为什么业余编程社区抵制 LLM 的使用

核心论点：学习才是产品，而非代码

在 OSDev、模拟器开发、code‑golf 和语言设计等利基领域的业余开发者，将掌握一个困难领域的过程视为主要回报。由此产生的程序只是一个锦上添花的产物，而不是目标。正如原文所述，“掌握一个困难领域的过程本身就是产品，而能运行的东西通常只是锦上添花。”

"在传统的利基开发圈子中，尊重是通过多年的活动缓慢获得的……通过分享优雅的代码、展示真正的好奇心以及分享深厚的领域知识。归根结底，这些社区并不关心你的代码是否能运行，而是关心你是否知道它为什么能运行以及如何运行。" – Fogus

因为手段与结果同样重要，使用大语言模型 (LLM) 来生成完成的代码被视为完全绕过了手艺活。

为什么这种抵制感觉像是门槛限制

许多评论者指出，这种敌意不仅仅关乎技术质量，还关乎保护建立在多年贡献基础上的社会等级制度。

"重点在于完成某件非常困难的事情所带来的社会声望。" – andai

"每当规则发生变化时，总会有一种隐藏的社会等级制度感到受到威胁。他们的反应是试图将社会货币重新强加回他们花费多年时间投资的系统中。" – Aurornis

这些社区在历史上一直执行严格的规范（例如，在国际象棋中禁止使用外部工具，或在赛车中禁止汽车辅助）。同样的逻辑延伸到了编程：如果这项爱好被定义为亲自动手完成工作，那么 AI 辅助就会被定性为作弊。

实际问题：质量、归属权与噪音

除了文化因素外，实际问题也随之而来：

  • 剽窃与许可 – 引发讨论的 GitHub 帖子涉及涉嫌代码窃取和混淆，引发了人们对 LLM 生成的代码可能隐藏来源的担忧。
  • 信噪比 – 正如 gbjcantab 所观察到的，AI 生成的代码片段增加了论坛中的“低能量弃置软件 (abandonware)”，使得寻找有价值的贡献变得更加困难。
  • 理解 vs 输出 – 几位评论者认为，提示 LLM 会产生代码，但开发者并未内化解决方案，这损害了长期的学习和未来的维护。

微妙的观点：LLM 何时可以被接受

并非所有参与者都完全排斥 AI。一些人将 LLM 视为已经理解该领域的专家的效能倍增器：

"对于已经深入理解某个领域的专家来说，它可以用作杠杆。" – Fogus (脚注)

hgoel 提供了一个显著的例子，描述了使用 Claude 为一个 OSDev 项目自动化繁琐且缺乏文档的驱动程序开发。作者保留了高层设计工作，同时让 LLM 处理重复的底层代码，并承认学习成分仍然存在。

"针对那些总体价值极低的繁琐任务进行针对性使用应该是可以接受的……当那些我原本很尊敬的开发者坚持教条主义，即使这并不能对这项爱好有所贡献时，我不禁会看轻他们。" – hgoel

因此，出现了一个中间地带：将 AI 用于乏味、耗时的任务，同时为人类保留具有智力挑战性的部分。

追求地位的动态

几条评论将抵制情绪与保护在社区内个人地位的欲望联系起来：

"人们更关心比同龄人更繁荣，而不是绝对的物质财富……地位是这样一种东西，如果有人拥有更多，你拥有的就会更少。" – ahalbert4

"论点在于，现在任何人都可以购买 3D 打印机，而无需真正理解掌握校准的痛苦……当 Bambu 使 3D 打印走向主流时，争论爆发了。现在，这种情况正在编程社区发生。" – Aurornis

当一种工具降低了准入门槛时，长期成员可能会觉得他们的投入贬值了，从而引发防御性反应。

反论：业余爱好者的视角

一些参与者认为反对意见被夸大了：

  • 爱好 vs 效用 – Schnitz 将这种情况比作体育运动，参与者拒绝使用性能增强剂，因为爱好本身就是行为，而不是结果。
  • 个人充实 – Fierycatnet 指出，LLM 可以激发新的兴趣，并帮助那些缺乏专业机会的人学习更多知识。
  • 工具中立性 – 许多评论者（例如 happytoexplain, analog31）指出，与企业相比，业余爱好者自动化工作的动力较少；他们并不是反对工具，只是反对强制使用工具。

综合：平衡手艺、社区与能力

  1. 核心价值 – 业余编程社区珍视学习的过程以及通过它获得的社会资本。
  2. 感知威胁 – LLM 被视为破坏这一过程的捷径，可能侵蚀地位等级制度并增加低质量噪音。
  3. 合理的担忧 – 剽窃、许可和丧失深度理解的问题是真实存在的，并影响着开源生态系统。
  4. AI 的潜在角色 – 当有选择地用于重复、缺乏文档的任务时，LLM 可以增强生产力，而不会取代学习体验。
  5. 文化转变 – 接受可能需要将 AI 重新定义为一种学习辅助工具而非替代品，并辅以保留归属权和鼓励事后审查的社区规范。

总结

业余编程社区抵制 LLM 的使用，是因为他们将编程的手艺等同于个人成长和地位，并将 AI 辅助视为威胁这两者的捷径。虽然文化上的抵制植根于对质量、归属权和社区动态的合理担忧，但一种微妙的方法——将 LLM 用于低价值、重复性的工作，同时将智力回报高的部分留给人类——提供了一条既尊重爱好精神又兼顾现代 AI 工具实际益处的出路。

Sources

相关