为什么业余编程社区如此敌视 LLM：他们捍卫的不是代码，是学习的过程

原文来源：fogus.me — Born Against, or why hobby programming communities are aggressively against LLM usage — 在 OSDev、模拟器、demoscene 等业余编程社区，掌握困难领域的过程本身就是产品，而 LLM 生成成品恰恰绕过了这个过程。

程序员 Michael Fogus 在博客上写了一篇短文，标题很挑衅：《Born Against，或者说为什么业余编程社区越来越敌视 LLM 的使用》。文章只有几百字，但在 Hacker News 上拿到了 380+ 分，评论区吵成一片。核心观点其实很简单：这些社区不是反对 AI，而是反对用 AI 跳过学习的过程——因为在这些圈子里，过程本身就是目的。

起因：一个国际象棋引擎的 GitHub Issue

触发他思考的是一个国际象棋引擎开发项目的 GitHub 讨论串。有人在里面质疑用 LLM 开发棋类引擎的合法性，社区反应激烈。Fogus 说，这种情绪他在 OSDev（操作系统开发）、LangDev（语言开发）、TxtDev（文本游戏开发）、EmuDev（模拟器开发）、RLDev（强化学习开发）、demoscene（演示场景）、代码高尔夫这些圈子里都见过。

共同点是：这些社区掌握的知识都是"hard-fought"——打出来的、熬出来的。用 LLM 直接生成成品，在这些社区看来是"完全搞错了重点"。

核心论点：过程本身就是产品

Fogus 文章里最扎心的一句是：

在这些社区里，掌握一个困难领域的过程本身就是产品，而"能跑起来的东西"通常只是锦上添花。

这句话值得反复读。主流软件开发的评价标准是产出——代码能不能跑、功能对不对、用户用不用。但在这些业余社区里，标准完全不同。你写一个操作系统内核，没人指望它真的能替代 Linux；你做一个 NES 模拟器，也不是为了玩游戏。这些项目存在的意义，就是让作者经历那个从无知到精通的过程。

所以在这些社区里，尊重是靠什么挣来的？靠年复一年的活跃、分享优雅的代码、展现真实的好奇心、输出深度的领域知识。Fogus 说得更直接："这些社区根本不在乎你的代码能不能跑，他们在乎的是你知不知道它为什么能跑、怎么跑的。"

LLM 是杠杆，不是替代品

Fogus 对 LLM 的态度不是一刀切的反对，他给出了一个很精确的定位：

在我看来，LLM 最适合的角色是力量的放大器（force multiplier），而不是替代品（surrogate）。在已经深刻理解某个领域的专家手里，它像一根杠杆。

问题出在哪？出在用它来生成"成品"——那些本应通过亲手实践才能获得的东西。他的原话是："用 LLM 生成成品不会让我们成为工匠，它只是剥夺了我们的手艺。"

这也是为什么社区里"认真尝试过 LLM 的人"和"敌视 LLM 的人"之间的裂痕越来越深：早期那些真诚的尝试，很快被缺乏深度理解的新人涌入污染了，加上社区里一部分人对 LLM 的看法是"这就是作弊"，两边迅速对立。

我的解读：这是一场价值排序的冲突

为什么这篇短文能激起这么大反响？因为 Fogus 触碰到了 AI 时代一个根本性的价值冲突。

主流叙事是效率优先：AI 帮你 10 倍速写代码、自动生成测试、瞬间理解大型代码库。这套叙事对"以产出为评价标准"的领域完全成立——公司要的是软件上线，用 AI 加速是理性的。

但业余编程社区的评价体系是另一套：体验优先、过程优先。一个在 OSDev 里花了三年研究内存分页的人，和一个用 Claude 十分钟生成一个"能启动的迷你内核"的人，在这套体系里的地位天差地别。不是因为前者更聪明，而是因为前者经历了后者永远无法从 AI 输出中获得的认知转变。

这不是"守旧"。这是两个不同的价值体系在同一个技术上的碰撞。效率叙事无法说服过程叙事，就像用"你省了多少时间"无法说服一个登山者"坐直升机上去也一样"。

HN 评论区的补充视角

评论区里有一个观点值得记录：有人指出这种敌视在游戏模组（modding）社区反而没有出现——那里的人用 AI 生成素材、写脚本，社区一片祥和。为什么？

差别可能在于：游戏模组社区的产出是"可玩的东西"，代码只是手段；而 OSDev 社区的产出就是"你学到了什么"，代码是目的本身。这个对比恰好验证了 Fogus 的论点——对 LLM 的态度，取决于这个社区把过程还是结果当作核心价值。

另一个评论提到，即使专家也难免被 LLM 欺骗——"专业知识并不能提供对 LLM 的自然免疫力"。这给 Fogus 的杠杆比喻补了一个注脚：杠杆在专家手里是放大器，但放大的是判断力；如果专家放松了警惕，杠杆也会放大幻觉。专家用 LLM 的正确姿势不是信任它，而是有能力验证它。

这个争论对普通开发者意味着什么

如果你不写 OS、不做模拟器，这场争论和你有什么关系？我觉得有三个实际层面：

第一，理解"学习税"的价值。 当 AI 能瞬间给出答案时，"亲手踩坑"看起来是浪费时间的低效行为。但有些坑是非踩不可的——那些坑里藏着模型训练数据里没有的、只有亲历才能获得的模式识别能力。对以学习为目的的项目，主动拒绝 AI 的帮助不是矫情，是理性的时间投资。

第二，警惕"成品幻觉"。 用 AI 快速生成一个能跑的东西很容易，但"能跑"和"理解"之间的差距，恰恰是 AI 时代最容易被人忽略的鸿沟。Fogus 说得好：生成成品不会让你成为工匠。对想真正进入某个领域的新人，把 AI 当老师而不是当替身，可能是更划算的路径。

第三，尊重不同的价值排序。 当你在社区里看到有人敌视 LLM 时，先别急着贴"守旧""嫉妒"的标签。他们捍卫的可能不是工具偏好，而是那个社区赖以存在的核心——一个让新手通过艰难过程成为内行的通道。用 AI 绕过这个过程，短期看是捷径，长期看是让这个通道本身失去意义。

结语

《Born Against》这篇短文的伟大之处，在于它没有站在任何一边说教，而是精准描述了一个正在发生的文化断层：在效率叙事的洪流里，依然有一批社区坚持把"过程"当作产品本身。

AI 不会消失，这些社区也不会消失。真正有意思的问题不是"该不该用 LLM"，而是：在一个答案变得廉价的世界里，什么才是真正稀缺的？ 也许正是那些无法被生成、只能被经历的东西——亲手把一个问题从不懂磨到懂的过程。这个东西，任何模型都替代不了。