與大型語言模型協作有時真的讓人精疲力竭

背景

這篇文章探討了開發者在使用大型語言模型（LLM）輔助編程時所面臨的心理與生理疲勞。作者指出，雖然 AI 能加速開發，但低質量的提示詞、緩慢的反饋循環以及過度依賴 AI 進行邏輯思考，往往會導致開發者陷入一種「末日循環」的焦慮與精疲力竭中。

社群觀點

Hacker News 的討論呈現出兩極化的趨勢，核心爭議在於 LLM 究竟是提升效率的利器，還是增加了認知負荷的負擔。許多開發者認同「AI 疲勞」的現象，認為這源於工作性質的轉變。過去手寫程式碼時，開發者在實作過程中會有自然的停頓與思考時間；然而現在，開發者被推向了「全職審閱者」的角色。這種轉變要求大腦長時間維持高度集中的注意力，去檢查 AI 生成的程式碼中可能存在的細微錯誤。有留言指出，閱讀與審閱程式碼往往比親自撰寫更耗神，尤其是當企業為了追求產出而要求開發者處理數萬行的 AI 生成 PR 時，這種疲勞感會演變成對程式碼質量的集體焦慮。

另一派觀點則認為這種疲勞感反映了開發者尚未適應新的協作模式。支持者認為，資深工程師若能將 LLM 視為一名「永遠不會累但需要精確指導的初級工程師」，並結合測試驅動開發（TDD）等嚴謹工程實踐，確實能大幅提升開發速率。他們主張，感到疲勞往往是因為開發者試圖讓 AI 處理過於模糊的需求，或是缺乏拆解問題的能力。然而，反對者對此感到憂心，認為 AI 可能會讓平庸的開發者大規模產出看似可行但難以維護的垃圾程式碼，最終讓那些負責維持系統穩定的資深工程師陷入無止盡的清理工作中。

更有趣的討論點在於對這種開發模式的心理學觀察。部分留言者將這種不斷嘗試優化提示詞以獲得正確結果的過程，比喻為「斯德哥爾摩症候群」或是對非確定性工具的過度妥協。他們認為，與編譯器這種具有明確邏輯的反饋不同，LLM 的隨機性讓開發過程變得像是在操作一台隨時會變換方向盤靈敏度的汽車，這種不確定性正是壓力的主要來源。儘管如此，社群中也存在共識：AI 確實消除了許多重複性的枯燥工作，關鍵在於開發者必須學會何時該「放下工具」回歸自主思考，而非在疲憊時強迫 AI 填補自己的邏輯空白。

延伸閱讀

在討論中，開發者提到了幾種不同的工作模式與工具應用方向，包括使用 Claude Code 或 Codex 進行深度協作，以及採用 YOLO 模式（即減少人工干預、讓多個 Agent 並行運作）來處理非核心任務。此外，也有人建議將 TDD 流程引入 AI 協作中，透過建立快速的反饋槓桿來降低上下文窗口的消耗並提升 AI 的邏輯表現。