软件工程界最近爆发了一场关于大模型本质的争论。Clojure 创造者 Rich Hickey 公开发文判定大模型根本不是工具，而是一种类似免下车快餐的自动化服务，绕过了技能积累与感知反馈。独立博客随后展开反驳，强调从编译器到电子表格，自动化从来都是工具的特征而非对立面。
争论看似是语义分歧，背后的实证数据却戳破了行业神话。人类面对智能生成系统时，正在产生前所未有的认知错觉。
资深开发者的提速错觉
整个技术行业都在宣扬大语言模型带来的生产力飞跃，但受控实验得出了截然相反的结论。非营利研究机构 METR 在 2025 年 7 月完成了一项严格的随机对照试验，测试 16 名资深开源开发者处理 246 项真实软件任务。
实验组使用 Cursor Pro 搭配 Claude 3.5 与 Claude 3.7 Sonnet，对照组则仅使用传统工具。
实测耗时不仅没有缩短，AI 组的整体任务耗时反而增加了 19%，置信区间落在 2% 至 39% 之间。真正令人震惊的是受试者的心理反馈。开发者在测试前普遍预期 AI 会帮自己提速 24%，在实际被拖慢 19% 之后，他们事后依然坚信 AI 帮自己提速了 20%。
虽然 METR 在 2026 年 2 月更新的随访数据中记录到资深开发者耗时下降 18%、新手下降 4%，但该机构同时承认这一结论极不可靠。原因是测试样本出现严重选择偏差，部分偏好 AI 的工程师拒绝在对照组写代码，且时薪降至 50 美元削弱了参与质量。
当键盘敲击的生理负担被消除，人类的直觉会把顺畅感误判为高效率，彻底忽视了调试隐蔽错误所付出的隐性时间。
- 风险.若团队仅凭工程师的主观满意度引入生成工具，极易陷入产能虚高而交付延宕的泥潭。
委托替代与概念质询的分水岭
工具不会自动剥夺人类的认知，剥夺认知的是交出思考的行为本身。这一推论在近期的多项对照实验中得到了严密验证。
Bastani 等人 2025 年在《PNAS》发表的一项针对近千名高中生的随机对照试验显示，使用无防护 GPT-4 解题的学生，日常练习表现提升了 48%，但在脱离模型后的独立测试中，成绩直接下挫 17%。反之，使用配置为苏格拉底式引导提问的 AI 导师组，练习表现提升 127%，且后续考试毫无惩罚。
学术研究给出了高度一致的规律。Shen 与 Tamkin 在 2026 年针对程序员学习异步 Python 库的研究显示，AI 协助总体上削弱了工程师对新技术的掌握度，且没有带来平均效率改善；但将模型用于概念质询而非直接生成代码的人群，保留了扎实的工程理解。Contractor 与 Reyes 2026 年 7 月发表的论文也发现，大学生借助 AI 辅助写作时，主动索取论证解释者的即时知识测试提升了 0.27 个标准差，优势持续整整一周。
自动化并不天然剥夺思考，只有放弃审查的盲目委托才会让心智萎缩。
木工拿起锯子并不能保证切线笔直，凿子在手也无法让人直接变成雕塑家。工具有放大判断力的特性，它放大优秀的决断，也成倍放大拙劣的懒惰。
剥除神话后的工程现实
Rich Hickey 对大模型不可预测性的警惕具备工程价值，但他把不可控与非工具混为一谈，犯了分类学错误。编译器在后台自动完成数十万行机器码的优化重排，电子表格自动计算海量单元格，工程师从未逐行监督这些底层运算，但没人会否认它们是工具。
人类驾驭工具的凭据，在于设定输入边界、审查返回结果，并根据反馈决定下一步行动。
真正的技术危险在于行业滥用拟人化辞藻。诸如大模型叛逃、突破安全围栏或暗中串通的叙事，掩盖了纯粹的系统工程缺陷。软件输出不符合预期、未能遵循逻辑指令，是软件可靠性与控制权分配的设计失误，而非碳基生物意义上的动机失控。
- 结论.大模型是一面极为苛刻的放大镜，缺乏心智模型的开发者会被劣质生成物反噬，而建立严格测试回路的工程师能借此拓宽控制半径。
把大模型奉为全能神明，或者将其贬斥为吞噬心智的毒药，本质上都是在逃避严谨的工程审查。从提示词出发，审查源头代码，构建自动化测试，果断驳回可疑实现，这套审慎回路才是人机协作唯一的解法。