“这代码是我用Claude写的”，这句话激怒了一位老工程师

“我用 Claude 写的这段代码。”“我用 Gemini 写的。”“我用 GPT 写的。” 过去几个月，一位署名 Blink 的开发者说，这句话出现的频率越来越高，而它让自己“绝对愤怒”。他为此写了一篇长文，标题直接怼了回去：你说的每一个字都是错的。 他的核心论点很直接：在最纯粹、最字面的意义上，真正干活的是语言模型。它接收一个提示词，跑过大量余弦相似度计算，拼出一段与提示内容在统计上相关的东西。 把不属于自己的成果算在自己头上，这件事以前有个名字，叫剽窃。而它曾经被认为是不好的。 “因为网上有”从来不是标准 Blink 承认，有人会说他“不懂智能体”，或者说他“靠暴论蹭流量”。他认为这些都是省事的反驳方式，等于捂住耳朵不听。他表示欢迎理性、真诚的讨论。 他提出的第一个质疑是：你怎么知道被训练的代码值得训练？ 计算领域一直遵循一个核心原则——垃圾进，垃圾出。“因为是我在网上找到的”从来不是真实性和准确性的标准；“这段代码能跑”也不意味着它安全、高效，或者真的解决了问题。 而使用 AI 工具时，数据来源是不透明的。我们不知道它们从哪里获取信息，却被期望给予足够信任，用它来构建生产系统。 他提到的另一个侧面是：AI 实验室现在在做递归训练，上一代模型的输出被当作下一代模型的输入。机器学习的“学习”是强化——给出现频率更高的相关性加权。用 AI 生成的东西训练新 AI，会引入偏差并造成反馈循环。 他的说法是：这是技术层面的近亲繁殖。 “用 AI 修 AI 的问题，这叫利益冲突” 对于刚入行的开发者，Blink 说自己不是想设门槛，他很高兴看到有人对构建东西感到兴奋。但作为构建者，责任是把东西建好，保证软件用户的安全。如果不了解应用是怎么搭起来的，只是“交给感觉”，那建出来的东西会危及所有人。 不学这门手艺，就分不清机器人产出的是安全、高效的好代码，还是在幻觉中给你挖坑。没有上下文，没有亲手构建的经验，成功和失败在你眼里可能长得一模一样。 针对“让一个模型去审查另一个模型的输出并修复”这个流行说法，他的回应是：这可能比直接扔进生产环境安全一点，但要想清楚——你在用一个 AI 去解决 AI 造成的问题。这以前叫“利益冲突”。 第二个质疑是伦理层面：你怎么知道它是合乎伦理地训练出来的？ 他假设网上的代码全是好代码（他说其实并不是），先搁置这一点，追问代码是否合法、合乎伦理地获得。他提到，今年夏天 Anthropic 与作品被非法用于训练模型的作者们达成了史上规模最大的集体诉讼和解。 他打了两个比方：如果我告诉你，我从本地餐馆的小费罐里偷了钱，然后请你吃饭，你会“哈哈行吧”，还是会有道德困境？如果我把你发在 GitHub 上的开源心血复制走、抹掉所有署名、再卖回给你，你的感受会不同吗？ 他的结论是：偷窃仍然是偷窃，哪怕你让它跑过一堆矩阵运算。 他还提到浪费问题：使用 AI 模型已被证明消耗大量电力，给电网带来压力，消耗更多自然资源。几年前大家还在被劝“抵消碳足迹”，如今 AI 成了新宠，这些话几乎消失了。为了一个聊天机器人或一个无聊的图像生成器去加剧这些基础设施问题，真的合乎伦理吗？ 让他更不安的是，这些问题根子上关乎我们有多看重同类。他说听过一种说法：看一个人真正重视什么，要看他如何分配自己的资源。如果不愿照顾同胞，却把大量资源投入 AI，这暗示我们更偏爱人工交互而非真实的人际连接。这一点让他害怕。 “你写 .md，我写 Python，我们不一样” 他专门反驳了一个常见的等价论：“你写 Python 代码，它经过解释器；我写 .md 文件，它经过 LLM。我们是一样的。” 他的回应是：不一样，这个等价不成立。 写代码时，你写的东西和解释器产出的底层语言之间存在直接、确定性的连接。所有逻辑结构、所有决策都在你的脑子里完成，解释器只是把它重组成机器语言。 写 .md 文件时，你不负责想清楚发生了什么逻辑。你确实在更高层面描述应用，确实在“做架构”，但你把所有细小的取舍和决策都让渡给了模型。 而那些细小的取舍和决策里装着什么？可扩展性、性能，以及凌晨三点把你叫醒的电话——因为代码做了你没想到的事。 他说自己不是讲老派编程总能解决这些问题，经历过足够多残酷的轮班待命，他很清楚不是。但故障发生时，我们叫谁来？叫懂这段代码的人。如果作者是 Claude，那就是……没有人。从策略上讲，你的全部成功都取决于套餐里还剩多少 token。这算明智的商业风险吗？ 他不是不用 AI Blink 明确表示自己不是 AI 黑。他在工作中使用 AI 工具，而且经常用，只是担忧在增加。用于研究可以，处理小的样板任务可以，用它一起排查和调试也可以。用 AI 工具帮助自己学习和打磨手艺，他完全支持。 但如果只是驱使一支 Claude 大军，尽可能快地生产更多东西，他的评价