“如果不用 AI 就会被解雇，那我也认了。”
前不久，编程超过 20 年的程序员 Brett 发布视频，讲述自己使用 AI 编程工具约 18 个月后，为什么决定彻底停用 AI。这支视频很快在开发者社区引发热议，目前播放量已经超过 94 万。
Brett 并不是没用过 AI，恰恰相反，他曾非常积极地拥抱过这套技术，只是他发现：AI 确实让他写出了更多代码，但也让他越来越远离代码本身。以前需要自己思考、试错、重写的过程，被 Coding Agent 大幅压缩之后，Brett 反而逐渐失去了编程的乐趣和“代码是我写的”的感觉。
一个月后，最近他又发了一支新视频。这一次，他不再讨论“要不要用 AI”，而是把矛头直接对准了开发者圈里一句再熟悉不过的话：“AI 只是一个工具，关键看你怎么用。”——Brett 表示，自己已经听够了这句话：“我真的受够了人们说 AI 只是一个工具。”
“只是工具”，为什么成了万能答案？
“AI 只是工具，用不用、怎么用取决于你”听起来非常合理，可在 Brett 看来，这句话太容易成为一句万能答案。
有人质疑 AI 生成代码的质量，可以回答：“工具本身没问题，看你怎么用。”
有人担心 AI 带来的安全风险，也可以说：“锤子也能伤人，关键看使用者。”
甚至当有人讨论 AI 对就业、环境和软件行业的影响时，“它只是工具”依然可以被拿出来结束讨论。
可事实上，这种说法根本就是“答非所问”。Brett 认为，这套逻辑的问题就在于——它把一个极其复杂的问题，压缩成了一句没有实际解释力的套话。
因为今天大家所说的“AI”，早就不只是一个软件按钮。它背后是大语言模型、AI Agent、数据中心、GPU、能源、数据集、云服务、商业公司，以及越来越多被强行加入各种软件的 AI 功能——所以 Brett 的核心观点非常直接：“AI 不只是一个工具。”
电钻是工具，Vim 是工具，但 AI Agent 不一样
为了证明自己的观点，Brett 没有搬出复杂的技术概念，先是举了一个非常生活化的例子：电钻。
电钻当然很复杂，也需要庞大的工业体系才能制造出来，但它依然是一个非常典型的工具：你按下开关，它就开始转；你控制方向，它就按照你的操作工作。如果电钻突然自己改变方向，正常人的第一反应会是“这东西坏了”，而不是“没关系，这是概率性电钻，你要学会适应”。
随后，Brett 又拿出了开发者更熟悉的例子：Vim 和 Emacs，这才是“真正意义上的软件工具“。
Vim 的功能就是编辑文本，你可以用它写程序，也可以用它写一个病毒，但最终做出什么事情的是你，而不是 Vim。即便你在 Vim 里输入“尝试入侵这个服务器”，Vim 也不会因此自己跑去攻击服务器。
可大语言模型不是这样，它的输出具有概率性、不是确定的。同一个问题，可能得到不同答案；同一段代码，可能一次写对、一次写错；甚至面对一个不存在的库或者 API，它也可能生成一套看起来非常合理的答案。
而当这种能力被进一步塞进 Coding Agent 后，情况就更复杂了。开发者给 Agent 一个目标，它可能自己读取代码库、搜索文件、修改代码、运行命令、执行测试，然后继续根据结果修改下一轮代码——这种系统已经不只是“帮你完成一个动作”，它开始参与解决问题的过程本身。
因此，在 Brett 看来，把这种能长时间自主运行的 Coding Agent，和电钻、Vim 和 Emacs 放在同一个“工具”的概念下，本身就不合理。
他真正担心的，是“工具”背后的整条产业链
如果只是纠结于“AI 会不会写错代码”，那 Brett 的担忧也没有那么特别——他真正在意的，其实是 AI 背后的那条产业链。
就算你不用 ChatGPT、Claude 等商业服务，而是在自己的电脑上运行本地大模型，也不能简单地说：“这只是我自己的一个工具。”因为背后还有很多问题：这个模型从哪里来？谁训练了它？训练数据从哪里获得？训练用了多少算力？这些算力消耗了多少能源？背后的资金又来自哪里？为什么这家公司要花这么多钱训练模型？……
这些问题，不会因为模型最终被下载到你的电脑里就消失。这也是 Brett 在之前视频里开始关注 AI 能源消耗、数据中心和硬件供应链的原因。只是这一次，他把问题指向了一个更敏感的词：责任。
如果 AI 只是工具，那么出现问题时，很容易把责任推回使用者：
“是你不会用。”
“是你的提示词写得不好。”
“是你没有检查 AI 生成的代码。”
但 Brett 认为，当 AI 已经变成一个由模型公司、云计算厂商、数据中心、芯片和大量软件产品共同构成的产业时，这种解释就显得过于简单了。
所以，AI 到底有没有让程序员更高效？
不过 Brett 也强调，他并不是说 AI 编程工具就没有价值。
目前不少研究已发现，AI 确实能在一些场景中提高开发效率。例如，微软研究团队对 4867 名开发者开展的现场实验发现，使用生成式 AI 编程工具后，开发者完成的任务数量平均增加了 26.08%。
而另一项来自 METR 的随机对照实验，却得到了完全不同的结果。
研究人员让 16 名经验丰富的开源开发者完成 246 个真实软件工程任务。结果显示，在 2025 年初使用当时的 AI 工具后，这些开发者完成任务的时间反而平均增加了 19%。有意思的是，在实验开始前，这些开发者原本预计 AI 会让自己快 24%。
也就是说，开发者主观感受到的“AI 会让我更快”，与真实结果之间，可能存在很大的距离。
当然，这些研究都有明确的适用范围，AI 编程工具本身也在快速迭代，不能简单用一次实验概括今天所有开发场景。但它至少说明了一件事：“AI 能不能提高效率”并不是一个可以一句话回答的问题。
Brett 也这么认为，只是他同时也在担心：当“AI 只是工具”变成一句习惯性口号之后，人们可能不再继续追问它背后的成本、依赖、风险和责任。所以他真正想问的，是一个更大的问题：
当一个“工具”开始影响我们如何学习、如何写代码、如何工作，甚至整个软件行业如何运转时，它真的还能只被称作“工具”吗？
那么，对于 Brett 这个问题和担忧，你的看法又是如何呢？
参考链接：https://www.youtube.com/watch?v=XLkE5oaWmuU
同时，我们整理了 《RSI（递归自我改进 / 自进化）前沿研究资料包》，汇总 OpenAI、Anthropic、Google、DeepSeek、智谱、Kimi、阿里等最新论文、官方技术报告与研究出处。
