用。