一位开发者在技术社区Linux.do上发帖吐槽使用顶尖AI模型的现状。文章指出，为了访问OpenAI（奥特曼）或Anthropic（A/）的顶级模型，国内开发者往往需要依赖“中转站”（API转发服务）。这种维护成本高昂，不仅需要自掏腰包，还要花费大量精力甄别模型服务质量（如响应速度、首字延迟、是否“掺水”等）。作者认为，这种本末倒置的做法导致“用AI反而更累”，原本应用于核心业务开发的时间被消耗在寻找稳定的中转渠道上。更深层的担忧在于对开发者技能的影响。长期依赖AI生成的代码，会导致开发者对项目业务逻辑的理解能力下降，沦为“AI的助手”，失去了深入思考和解决问题的能力。此外，AI生成的代码往往虽然能跑通，但在处理异常场景和业务细节时表现不佳，甚至可能将项目中原本存在的“屎山”代码逻辑进一步放大。基于这些痛点，作者表达了对“顶尖模型”与“国产模型”差距追逐的疲惫，提出在面试无法使用AI的现实面前，应回归理性，甚至倾向于放弃折腾中转站，转而使用更稳定但可能稍逊的国产模型，以重拾对代码和项目的掌控权。
事件分析
本文反映了生成式AI工具在开发者工作流落地过程中遭遇的现实阻碍。首先是基础设施的访问壁垒。在网络受限环境下，依赖“中转站”引入了不稳定性（延迟、限流、跑路风险），这种“摩擦成本”抵消了AI带来的提效收益。其次是AI编程的认知局限性。当前的大语言模型擅长生成“能跑”的样板代码，但在处理复杂的业务异常、长尾逻辑及代码可维护性上仍有短板。过度依赖会导致开发者产生“认知外包”，丧失对代码底层的掌控感，这在需要深度逻辑判断的工程场景中是危险的。这一现象标志着行业对AI编程的态度正从狂热转向冷静。开发者开始权衡“顶级模型访问难度”与“国产模型易用性”之间的性价比，这或许会倒逼国产大模型在用户体验和工程化能力上加速追赶，同时也警示开发者需警惕“自动化带来的无能”。
核心观点：当维护中转站的摩擦成本超过收益，且AI编程阻碍了对核心逻辑的深度思考，开发者更应警惕“自动化带来的无能”。
原文链接：Linux.do
评论前必须登录！
立即登录 注册