主要观点：

• 工程师使用 AI（特别是大语言模型）解决计算机科学问题在 Hacker News 上有热度，作者不反对大语言模型，其是强大工具能节省时间和精力，但应明智使用。
• 大语言模型训练数据有偏差等局限性，输出需仔细审查，依赖其易导致工程师自身解决问题技能退化。
• 应在使用大语言模型时保持平衡，注重“为什么”而非“是什么”，理解其背后推理，避免盲目接受。
• 大语言模型不像搜索引擎那样有探索和利用的选择，倾向于立即利用，而探索和利用互补，失去探索会使利用过程更不稳定。
• 计算机科学发展是为让人类用工具快速解决问题并专注于真正问题，如今工程师面临快速交付解决方案的压力，可能失去对算法的掌控，担心未来解决复杂问题的能力依赖自反性 AI 而非人类创造力。

关键信息：

• 大语言模型能自动化任务、生成代码等，但会 hallucinate 等。
• 训练数据有偏差等，面对新问题时输出不可靠。
• 要平衡使用，理解推理，避免盲目接受。
• 大语言模型倾向立即利用，缺乏探索，与搜索引擎不同。
• 计算机科学发展初衷及当前工程师面临的问题。

重要细节：

• 提到大语言模型的具体作用如自动化任务等。
• 举例说明大语言模型输出不可靠的情况。
• 阐述平衡使用的重要性及具体做法。
• 对比大语言模型与搜索引擎的特点。
• 强调工程师失去对算法掌控的担忧及原因。