主要观点：人类在处理某些问题上仍比大型语言模型（LLM）更有能力，尽管 LLM 很有用。以 Redis 中的向量集相关问题为例，作者在解决复杂 bug 时，LLM 虽提供了一些思路但并不完美，最终作者提出了使用特定哈希函数来优化检测非互反链接的方案。
关键信息：作者日常使用 LLM 进行测试等工作；Redis 中引入抵抗 corruption RDB 和 RESTORE 负载的功能但存在问题；作者通过序列化图表示来优化 HNSWs 加载速度，却导致数据 corruption 时出现问题；LLM 最初提供的用二进制搜索排序指针的方法效果不佳，后作者提出用哈希表和固定累加器的方案，LLM 认可其较好但指出可能存在碰撞等问题，最终作者提出用特定哈希函数的方案并让 LLM 分析后满意。
重要细节：作者两年前就开始用 LLM 编码，此次为解决 Redis 向量集 bug 与 LLM 交流；序列化时存储节点间的链接整数，存在 corruption 导致的 use-after-free 问题；LLM 最初建议排序指针用二进制搜索，后认可用哈希表和固定累加器的方案但指出不足，最终认可用特定哈希函数的方案。