AI 让有经验的开发者变慢了？Peter Naur 的理论能解释为什么

原文来源：John Whiles — METR 的研究发现 AI 工具让有经验的开源开发者慢了 19%，而他们完全没意识到这一点

METR 发表了一篇很有意思的研究。他们让一批有经验的开源开发者在熟悉代码库中使用 AI 工具完成任务，结果发现——用了 AI 的人反而比不用 AI 的人多花了 19% 的时间。

更魔幻的是，这些开发者事前预测 AI 会让他们快 24%，事后再问他们，他们仍然相信 AI 让他们快了 20%。感知和现实之间出现了巨大的鸿沟。

但这篇研究的样本很特殊——参与者都是资深的开源项目维护者，在他们自己的项目上工作。这个结果不能简单地推广到所有开发者。比如那些在公司里维护着别人写的、作者早就离职了的 Next.js 应用的人（比如我），用 AI 说不定确实能快很多。

这篇文章不讨论那种「感知 vs 现实」的认知偏差，而是聚焦一个问题：为什么这些有经验的开发者反而变慢了？

编程即理论构建

几年前，丹麦计算机科学家 Peter Naur 发表了一篇论文叫《编程即理论构建》（Programming as Theory Building）。他的核心观点是：

编程应该被视为程序员形成或达成某种洞见、某种关于手头问题的理论的活动。

这句话的意思是，软件开发真正的产物不是代码，而是开发者脑子里对程序的理解——一个心理模型。这个模型是我们能够构建软件的原因，也是将来我们能够理解系统、诊断问题以及有效工作的基础。

如果你认同这个理论，很多现象就说得通了：为什么大家都讨厌遗留代码（因为它跟任何人的心理模型都不匹配），为什么小团队能胜过大规模团队（因为成员共享同一个心理模型），为什么外包通常不顺利（因为心理模型无法完整转移）。

METR 研究中的开发者都是对自己项目有着极其完善心理模型的人。但 LLM 对这个心理模型没有真正的访问权限。开发者可以把心理模型的一部分塞给 AI 工具——但这是一个缓慢且有损的过程，永远无法真正传达他们脑海中"程序的理论"。当这些开发者把工作交给 LLM 去做时，他们实际上放弃了自己最独特的优势：对该代码库的深刻理解。

心理模型的传递有多难

想想你让别人帮你做一件简单事情的情形，比如哄孩子睡觉。你可以写下看起来毫无歧义的指令——"喂奶，放床上，哭的话别理"——但十有八九等你回来时，那个人正在做完全相反的事。可能他已经把哭着的孩子抱出去看青蛙了。

我们理解世界的心理模型极其丰富，以至于最简单的模型也需要付出巨大的努力才能传递给另一个人。这种传递永远不可能完全成功，而且你很难判断传递的效果如何——直到出了问题才发现。

而当你的传递对象是一个通过文本交流、永远不会提出质疑、不会追问细节、不会把某些陈述看得比另一些更重要、实际上也无法学习的存在——这个任务基本上不可能完成。

这就是为什么当前的 AI 编程工具，对于知道自己在做什么的人，在他的项目上，会让他的效率变慢。

那是不是应该在公司里禁用 LLM？

不一定。

前面那句话有个关键前提："知道自己在做什么，在理解的项目上工作"。这描述的是公司里一般的软件开发者吗？说实话，未必。

很多工程师最终会在自己并不真正理解的项目上工作——那些项目是由早已离职的同事构建的，系统的心理模型从未真正传递到他们手上。有些公司也不真正重视对系统的理解，而是更看重"快速交付能用的改动"。在这种情况下，AI 工具有更大的优势：它能比任何人更快地摄入不熟悉的代码库，并生成基本可用的改动。

所以，如果你只关注短期的生产力——即交付业务价值的时间——那么 LLM 确实能让某些开发者更快。我没数据证明这一点，但如果有人做这个研究，我会很感兴趣。

但心理模型谁来建

问题在于，如果你没有某个程序的心理模型，LLM 或许能帮你提高生产力。但我们刚才已经达成共识：写软件的主要目的是构建心理模型。

如果你把工作外包给 LLM，你还能有效地构建这个心理模型吗？我很怀疑。

有人会说，可以用 Claude Code 等工具来快速上手新项目——通过问问题来了解项目。这确实能帮助构建心理模型吗？也许吧。但以比正常人快 10 倍的速度生成代码，能让你对自己正在创建的系统产生深刻的心理模型吗？几乎不可能。

所以，该不该用这些工具？

如果你打算长期在一个项目上工作，想真正理解它，希望有能力有效地对它做出改动——那就自己写代码。如果你只是在一个"酱缸"里出"酱"，那装上 Cursor 继续干吧——YOLO。

一个更深的隐忧

还有一个角度值得思考。假设 AI 工具确实能让那些没有心理模型的开发者更快，但代价是他们永远无法形成心理模型。这意味着他们永远无法达到那种"我知道这行代码为什么在这"的状态。他们只能停留在"大概能跑"的水平上。

如果你的项目生命周期只有三个月，这没问题。但如果你在构建一个要维护五年的系统，这个代价可能极其昂贵。

这套逻辑不是在反对 AI 工具本身——有朝一日可能会有真正能帮助开发者构建心理模型的 AI 工具。但就目前而言，这个方向似乎还没人认真走。

也许问题不在于"AI 能不能生成代码"，而在于"一个人不用理解就能持续交付代码的职业生涯，能走多远"。

这可能是每个依赖 AI 工具的开发者和团队，迟早要面对的问题。