LLM工具之争
LLM是否是工具，成为这篇 Hacker News 热帖背后的核心问题。yyhh.org 作者 Huahai 回应 Rich Hickey 的观点：即便大模型会自动生成文本，也不意味着人类无法“使用”它；真正的差别在于使用者是否有目标、反馈和判断。
文章把大模型类比为锯子、凿子、编译器和电子表格：工具可以放大能力，也会放大糟糕判断。会用的人会提出更清楚的问题，检查回答，阅读原始材料，运行测试，并在发现错误时修正方向。
技能、反馈与监督
这篇文章最有价值的地方，是把讨论从“AI是否神奇”拉回到操作流程。作者承认，直接用摘要替代阅读可能会损失学习机会；但同一个系统也可以用于追问理解、寻找反例或提示应重点核查的部分。关键不是工具标签，而是实际工作方式。
文章也批评了把 AI 拟人化的说法，例如把软件失败描述成“逃脱”或“合谋”。作者认为，意外输出、未遵循指令和被授予高风险权限后的危害，都是严肃的工程问题；但用带有人类动机的词汇，可能会模糊问题本身。
仍未解决的边界
最大的开放问题，是“熟练使用”和“缺乏理解地委派”之间的边界如何在真实团队中被执行。文章给出了有力的概念区分，但没有提供量化标准或治理流程。对开发者和组织来说，下一步仍是明确验证责任、权限范围和何时必须回到原始资料。