开发者使用GitHub Copilot的反思：AI辅助编码的效率陷阱与认知依赖

当开发者借助大型语言模型（LLM）将生产力提升到前所未有的水平时，一个隐藏的问题也随之浮现：AI 是否正在让我们变得“更笨”？一方面，像 GitHub Copilot 这样的 LLM 辅助工具显著缩短了编码时间，让新手也能快速上手；另一方面，这种便利性也可能带来隐患——开发者可能会逐渐丧失对底层技术细节的把握，转而过度依赖自动化工具。当某天失去 AI 助手的支持时，他们可能会发现自己举步维艰。

原文链接：https://eli.cx/blog/ai-is-making-developers-dumb

讨论 LLM 时，人们总在关注其带来的效率飞跃。不可否认，将 LLM 融入工作流确实能提升产出速度。然而，这种工作方式也可能在无形中侵蚀开发者的核心能力。

依赖 LLM，可能让你失去独立思考能力

之所以提出这个观点，是因为长期使用 LLM 工具后，一种深度的依赖会悄然形成，甚至发展到无法独立完成编码任务的地步。

以我个人为例，我选择进入软件工程领域，是因为热爱构建事物，享受探究其工作原理的过程，也珍视在键盘上亲手敲出每一段代码的体验。但 LLM 辅助工具正在剥夺这种最原始的乐趣。

当面临一个编程问题时，你不再需要主动构思解决方案，而是直接向 LLM 提问，等待它“猜”出答案。在这种模式下，你不会去深究代码为何如此运行，只是依赖 AI 告诉你该怎么做。

编码本该是有热情的事

或许有人会说，他们就是不喜欢自己写代码。听起来有些严厉，但我仍想说：那他们可能选错了行。

也许他们只是因为高薪而踏入软件开发领域？这无可厚非，任何行业都存在这样的情况，而这种心态通常也会在日常工作的投入度上体现出来。

我见过最优秀的工程师，往往会在业余时间花上数小时，只为亲手打造一个小工具或软件。这种动手能力和探索欲，才是真正创新的源泉。如果你不了解系统的工作原理，就很难进行真正有效的性能优化，否则就只是在盲目试错。

“Copilot 迟滞效应”：让开发者失去独立性

有一个概念叫做“Copilot Lag”（Copilot 迟滞效应）。它描述的是开发者在每次操作后都会停顿，等待 AI 提示下一步该做什么的状态。处于这种状态时，开发者丧失了独立思考的能力，完全依赖 AI 的指令来推进。

这与一名刚入行的初级工程师非常相似——他们极度依赖资深同事的指导，而非主动探索如何推进开发。

这并非危言耸听，而是真实存在的现象。

我曾有一段时间在 VS Code 中使用 GitHub Copilot。回顾那段日子，我惊讶地发现它对我的知识储备造成了多大的损害：我渐渐开始忘记所用编程语言的基础知识，包括语法细节和基本结构的用法。一想到当时为了追求短期速度，而任由自己的知识不断流失，就感到十分惭愧。

这就是长期依赖 Copilot 的现实：你的大脑不再像过去那样主动思考如何拆解问题，而是直接等待 AI 给出答案。长此以往，许多关键知识会从记忆中淡去。

真实案例：Copilot 如何影响深度学习？

让我真正正视这个问题的，是 ThePrimeagen 的一个视频。他在直播中谈及“Copilot 迟滞效应”，对我而言犹如当头棒喝。

于是，我决定停止使用 LLM 辅助编码工具——现在看来，这是个正确的决定。

举个例子，我曾对编译器很感兴趣。当时，我尝试阅读 Thorsten Ball 的《用 Go 语言编写解释器》这本书，但整个过程几乎徒劳无功。因为每当遇到难点，Copilot 就会直接输出代码，而我根本没有机会去真正理解书中的核心概念。

表面上看，你似乎完成了一个解析器，但如果关掉 Copilot，你还能重写一遍吗？很可能做不到。更重要的是，你错失了深入学习内存管理或数据导向设计的机会，因为 Copilot 只是给出了它“认为可行”的代码，却没有引导你去研究背后的原理、理解其中的精妙细节。对于想夯实计算机基础的开发者来说，这种替代思考的过程是有害的。

LLM 的另一面：用对方法才能真正获益

当然，我们也不能全盘否定 LLM 的价值。

本质上，LLM 类似于一个更强大的搜索引擎。过去，我们会在 Stack Overflow 上搜索编程问题的解法；如今，基于海量数据训练的 LLM 能帮助我们更快地获取某个概念的相关信息。

但前提是，你必须带着批判性思维去使用它，并且不能完全相信其生成的内容。

LLM 有一个众所周知的问题——“幻觉”，这由其设计机制决定。它们生成的内容并非由真正的专家撰写，而是基于数据模式匹配出的文本，很多时候可能与事实不符。

因此，想要真正从 LLM 中获益，你需要深挖其推荐方案背后的逻辑。把它当作一个对话伙伴，去理解它为何推荐某种方法，而不是盲目地复制粘贴。

养成良好的学习习惯

还有一个至关重要的建议：勤做笔记！

最近，我开始学习 Zig 语言。由于这是我第一次接触显式内存管理，我便持续记录学习过程中的关键点和心得。这些笔记不仅能在遇到问题时快速回溯，还能整理分享给其他有兴趣的人。

总而言之，LLM 是一把双刃剑。它确实能提升你的生产力，但如果过度依赖，它也可能让你失去独立思考与深度探索的能力。因此，我们应当学会与之共存，确保在利用其便利的同时，始终保持自己解决问题的核心能力。关于 AI 工具如何影响开发者的思维习惯与成长路径，大家也可以在 云栈社区 的开发者广场进行更多交流与探讨。