大模型对现实世界中的程序员到底有多大的帮助？能提高10X生产率！-CSDN博客

本文链接：https://blog.csdn.net/u012516914/article/details/146329445

基于 LLM（大模型）的编码辅助工具已经问世约 2 年了。许多开发人员报告说，这极大地提高了他们的工作效率，最高可达 5 倍/10 倍。

显然，这个乘数至少不是全领域的。毕竟，产出并没有相应增加。

这很有道理。如果你正在做复杂的事情，LLM 工具就很麻烦。开箱即用的解决方案并不能满足这一目的。如果可能的话，你需要大幅调整你的工作流程才能使用它们。大多数程序员不知道如何做到这一点，当然也不愿意费心去做。

因此，可以合理地假设，如果存在 5 倍/10 倍的产出，那么分布是不均匀的，主要影响高级用户/特别擅长使用 LLM 的人。

从经验上看，我们似乎也没有生活在整个软件行业突然提高 5-10 倍生产力的世界里。这种情况已经持续了 1-2 年，而我至少没有感受到任何影响。我没有看到我使用的软件中有用的功能增加了 5-10 倍，或者对我有用的软件增加了 5-10 倍，或者我使用的软件突然性能提高了 5-10 倍等等。

但是，我也很难在其他地方看到所谓的 5-10 倍的提升。如果高级用户正在经历如此大的改进，那么哪些项目因此而得以实现？

以前，我以为我不知道，我不知道学习编程语言就是写一个 hello world 这么简单。所以我试图让 Deep Seek 给我一个概述，但它给我了一个实例，并且可以直接运行，我觉着他非常有用。

如果我需要一些小型、独立的脚本来做一些相对简单的事情。例如我现在想为服务启动写几行 shell 脚本，但是我一下子想出不出来如何下手，这时 LLM 可以很快写出来，这些很容易用几句话描述，很容易验证，我通常对特定领域的技术或者编程语言的了解不够深入，无法在不查找语法的情况下编写整个内容。但是这些高效率的事情都有一个特点：它们很小而且独立，因此实际上不需要考虑太多可维护性，例如单元测试、分解模块以及了解业务和大多数环境上下文。（任何包含正则表达式的东西都是这个的子集，其中 LLM 是游戏规则改变者）

另外一块就是 LLM 擅长的长文本解决方案了，如果我需要研究一些我不太熟悉的堆栈，LLM 可以通过提供可行的（或几乎可行的）示例来大大加快学习过程。我只需输入我需要的内容，就可以得到一个粗略的解决方案，该解决方案显示了我可以从哪个库中使用哪个类和方法，甚至可以得到哪种通用逻辑/方法可以作为解决方案。在很多情况下，即使提供的解决方案实际上不起作用，只要知道如何与库交互就会有很大帮助。

如果没有这个，我将不得不花费数小时或数天参加一些在线课程/阅读文档/进行实验。

这里有一个前提是，即使在解决方案有效的情况下，提供的代码也不是我可以简单地添加到实际项目中的东西。毕竟说和做是 2 回事，就像你的产品经理给你安排各种工作，然后告诉你怎么怎么实现，如果真的让他实现，你会发现，他根本无从下手，因为技术，一旦陷入细节中，都是无比复杂的。通常必须将其分解，并将各个部分放到不同的模块中，重构为面向对象并使用对特定项目有意义的一致抽象。

即使是 AGI 实验室面向客户的产品，也没有无穷无尽的丰富功能可以以复杂的方式与他们的 LLM 交互——即使你会认为那里会聚集着异常多的高级用户。你有一个对话框，可以上传 PDF 文件，仅此而已。你无法让 LLM 与不断增长的任意软件和数据类型列表交互，也没有无穷无尽的功能列表可以让你根据需要打开/关闭等等...

所以我现在想问：这对现实世界有什么影响？如果没有 LLM 就不会存在？哪些项目会退步？如果所有这些都没有公开归因于 LLM，那么哪些项目的发展速度可疑地快，以至于经过冷静分析，它们不可能在 LLM 之前的黑暗时代如此迅速地发展起来？编程生态系统中哪些部分正在经历 10 倍的增长？

如果我们假设这种现象会不断扩散，所有程序员都能获得与早期采用者现在所经历的相同的生产力提升，那么这将对现实世界产生什么影响呢？

澄清一下，我要求的不是：

报告充斥着关于 10 倍生产力的模糊炒作，但并未明确指出 10 倍生产力促成了哪些项目。（网路上充斥着此类消息，但实际发布的有用内容却寥寥无几。）抽象的经济指标表明生产率增长了 X%。（这可能意味着任何事情，包括基于大模型的泡沫。）

抽象指标的基调是“该分析表明上个季度的代码生成量增加了 Y%”。（这可能只是表明 AI 产生了代码冗余/膨胀）。

抽象的经济指标表明 Z% 的开发人员已被解雇/初级开发人员再也找不到工作。（这可能主要是回归到新冠疫情之前的正常趋势。）

无用的玩具示例，例如“我使用 ChatGPT 生成了第 1000 个 Snake 克隆/这个网站的克隆！”。

另外一部分人就是需要编写大量小型的、独立的解决方案（我可以想象有人做了很多 Excel 自动化工作，或者是专门为 devops/operations 目的构建 shell 脚本的人）。

从我目前没有观察到任何这种情况的事实来看，这里有一个初步的阴谋论：LLM 实际上并没有提高程序员在网络上的生产力（我说的是程序员，并没有说其他行业，其他行业，我相信 LLM 做出的贡献是巨大的）。相反：

程序员通过 LLM 生成代码所节省的 N 个小时又被浪费在修复/解开该代码上。

从宏观角度来看，这有时会导致“爬上爬下”，即使用 LLM 生成大量代码库，一旦超过大小/复杂性阈值，代码库就会变得混乱，然后您必须从头开始，因为 LLM 做出了糟糕/不合适的架构决策。这同样会破坏所有明显的生产力提升。

尽管 LLM 确实会促使人们创建新的软件，但这些软件大多是一次性的小玩意/概念验证，最终没人会用，也不需要存在。但你仍然“感觉”你的生产力突飞猛进。