加载失败
这篇帖子把 AI 采用比作“大跃进”，并拿 Klarna（瑞典金融科技公司）等案例讨论企业会不会在 AI 热潮里押错方向；评论里还有人补充，文末提到的 Klarna 最后换成了另一家 SaaS（软件即服务）供应商。争论焦点之一是 AI 写出的代码是否会快速堆出难以维护的 tech debt（技术债），支持者认为可以用 agents（可多步执行任务的 AI 代理）和多轮审查持续重构，反对者则说 AI 会扩大软件表面积、让人类更难管理。另一些评论发现文章本身很像 LLM（大语言模型）生成，认为它论点并不差，但篇幅冗长、例子老套。还有人提醒不要把 LLM 当成 AI 的全部，因为传统方法如 BoW（Bag of Words，词袋模型）本来也是 AI/NLP 的一部分。
一部分评论直接反驳“AI 写出来的应用两年后会变成没人能维护的 tech debt”这种说法，认为这默认了 AI 只能一次性产出，不能回头重构。实际使用 agents 和代码模型时，很多人会反复审查、修补、重写，第二轮甚至第三轮往往能抓出关键问题。也有人把真正的债务定义为人类必须介入管理的复杂度，并强调模型会继续进步，AI 未来可能也能清理自己的烂代码；但另一条更务实的声音提醒，工程师必须一直在环中，靠多次迭代和“问对问题”来逼近可用结果。
有人认可文章的情绪和类比，但认为它用 AI 写作、又塞进俗套例子，反而把本来能成立的观点削弱了。更尖锐的评论把这种写法概括为：真正有价值的点只剩一两条，却被成段的重复和空话淹没。讨论者的核心不在于反对作者观点，而是要求把内容收缩、编辑、去掉 LLM 常见的赘述感。
另一派认为，如果要证明 AI 热潮会引发系统性灾难，不能只靠一个夸张的历史类比。大公司本来就经常启动昂贵但失败的项目，Google、Meta 这类企业也多次翻车，但并没有因此伤筋动骨。真正可能被 AI 下注拖垮的，可能只有少数押得特别重的公司，例如有评论点名 OpenAI 可能面临财务崩塌，但也有人立刻质疑：即便它倒了，客户和市场也会被竞争者接走，未必会波及更广。
有评论对“现在的 backyard AI 才像 AI”这种说法表示反感，认为这会让新手误以为只有最近的 LLM 才算 AI。有人专门提到 BoW（Bag of Words，词袋模型）这类传统 NLP 方法本来就是成熟的 AI 技术，只是今天不如大模型显眼。另一些回复则强调模型输出质量在过去两年里确实有变化，不能把旧时代的错误直接套到当前系统上。
还有一条评论把美国软件行业形容成一种被权力和口号驱动的“中央计划”系统，今天流行 DEI 就跟着 DEI，今天流行 AI 就跟着 AI。这个视角认为很多从业者并不是在独立判断技术，而是在顺着公司、市场和政治信号改口。它更像是对整个行业长期充满“bullshitters”的冷嘲，而不是对某个具体技术点的讨论。
tech debt（技术债）: 快速生成或临时方案留下的后续维护、重构和治理成本。
agents（AI 代理）: 可自主拆解任务、调用工具并多轮执行的 AI 工作流。
LLM（Large Language Model，大语言模型）: 以海量文本训练、能生成文本和代码的基础模型。
Codex: 偏代码生成的模型或工具，常用于编写和审查代码。