过去一年，这位开发者经历了激烈的内心挣扎，最终决定在所有专业项目中主动避免LLM。他此前不仅构建过生产级的CNN图像识别和TensorFlow空气质量预测模型，还在个人实验室本地运行过LLM和扩散模型，并向GitHub贡献代码，因此并非技术上的反对者。

他特别认同一篇题为《Why I Resist Generative "AI"》的文章，认为LLM并非“只是工具”，而是一项服务，把核心工作外包给通常位于美国的第三方公司。这种模式让开发者失去对最终输出的控制，也模糊了知识产权和责任边界。

在他看来，当前围绕LLM的狂热宣传被严重夸大，对程序员的日常工作方式和长期职业健康都构成潜在危害。真正有价值的机器学习技术值得尊重，但把生成式AI当作万能助手，可能会削弱基础编码能力和批判性思维。

这一立场对中文开发者社区具有提醒意义。在AI编程工具日益普及的今天，不妨停下来审视自身使用场景：哪些任务真正需要LLM，哪些更适合保留人工判断。保持对技术的清醒认知，才能在快速迭代的行业中长期立足。建议大家阅读类似反思文章，结合自己的项目经验，制定理性的AI使用原则。