AI时代，如何保持住那份编写代码的乐趣
内容提要
Haskell开发者turion分享在LLM时代保持编程乐趣的方法：核心代码必须亲手写，将LLM用作记账员和调研助理，共同规划但自己敲代码，引入GAN式自动审稿流水线，不迷信前沿模型，警惕AI废话污染精神。评论区质疑token焦虑说法，并指出AI在核心库维护等场景表现不及预期。
延伸解读
亲手写代码：守住掌控感与排障能力
turion将“代码必须自己写”视为底线，因为全权交给AI会让代码库变成只有Agent能维护的“LLM荒原”。人类一旦停止动手，技能会快速退化，几周不写就可能捡不回手感。更现实的是，AI生成的代码往往只有它自己能继续维护，人类面对整文件陌生逻辑时，连bug从哪查都无从下手。亲手写核心代码，是保持对系统长久掌控和解决问题嗅觉的关键。
AI的合适角色：记账员、调研助理与审稿人
turion主张把LLM用于整理todo、持久化规划、辅助调研，但决策权必须留在人手里，且调研结果不能直接当事实。他提出“一起规划，但你来敲代码”，让AI研究仓库、提示坑点，自己完成实现。同时引入GAN式审稿流水线：未经自动化挑刺的AI产出不采纳，也用AI反查自己代码的盲区。这样既利用AI的事务性效率，又保留创造乐趣与判断力。
不迷信前沿模型：token焦虑与可替代性
turion拒绝绑定前沿商业模型，理由包括环境成本、信任问题、额度不确定和可替代性。他把token耗尽视为服务中断而非自己算计失误，因为额度是不透明且可被平台调整的数字。应对方式是始终保有一份可离线推进的todo清单，token够时推进，没了就做离线部分。评论区有人质疑“背叛”措辞过重，turion澄清真正问题是工作流可能被平台策略瞬间打乱。
边界与风险：核心库维护和AI废话污染
评论区指出AI在底层原语、奇怪API等场景表现不及预期，且容易收敛到通用变通方案，对核心库维护尤其危险。hasufell还提醒，AI的表面自信会消解人对自身判断的不安，可能带来负面后果。turion则警告AI车轱辘话是“精神石棉”，建议多和真人聊代码，不把未经提炼的AI生成PR直接甩给团队，坚守技术沟通的人性与温度。
Q&A
在LLM时代，为什么说编程的乐趣正在被悄悄抽走？
把代码编写全权甩给大模型，不仅会导致人类自身技能退化、陷入“AI倦怠”，更会让代码库退化为人类难以看懂、无法排障的陌生荒原，从而失去亲手创造带来的满足感。
turion提出的核心工作流是什么？
核心是“一起规划，但你来敲代码”：让LLM研究仓库、梳理任务脉络并提示技术坑点，但真正的敲代码环节由人类亲自完成，在极简心流中享受纯粹的创造乐趣。
如何用GAN式自动化审稿流水线来过滤AI生成的内容？
坚持“未经自动化挑刺过滤的AI内容绝不采纳”，用专门的审查Agent与生成内容博弈，同时借助AI审稿反查自己代码中的盲区。任何LLM产出的东西，不经过一轮自动化审核，就不要接受甚至不要去读。
为什么turion建议不要迷信前沿大模型？
理由包括：环境成本高、信任问题（最终负责的是人不是机器）、不确定性（越花哨的模型消耗token越多）、可替代性（不依赖前沿模型才能换成开放权重或开源模型）。
turion如何看待token耗尽的问题？
不要把“token用完”理解成自己没算计好，而要理解成一次服务中断。厂商卖的是“可以使用LLM”的承诺，兑现不了就是没履约。应对之道是提前储备可离线推进的任务清单，token够用时往前冲，没了就先做离线部分。
AI生成的文字对程序员的精神状态有什么潜在危害？
LLM生成的文字和人写的完全不是一回事，尤其是当它并不真正理解自己在说什么时，读起来观感更差。要把LLM的车轱辘话当成对精神健康有潜在危害的东西，别摄入太多，多和真人聊代码。
评论区对turion的token焦虑说法提出了什么质疑？
一位Haskell核心库维护者质疑“背叛”一词用得太重，因为他用的OpenAI月付计划额度和时限透明，可随时查看。turion澄清措辞带情绪化，真正想表达的是工作流建立在AI套餐上，额度说变就变，可能瞬间打乱工作流。
在核心库维护等场景中，AI的表现如何？
在“底层原语”和“奇怪API”（如Windows、PowerShell）等场景下，体验不及预期。LLM容易收敛到通用变通方案而非最优解，这对维护核心库是最危险的倾向，且会消解人对自己判断的不安全感。
