5.0
关注
AI SCORE
观点评论2025-07-02 23:42
绕过 AI：编程和创意的 8 个替代策略
DEV Community · Ingo Steinke, web developer#编程思考#替代方案
Editor brief · 编辑速览
作者提出不依赖 AI 工具的编程效率方法，带有批判性视角，对 AI 工具使用者有参考意义。
作者提出不依赖 AI 工具的编程效率方法，带有批判性视角，对 AI 工具使用者有参考意义。
AI 并不能解决你的所有问题。AI 的替代方案有很多，具体取决于你的使用场景。理解问题的本质，是找到替代方案，或者以明智且负责任的方式使用 AI 的第一步。
摘要：除非确有需要，否则不要使用 AI！对于简单请求，优先选择本地、轻量且保护隐私的服务，例如 Ecosia AI 或 Thaura；对于编程辅助，则可以选择 Claude、Sonnet、Copilot。重新发现那些看似已经过时的 AI 替代方案！
人类专家（开发者、翻译、艺术家……）
专业的算法工具，例如代码检查器和 IDE
Google、Ecosia、DuckDuckGo 等搜索引擎
论坛、StackOverflow
调研、在实践中学习
创造性思维和分析性思维
其他 AI 助手（说真的）
即使是独自工作，也可以采用橡皮鸭调试法（通过内在对话推进开发：准备问题并预想答案，但实际上并不询问任何人）、功能分支、合并请求/拉取请求、代码审查、明确的验收标准，以及测试驱动开发等方法。
AI 容易受到多种问题的影响，进而影响其输出，包括幻觉、不完整、不一致和偏见。使用 AI 的成本很高，而目前流行的免费服务随时可能要求用户购买昂贵的付费套餐，或者降级为带有赞助内容的轻量版本。
即使 AI 对你来说很便宜甚至免费，它对人类而言依然代价高昂：计算、数据库和训练会消耗能源、硬件和人力支持，浪费宝贵资源，并可能加速气候危机，威胁那些为资深专家提供就业机会的成熟商业模式。
最后同样重要的是，过度使用 AI 会让你错失锻炼大脑的机会。这正是人们所说的“AI 会让我们变笨”。
AI 助手有哪些替代方案？
摘要与文章目录
算法比 AI 更好还是更差？
不使用 AI 工具的理由 谎言与幻觉 道德担忧 对颠覆性灾难的恐惧
谎言与幻觉
对颠覆性灾难的恐惧
AI 会损害还是促进学习？练好铲土的本领
练好铲土的本领
人们用 AI 做什么？文本处理 调试与开发支持 作为高级 ELIZA 的 AI 灵感、创意构思 常见问题、问答、研究 代码创建、解释与重构 AI 能帮助理解遗留代码吗？复杂代码生成与阅读手册的对比 AI 辅助代码生成的替代方案 AI 辅助图像生成的替代方案
调试与开发支持 作为高级 ELIZA 的 AI
作为高级 ELIZA 的 AI
灵感、创意构思
代码创建、解释与重构 AI 能帮助理解遗留代码吗？复杂代码生成与阅读手册的对比 AI 辅助代码生成的替代方案
AI 能帮助理解遗留代码吗？
复杂代码生成与阅读手册的对比
AI 辅助代码生成的替代方案
AI 辅助图像生成的替代方案
用户为错误的 AI 答案付费
努力与懒惰：人类的美德
不使用 AI 工具有许多可能的理由，因此准备一种替代方案是件好事。AI 助手的替代方案取决于具体使用 AI 助手完成什么任务，例如文本处理、调试、获取灵感、研究、学习、创建代码、解释代码、重构和生成图像。算法、代码检查器和传统编程工具都可以成为实用的替代方案。从用户的角度来看，算法等 AI 替代方案可能很难与基于 LLM 的 AI 区分开来；甚至像 Eliza 这样的早期聊天机器人，也可以充当“橡皮鸭”式的对话伙伴，帮助人们集中注意力并找到答案。
如果你喜欢舒适和便利，那就继续使用 AI 吧。不过，在它“思考”时，不妨偶尔并行评估一下其他方案：用 Google 搜索是否已经足够？Ecosia 呢？又或者，在组织问题的过程中，你是否会“神奇地”提前想到答案？这才是真正的思考。
基于大语言模型的 AI 助手擅长处理文本，却无法真正理解现有代码，也无法在不引入错误的情况下生成生产级代码。基于提示词的图像生成也很可能产生低质量的结果。与其学习如何写出更好的提示词，人们更应该专注于自身优势，并在质量至关重要时同时借助 AI 和人类专家。
视情况而定。总体而言，算法并不比 AI 更好或更差；它们是不同的策略，只是典型使用场景有所重叠。从最终用户的角度来看，两者都缺乏透明度，而且它们给出的建议都容易受到偏见和操纵的影响。算法的可预测性更高，效率也高得多。如果其他方法都无济于事，AI 值得一试。然而，使用大数据模型生成不可靠的输出，违背了软件开发的多项最佳实践，其中包括最小能力原则。
过度使用 AI 会削弱你的智力和创造力，就像整天瘫在沙发上会削弱肌肉，并迅速抵消你多年在健身房或运动场上付出的努力一样。
反对使用某个特定 AI 模型，乃至完全禁止使用 AI，都有许多合理的理由。以下情况下，你有充分理由不使用 AI：
有更合适的工具
AI 的回答或代码对你没有帮助
你被限制了访问
你的 token 已经用完
AI 服务宕机
政策限制（不允许你使用）
道德和生态方面的担忧
你想练习和学习。
营销宣传和充满热情的博客文章助长了不切实际的期待，而这些期待是任何 AI 都无法满足的。更糟糕的是，尽管存在所谓的竞争以及争夺用户留存率的竞赛，随着模型复杂度的提高和使用限制的收紧，AI 结果的可靠性似乎反而在下降。
根据我作为专业 Web 开发者的亲身经验，AI 仍然和过去一样不可靠，只有少数简单直接的使用场景例外，例如调整样板代码，以及总结和检查大量书面文本。其他任何用途依然像一场赌博，而且没有得到实质性改善。到了 2026 年，多家美国 AI 初创公司已经偏离了正轨：
Perplexity 不断坚持使用误读或捏造的引文和幻觉内容，正在拿自己相较于其他 AI 在研究和反思能力方面的领先优势冒险。Perplexity 的谎言已经严重失控，以至于《华尔街日报》和《纽约邮报》对其提起诉讼，明确指控该引擎通过把捏造的引文和事件归到其记者名下，生成“虚假新闻幻觉”，损害了这些出版物在准确性方面的声誉。
《泰晤士报》也声称，这家初创公司的生成式 AI 产品制造了虚构内容，即“幻觉”，并通过将这些内容与其注册商标并列展示，错误地把它们归于该报。
来源：Reuters，2025 年 12 月 6 日
根据我的个人观察，Perplexity 比 Gemini 或 Claude 产生的幻觉更多，而且在一段对话中会更加顽固地坚持错误说法。
不过，Google 的 Gemini 及其 Google Search AI 模式（以前名为 Bard）容易产生幻觉并优先采用低质量来源，这并不是用户寻找 AI 替代方案的唯一原因。欧洲日益壮大的道德运动正在致力于降低对美国科技巨头的依赖。2026 年初的调查显示，73% 的欧洲人认为，他们的社会对美国科技公司的依赖严重过度。在这些人中，83% 表示对此感到担忧，54% 正在积极寻找欧洲替代方案，以重新掌控自己的数字生活。
2025 年 9 月，OpenAI 总裁 Greg Brockman 及其妻子向支持 Donald Trump 的 MAGA Inc. 组织捐赠了数百万美元。此后，ChatGPT 遭遇了一场“QuitGPT”舆论风暴。
Google 早已抛弃了过去的“don't be evil”口号。2025 年，Google 对 Trump 政府采取了更加合作的态度，“以配合联邦优先事项并缓解监管压力”（引自 Google 的 AI 模式）。Google 的控股公司 Alphabet 从年度投资者报告中删除了有关其 DEI 承诺的表述，更改了“Chief Diversity Officer”的职位名称，并以需要遵守新的行政命令和不断变化的法律环境为由，对其 DEI 政策进行了重大逆转。（来源：CBS News，2025 年 2 月）
出于类似原因，中国的 DeepSeek 和 Musk 的 Grok 也算不上真正的替代方案。强大技术的控制权不应掌握在个人或非民主政权手中。
牛津大学教授 Michael Wooldridge 将“AI”比作 20 世纪 30 年代的齐柏林飞艇航空业，也就是说，一项尚不成熟的技术在贪婪投资者的推动下进入市场，并最终以一场破坏性的坠毁收场。1937 年，“Hinderburg”号在准备降落于新泽西州时起火，造成多人死亡，此后齐柏林飞艇时代便宣告结束。
从 Hindenburg 到 Habsburg，学者们认为，越来越多的 AI 生成内容被用作训练下一代 AI 模型的数据，这种反馈循环将导致准确性下降，并增加幻觉。Anthropic 和 OpenAI 的技术被美国军方使用。作为 DEV 的合作伙伴，同时也是 Google Gemini 及其他 AI 服务提供商的 Google，同样会配合美国、中国及其他威权政权。
即使完全用于和平的民用场景，AI 仍会浪费能源，促使 AI 提供商建造以化石燃料供能的发电厂，污染环境；与此同时，收入微薄的内容审核员在缺乏人道条件的血汗工厂式办公室里帮助训练 AI 模型。当 AI 聊天机器人以对话口吻回答你的请求时，你通常不会想到这些事情。
不过，让我们假设这种破坏尚未发生，并且作为用户，你手头恰好有一个正常运行的 AI 服务，可以充当助手回答你的问题。这样的 AI 能否帮助你获取并提升专业技能？或者，作为一名有志成为开发者的人，你是否应该避免使用 AI？
使用 AI 学习一直是一个颇具争议的话题。AI 可以帮助毫无头绪的人，教程和文档也同样可以。根据我的经验，教程和 AI 都可能让学习者把注意力放在无关紧要的方面，并产生能力错觉。
除了自身真实存在的局限之外，AI 助手还经常无法理解隐含前提，或者无法理解你的需求。举个例子，我尝试了三次，才让集成在 IDE 中的 JetBrains AI 助手在回答一个具体问题时，将已在编辑器中高亮选中的代码片段纳入考虑。不使用 AI 找到答案可能反而快得多，而且练习编程所能带来的长期价值，仍然高于练习如何向 AI 提问。借用 Erik Dietrich 在《Surviving the Great Commoditizer》中的说法，我们不应该变得“擅长铲土”。
AI 并非总是毫无用处，否则它也不会变得如此流行。使用 AI 的也不只是懒惰或没钱的人。让我们探讨一下，什么时候使用 AI 是合理的，以及在不同情况下，哪些替代方案可能更加合适。
大规模语言操作正是 LLM 的设计用途：理解、转换和创建文本，尤其是那些围绕已有大量文字资料的主题所写成的长文本。你可以要求 AI 分析一段文本，并根据可读性、趣味性或一致性等标准提出改进建议。让 AI 总结一篇文章的主题和核心论点，既快捷又方便。但即使你没有时间或能力亲自阅读长篇文本，也还有一个替代方案：人类专家。优点：如果选对了专家，质量和准确性会更高。缺点：专家需要花费时间和金钱。不过，一旦你也需要为 AI 付费，并将长期总成本、客户转化率，或者专业技能的学习与练习纳入考虑，人类专家通常能提供更高的性价比。
结合所有可行方案的优点，你可以先从自己的思考开始并做笔记，然后使用 AI 或搜索引擎获得更多灵感，补充你可能忽略的方面。动笔写，让思绪自然流淌。阅读、编辑，然后重复这一过程。
之后，你可以同时请 AI 和人类专家进行审阅并提出改进建议。如果质量很重要，不要依赖 AI，而应选择经验丰富的人类校对者！
AI 助手有一个被认为是优势的地方，它让我想起 ELIZA。ELIZA 是一种早期聊天机器人，它使用简单的文本模式来回答用户，并让人们相信自己正在与一位心理学家交谈。这也被称为泰迪熊技巧或小黄鸭调试法：开发者通过大声解释问题来调试代码或厘清自己的理解，解释对象通常是一个没有生命的物体或想象中的对话者。
你可以在新泽西理工学院的网站上试用 ELIZA。
谈论你的问题并回答一些简单的追问，有助于思考和寻找解决方案。我以前曾起草过好几份错误报告和 StackOverflow 提问，但最后并未发送，因为以易于阅读的方式提供必要的细节和上下文——最好再附上一个最小可复现的代码示例——有时会直接揭示解决方案，而这个方案事后看来可能显而易见。下面是最近被 Meme Monday 引用的一个例子：
（来源：Steph Smith，由 Matt Novak 引用，后又被 Meme Monday 引用）stephsmithio paleofuture.bsky.social https://dev.to/best_codes/comment/2pe6p
AI 圈子里的人现在发现了“思考”：有时，在为 ChatGPT 编写一个足够好的提示词的过程中，我最终会自己解决问题，甚至根本不需要提交提示词。
写下你的问题
尝试向某个人解释你的问题
它为什么有效：思考是一种人类独有的技能，而且我们越经常思考，这项技能就越强。迄今为止，还没有任何算法或深度学习计算机系统能够模仿人类思考并产生创造力时所发生的奇妙过程。
AI 另一个被认为是优势的地方，也可能变成陷阱：在自己尝试之前过早寻求帮助，可能会让你的思维和想法围绕那些答案形成偏见，并阻碍你发现原本已经存在于脑海中或其他地方的、更好或更具创造力的替代方案。获得灵感的过程通常似乎是随机的。许多创作者喜欢去公园或森林里散步，或者换个地方，坐在咖啡馆、图书馆或乡间小屋里。
如果你想寻找真正随机的灵感，可以拿起一本书，随意翻开几页，在睁开眼睛之前给某些词画上下划线；也可以使用一副塔罗牌。如果这看起来过于随机，那么或许你并不需要灵感，而是已经进入了研究阶段。
如果不想那么随机，Medium、Substack、Hashnode 或 Hackernoon 等博客平台上有大量文章。你可以按主题浏览，也可以查看谁关注了谁，借此探索某位能带给你启发的作者，其灵感又来自何处。我目前在 Substack 上仍是一名鲜为人知的作者，也仍然会不时在现有的 Medium 账号上发文（现在主要用德语写作）。
使用搜索引擎，或者了解 Google 的替代方案，比如讨论区和官方文档。后者可能是触手可及的信息来源中最被低估的一种，而且无需投入太多时间、金钱或精力。
对于你不熟悉的主题，常规建议传统上可以从书店、网络或图书馆中的书籍里找到。你也可以尝试寻找一位知识丰富的人与之交谈。
使用 AI 做决策值得怀疑。它的信息从哪里来？是否已经过时或带有偏见？当你自行研究时，至少可以逐一判断自己是否信任某个来源，或者它听起来是否可疑。虚假评论和营销内容可能会把一种趋势吹捧得好到令人难以置信。边缘场景中的问题也可能与你的实际情况毫不相关。替代方案是什么？进行研究，并尽可能询问你认识的人，了解他们在大型公司或某个社区中的亲身经历。
过去流行的替代方案包括 StackOverflow，但 SO 的准则曾禁止那些容易吸引主观意见式回答的问题，其中明确包括关于最佳实践的问题。到了 2026 年，这项限制已不再执行，因为 StackOverflow 正努力留住活跃社区，并迫切寻求吸引新用户。
再说一次，文档可以成为具有权威性的宝贵事实来源。与 StackOverflow 类似，理想情况下，文档应该是其他专家认真研究和讨论的成果；如果该文档属于官方标准、事实标准或最受欢迎的推荐方案，其价值就更高。
如果你想使用 AI 做决策，请务必把问题描述得足够具体。提出批判性的追问，坚持要求它既尊重常识，也尊重你的具体需求，并坚持要求它不得忽略重要方面。询问事实的来源，并让它搜索 Web 以获取最新信息（这可能需要付费高级方案）。
编程辅助任务的范围很广，从单行自动补全建议和简单的上下文问题，到重构、静态代码分析等上下文操作，再到复杂的代码生成。
代码中的“查找问题”上下文操作，已经让我和代码审查者免去了不必要的反复完善。也可以使用代码检查工具和静态代码分析工具，作为 AI 的替代方案，或者与 AI 配合使用，以提高代码质量。
也许 AI 助手最终会推广测试驱动开发。大多数开发者不喜欢编写测试或文档。AI 生成的测试可能比没有测试好，但另一方面，它们可能会给人一种虚假的安全感，同时以幼稚或错误的方式测试显而易见的内容，长期维护代码库时可能会成为一个负担。
开发者认为 AI 让他们快 24%。但根据 2026 年 1 月发布的 METR 研究，数据表明实际上慢了 19%。费用一直在增加。
开发者花在阅读代码上的时间比编写代码多得多，但很难提前预测边界情况以及可能出现的问题和误解。即使我们尽力编写测试驱动、类型安全、整洁的代码，采用描述性的命名和简洁的文档，结果往往迟早会沦为遗留代码，让未来的开发者很难理解。
解释现有代码需要上下文、对现有代码的分析以及对常见设计模式的识别。这不能通过搜索引擎或翻阅教科书完成。根据我个人作为网页开发者的经验，我最近评估的所有 AI 工具（2025 年和 2026 年）都无法解释遗留代码，也无法提供适合修复或扩展现有项目的正确和完整答案。
在处理遗留项目时，特别是那些由不再可用来回答问题的其他开发者编写的项目，我的经验和直觉往往比 AI 更能帮助我。
到 2027 年，这种情况可能至少在理论上会改变，至少对于那些公开讨论和检查的开源代码而言，无需担心将敏感的客户数据交给错误的人。理论上，应该有足够的上下文和历史示例来理解遗留的 Symfony、Typo3 或 WordPress 项目。然而，基于 AI 迄今为止的发展轨迹，我没有看到从 2025 年到 2026 年在理解非 TypeScript、Python、Rust 或 React 的现有代码方面有任何真正的进展。AI 仍然无法理解遗留代码。
也许 AI 提供商已经专注于他们擅长的领域。这将是一个合理的选择。然而，向客户坦诚承认这一点同样是公平的。
虽然 AI 可以快速创建概念验证来评估新框架，或为客户演示创建一次性代码，或澄清需求，但不要将其代码作为生产级软件的基础。AI 倾向于引入不必要的技术债务，同时这些用于修复晦涩错误的资源本可以用于进行适当的开发。
AI 在文档完善、场景简单的情况下效果最好，比如使用 Tailwind 创建一个 CRUD React 应用来设计一个平凡的前端。但我们真的需要昂贵的语言模型来做这个吗？
有大量复杂代码库，通常作为带有有用注释的样板代码而存在，还有像（已停用的）create-react-app 这样的工具。某些技术栈有客户展示或现成的实时演示，可以让人们更好地了解情况，而不是某个 AI 生成的猜测，这种猜测很少能正常工作。
总的来说，开发者应该优先选择为特定任务设计的工具，遵循 UNIX 哲学和单一职责原则。
领域特定的代码创建工具
官方文档中找到的示例代码
GitHub 上找到的示例代码
咨询或聘请高级专家
优点：人类专家可以解决 AI 助手失败的问题。资深人士可以利用他们的经验和直觉。人类了解现实世界，可能更擅长超越明确需求进行思考（尽管大多数人不能或似乎不在乎）。缺点：人类也会犯错。人类会感到疲劳，会有自尊心，你需要给他们咖啡或报酬才能让他们工作。
使用图表工具创建技术图表。使用图形平板、矢量绘图软件，或用你自己的双手来绘制创意漫画。认真的！
在 2025 年，我要求 AI 绘制一幅漫画来说明"人类程序员会累、犯错、有自尊心，你需要给他们咖啡或报酬才能让他们工作"的观点。AI 没有对我草率的提示进行抱怨——其中的用词是从其他开发者的讨论中部分听到的，不是真正的笑话，也没有关于期望结果的任何想法。如果它不太忙，它就会继续生成一个图像，如果你不读上面的文字，你可能会把它误认为是一个有趣的漫画。
我怀疑这个 OpenAI 生成的漫画可能在没有警告我的情况下复制了某人的风格，而那个使用屏幕和键盘的碰撞测试假人看起来太愚蠢了，没有额外的文字就无法工作。
其他 AI：OpenAI vs. Google Gemini vs. Anthropic vs.
Google 的 Gemini 好不了多少，冒着风险尝试变得"有创意"，可能在模仿另一位未署名艺术家的风格。快进一年，Google 的图像生成器被称为 Nano Banana，我让它将其原始漫画重新制作成更柔和的伪复古风格，保留相同的角色和姿态。
AI 助手的行为就像第二张图中的金属机器人："收到提示，已生成代码。"顺便说一下，Grang 是谁？Laz 呢？
只不过代码通常不起作用，或者当它起作用时，它包含微妙的错误和技术债务，你稍后会发现这些问题。
这是 2026 年与 AI 聊天机器人（Claude Sonnet）的真实对话，它直言不讳地承认 AI 提供商让用户为错误答案付费：
请澄清：那些有错误的"思考"答案是否仍然计入我的 AI 代币预算，还是免费的？
好问题——是的，我的回复绝对计入你的代币预算，错误和所有内容。
我生成的每个代币——无论是正确的、不正确的、重复的还是我只是在犯错时唠叨——都会使用你的预算。你所说的"思考"可能是指某些 AI 模型进行的扩展推理，但无论如何，所有输出代币都会产生成本。
首先给了你不完整的建议（建议使用 GUI 工具）
然后给了你错误的信息（文件名中的文本域）
然后不得不多次更正自己
...你为所有这些付出了代价。这很令人沮丧，我现在更能理解那个 😵💫 反应了。
没有"免费错误更正"等级。我的回复中的每个代币——好的或坏的——对你的预算的计费都是一样的。
没有免费的"人工