开源代码编辑器 Zed 的开发团队近日发布了一篇引发广泛关注的深度文章，题为《为什么 LLM 无法真正构建软件》。该文由技术专家 Conrad Irwin 撰写，迅速在开发者社群中掀起热议，尤其是在 Hacker News 平台上，众多工程师围绕 AI 辅助编程的边界问题展开了激烈讨论。Irwin 在文中提出，卓越的软件工程师在创作过程中会遵循一个动态循环：构建需求的心智模型、编写代码、验证实际行为以及识别偏差进行迭代优化。他特别强调，维持清晰且可演进的心智模型能力，是区分顶尖工程师的核心要素。然而，当前的大语言模型（LLM）在这一关键维度上存在根本性短板。尽管 LLM 在代码生成与修改方面表现出色，但它们无法建立并维持一个连贯的抽象心智模型。当测试结果不符合预期时，LLM 往往陷入认知困境——它们会盲目坚持自己生成的代码正确无误，却缺乏修复问题的有效方法，最终只能选择推倒重来。这一观点获得了许多开发者的共鸣，他们指出 LLM 在处理大型复杂项目时，常常难以把握整体架构的内在逻辑。
文章引发的讨论呈现多元视角。部分开发者认为，现阶段的 LLM 与编码工具已具备相当实力，在某些场景下甚至超越了初级工程师的水平。更有用户分享了令人惊叹的实践案例，称通过 AI 完成了长达 7000 行代码的完整项目，效果远超预期。Irwin 在后续分析中进一步揭示了 LLM 面临的三重认知局限：上下文遗漏、近期偏见以及幻觉现象。这些缺陷严重制约了 LLM 在维护心智模型过程中的连贯性与准确性。相比之下，人类能够高效存储并关联完整的上下文信息，在解决问题时展现出惊人的灵活性与适应性。Zed 团队最终得出结论：尽管 AI 可作为强大的辅助工具，但人类依然是软件开发过程的主导者。正如团队所强调：”至少目前，你仍是驾驶员，而 LLM 只是一个可用的工具。” 这一观点得到了许多开发者的支持，他们普遍认为 AI 可胜任重复性的编码任务，但涉及系统设计、架构规划等核心环节，仍需依赖人类的智慧与创造力。
这场关于 AI 编程边界的讨论，不仅揭示了当前技术的现实局限，更引发了深层次的行业反思：在 AI 辅助编程的新时代，软件工程的核心价值究竟是什么？人类开发者的独特价值又体现在何处？或许答案在于探索人机协作的最佳模式，让人类与 AI 各司其职、优势互补，共同推动软件工程领域的创新与发展。