手动重输LLM代码以防认知负债

在AI编程助手日益普及的今天，许多开发者陷入了两难境地：一方面享受LLM带来的效率提升，另一方面却担忧对代码的理解逐渐流失。Ankur Sethi在个人博客中提出了一个看似“低效”却极具深意的解决方案——手动重输LLM生成的代码。

Sethi坦言，尽管早在四月他就宣称放弃编码助手，但在个人项目中仍在使用它们。他发现自己享受用AI快速完成项目中枯燥的部分，但一次性生成整个功能却让他感到不满和迷失。他写道：“允许编码助手在我的项目中自由漫游，会留下巨量认知负债。”即便讨厌翻阅Django文档来为网站添加标签功能，他依然希望从根本上理解其工作原理。

这种认知负债源于对解决方案理解的完全外包。Sethi指出，虽然开发者被期望逐行审查AI生成的代码，但“仔细阅读数百行过度防御、注释糟糕且微妙错误的代码并不有趣”。对于个人项目，乐趣来自过程而非结果，因此他拒绝让AI生成的代码未经理解地进入自己的代码库。

他的解决方案简单而直接：让编码助手在聊天中生成代码，然后自己手动进行所有编辑。他在个人项目的agent配置文件中加入了明确指令，要求AI提供代码建议而非直接修改文件。这种方法使他比完全不使用LLM时快约2倍，但远低于那些完全依赖AI的10倍速开发者。然而，速度的损失换来了对代码更深入的理解。

手动输入每一行代码的过程，迫使他放慢节奏，从而更容易发现AI的幻觉或糟糕的设计选择。他可以边输入边清理代码，重新组织、重构、添加注释，使其符合个人风格。更重要的是，这种方式帮助他在脑海中构建了代码库的空间地图——他知道每个功能所在的位置，修改时能精准定位。这不仅加快了后续开发，还让他能更有效地向LLM提问和发出指令。

Sethi将这一方法比作学习编程时的手动练习，强调肌肉记忆和心智模型的重要性。他承认这种工作流“极其低效，甚至有些滑稽”，但对他而言，个人项目的核心在于掌控感和乐趣。在2026年这个“机器人提PR、人类审查”的时代，他的选择提供了一种另类平衡：既利用AI加速枯燥任务，又保持对代码的认知所有权。

这篇文章引发了关于AI辅助编程中认知负担的讨论。许多开发者表示共鸣，认为完全依赖AI会导致技能退化，而手动重输虽耗时，却是一种有效的学习策略。也有观点认为，随着AI代码质量的提升，审查成本可能下降，但Sethi的实践提醒我们，在效率与理解之间，个人开发者需要找到自己的平衡点。