「也就是说,我们编写软件时真正的产品是我们对所创建程序的心理模型。

正是这个模型使我们能够构建软件,并在未来使我们能够理解系统、诊断其中的问题并有效地进行开发。如果你同意这个理论(我同意),那么它就解释了为什么每个人都讨厌遗留代码,为什么小团队的表现优于大团队,为什么外包通常效果不佳等等」

#我在看什么 #AI #LLM

https://johnwhiles.com/posts/mental-models-vs-ai-tools

AI slows down open source developers. Peter Naur can teach us why.

「那么建立心智模型呢?

好吧,如果你还没有一个程序的心智模型,那么或许LLM可以提高你的效率。但是,我们之前一致认为,编写软件的主要目的是构建心智模型。如果我们把工作外包给LLM,我们还能有效地构建心智模型吗?我对此表示怀疑。

那么你应该避免使用这些工具吗?

也许吧。如果你打算长期从事一个项目,想要真正理解它,并希望能够有效地做出修改,那么我认为你应该自己写一些代码。另一方面,如果你只是在“废品工厂”里生产废品,那么安装 Cursor 并开始破解」

#我在看什么 #LLM

这个比喻太好了。技术债就像刷信用卡。刷得时候很爽,月底还款时就懵了🤣

「我们已经有一个描述没人能理解的代码的短语:遗留代码。

遗留代码普遍被鄙视,这当然有充分的理由。但为什么呢?你手里有代码,对吧?难道你无法从中找出答案吗?

错了。没人理解的代码就是技术债务。理解不熟悉的代码并进行调试需要花费大量时间,更不用说在不引入 bug 的情况下引入新功能了。

编程本质上是理论构建,而不是一行行代码的生成。我们深知这一点。正因如此,我们才会嘲笑那些试图用代码行数来衡量开发者生产力的商业人士。

如果您不理解代码,您唯一的办法就是让人工智能为您修复,这就像用另一张信用卡偿还信用卡债务一样。」

https://blog.val.town/vibe-code

#我在看什么 #vibecoding #技术债

Vibe code is legacy code

Updates and articles from the Val Town team

《永恒的承诺:试图消灭程序员的历史》

「我们以前就听过这种说法。1959年,COBOL语言出现时;1973年,专家系统出现时;1985年,第四代编程语言出现时;1995年,CASE工具出现时;2015年,无代码时代到来时。

但这并不意味着当前的技术浪潮与之前的浪潮完全相同。大型语言模型代表着真正的能力突破。它们能够执行以往技术无法完成的任务。它们生成的代码通常正确且实用。对于熟练的开发人员来说,生产力的提升是实实在在的。

但根本挑战依然存在:将人类意图转化为正确、高效、易于维护且安全的软件并非易事。这并非因为工具不足,而是因为问题本身就十分复杂。」

https://www.ivanturkovic.com/2026/01/22/history-software-simplification-cobol-ai-hype/

#我在看什么 #编程 #软件开发 #AI #LLM #取代程序员

The Eternal Promise: A History of Attempts to Eliminate Programmers

From COBOL in the 1960s to AI in the 2020s, every generation promises to eliminate programmers. Explore the recurring cycles of software simplification hype.

Signal Through the Noise