摘要： 作者作为AI生产编码的6-7级用户，主要使用Claude Code、Codex和Gemini，并持续手动审查AI生成代码。其公司Truss自2022年11月ChatGPT发布后迅速采用AI，AI成本与AWS相当，且系统对AI中断敏感。文中提及Thomas Ptacek关于Sprite服务的工程文章，强调SaaS服务的复杂性仍需解决；批评Steve Yegge的Gas Town文章过度乐观。指出Claude存在代码冗余（如40行缩减至2行）、缺乏模式识别、优化过度等问题，并关联Dunning-Kruger效应（低估Claude能力）和Kernighan定律（调试AI生成代码需要更高智力）。强调AI需学会拒绝不合理需求，避免‘致命三重奏’（过度依赖AI、快速迭代、缺乏拒绝能力）。不建议使用MCP产品集成、OpenClaw生产环境、向量搜索（除非类似Bing）及过度依赖预训练模型，建议自行构建工具框架。
讨论： 用户对‘不要使用向量搜索’的建议感到好奇，指出自己在工具服务中发现使用向量搜索效果良好，但希望了解为何该建议被视为错误选择。
原文标题：Let’s be Honest about AI Coding
原文链接：https://kenkantzer.com/lets-be-honest-about-ai/
讨论链接：https://news.ycombinator.com/item?id=47635340