AI 写代码像煎牛排：看似简单实则难精
Almost no skill required to cook a steak
煎牛排看似只需把肉放进热锅翻面，但想要做出完美的 Medium-rare 却需要真功夫。如今用 AI 开发软件也是如此：我们疯狂构建 Agent、Prompt 和 Workflows，却往往只得到看似可用实则粗糙的代码。AI 更像是一台能执行菜谱的“牛排机”，它能快速重复操作，却无法理解你脑海中的完美画面，更无法定义什么是真正的质量。如果不想在满城都是“烧焦牛排”的餐厅里失望，唯一的出路就是亲自学习烹饪。只有当你真正理解了软件开发的本质，懂得如何判断 AI 的产出是“美味”还是“木炭”，才能驾驭工具而非被其误导。
AI 无法替你定义质量，无法决定哪些权衡是可接受的，也无法总在某个东西技术上正确但实质上完全错误时察觉出来。
HN 评论区
412- MostlyStable
我们以前每年会烤一次大块烤肉，我会插入温度计收集数据点，然后用 R 语言生成回归曲线并外推晚餐准备好的时间。这过程简直太有趣了，而且每顿饭都做得恰到好处。
- xtajv
我理解你的观点，但我觉得作者选了一个很糟糕的类比。即使是做出一块极佳的牛排，其实也没那么难。事实上，我会说，在家里做到顶级质量的牛排，属于最容易掌握的事情之一。这需要一些注意力和理解力吗？当然。但只要从优质肉排开始，备一个肉类温度计，再懂点反向煎烤（reverse searing）的技巧，就足以让你每次都能轻松可靠地做出近乎完美的牛排。
其实还有远比这更好的烹饪例子。
- asdfman123
我实在无法忍受作者用“我们”这种王者的口吻，代表所有软件工程师来承认低下的质量控制标准。
我怀疑这是一种试图通过脆弱的自我披露来切入敏感话题的做法，但我们需要严肃地承认问题确实存在。
“漏洞”并不比当年困扰航空业的引擎“小妖精”（gremlins）更可爱、更模糊、更有趣或更无害。
我不知道航空业经历了多少起事故才让人们开始认真对待这个问题，但软件行业早就该迎来类似的清算了。
- igiveup
天哪，我还以为这篇文章要教我怎么做牛排，结果是在谈 AI。
- Havoc
这类文章应该加个警告标签：随机路人关于 LLM 的胡思乱想。最近每当我以为找到了一篇有趣的文章，结果都是这种货色。
- fnoef
>我们想要什么？
>我们要完美的牛排。
这个前提似乎不对。软件工程师或许出于职业自豪感渴望做出“完美牛排”，但市场需求的是大规模生产的牛排，需要在时间、成本等其他因素之间进行权衡。
GitHub 上之所以没有满是像 NASA 登月舱那样“绝不能崩溃”的代码，是有原因的……
- dom96
我没忍住去搜了一下有没有能烤出完美牛排的 AI 烤架。
- zippyman55
我希望并相信，一些优秀的公司和团队会利用 LLM 构建更高质量的软件。
我们开发 Electron 是因为用原生桌面框架编写 UI 太难了。现在这依然很难吗？毫无疑问，LLM 会让它变得更容易使用，最终我们将获得速度更快、原生感更强的应用程序。
如果有几个关于如何提升功能体验的想法呢？现在你可以快速制作多个原型，然后挑选最好的一个。用户得到的就是那个最好的。
我希望未来能以这种方式构建软件。