《拒绝"凭感觉编程"：把判断权留在能负责的人身上》

作者以个人经验为线索，从成本、经验、复杂性认知、摩擦力的价值和责任感五个维度，解释为什么他拒绝使用 LLM 驱动的“凭感觉编程”。核心论点不是 AI 没用，而是当我们把判断、理解和责任外包给一个“不在乎”的系统时，真正的工程价值就已经丢失。

1. 偶然复杂性 vs. 本质复杂性：AI 能解决哪一半？

作者回到 Fred Brooks 的经典论文《没有银弹》：软件开发的复杂性分两种——偶然复杂性（写代码本身的繁琐）和本质复杂性（设计正确、优雅、可维护的抽象架构）。从机器码到高级语言，从手写排序到调用标准库，行业在偶然复杂性上已取得巨大进步。AI 只是这一进程的最新迭代，解决的仍是偶然复杂性，而本质复杂性哪儿也去不了。LLM 的“高级自动补全”面对没有标准答案的复杂问题时，能发挥多大作用，仍是个问号。

2. 抽象是工具，也是遮蔽

引用詹姆斯·斯科特的《国家的视角》，作者指出每一次抽象同时也是一次遮蔽。程序员在建模时必须决定反映现实的哪些方面、丢弃哪些方面。LLM 永远无法做到这种元认知——对它们来说，模型本身就是现实。Robin Sloan 的比喻很精准：LLM 在一个纯粹由字母构成的世界里运转，要求它认识到现实的局限性，就像问金鱼水温怎么样。

DOGE 在社会保障局的案例是绝佳反面教材：他们发现数据库中超过 900 万条记录的出生日期在 120 年前且无死亡记录，就直接断定数百万人在欺诈领取福利。他们拒绝考虑数据字面意思之外的任何解释，拒绝与专家交流——这正是 LLM 走偏的同款逻辑。

3. 摩擦力是上天的恩赐

作者认为“摩擦”不是障碍，而是重要信号。当写代码变得困难时，说明当前架构有问题，需要重新设计。他会强制自己写架构决策记录（ADR），这个过程常常暴露最初直觉的盲点。LLM 对待摩擦的方式是闭着眼睛写过去——它感受不到摩擦，也无法解释为什么选择了某条路径。

更深层的问题是：LLM 营销将“摩擦”定义为敵人，但在实际工作中，摩擦往往来自那些防止缺陷流入生产环境的流程——其他工程师、测试人员、设计师、产品经理。当这些角色被视为“摩擦”而被砍掉时，团队可能跑得更快，但交付的产品绝不会更好。

4. 责任感无法外包

作为前数据记者和公共科技领域工作者，作者深知代码错误的代价——可能是令人难堪的更正，可能是服务崩溃影响弱势群体。LLM 不可能“在乎”：它不会因犯错懊悄，不会努力改进，没有内在意识更没有道德良知，因此道德责任永远不能外包给它。

LLM 供应商正在重演特斯拉的套路：在没有安全测试的情况下推送新功能，出了问题则责怪用户“提示词写得不够好”。这种极端的资本主义正在被标准化：让消费者承担更多风险，因为企业和政府放弃了监管责任。

5. 编程作为忠于自己的方式

作者坦言编程是他表达创造力的方式，也是艰难时期的慰藉。他花了一年时间构建追踪 DOGE 行动的系统，这个过程本身就是将绝望转化为行动的途径。同时他也指出，硅谷很多人把工作外包给 AI 后，反而用省下的时间去接更多的工作，拥抱了 996 和高度量化的工作环境。

结论

Vibe Coding 的问题不在于 AI 本身，而在于它所传递的价值观：用速度替代理解，用产出替代责任，用自动化替代协作。当我们把判断权交给一个不在乎后果的系统时，丢掉的不只是代码质量，还有工程师的职业尊严和对用户的责任。

思想框架

文章以个人叙事为驱动，每一节以一个个人特质（吐槽、忧伤、敬畴、注意力）作为入口，逐步将论证从个人偏好拉升到行业结构性问题。先用 Brooks 的复杂性理论奠基，再通过抽象与摩擦的辩证展开，最后落在“责任感”这个不可外包的核心上。