人们常说，大型语言模型（LLMs）显著提高了程序员的效率，有时甚至能达到五倍或十倍的提升。但这些故事往往很少伴随着明确的、具体的实例，让人难以判断这到底是现实还是一种错觉。
最近，LessWrong上的一篇文章探讨了这个问题：LLM工具的真实生产力提升究竟有多少？作者和评论者一致认为，这种广泛流传的「5到10倍」提升大多是夸大的。实际情况更微妙一些：在某些特定场景下，LLM确实带来了显著提升，但这种情况并不普遍。
首先，在小规模、孤立、明确定义的任务上，LLM的作用尤其突出。比如生成简单的脚本、快速写出一次性的工具脚本、处理不熟悉的技术栈、或构建初始的界面原型，这些任务往往能够迅速完成，节省大量时间。另一方面，涉及复杂架构设计、维护大型代码库、或需要深入理解和规划的任务，LLM却经常无能为力，甚至可能拖累进度。
一个更具现实意义的估计可能是：整体开发效率提升大约在10%到30%左右，其中的大部分优势源于减少了学习和尝试错误的成本，而非全面彻底地改变了编程的核心流程。
评论中也提到一些隐性成本：LLM生成的代码往往需要额外的修正和整理。这些成本容易被忽视，因为「快速生成代码」的快感掩盖了后续的调试与维护负担。一些公司和开发者未能系统地衡量这种隐性的损失，因此误以为自己的生产力大幅提升。
另外，还有一个重要的观点是，生产力的瓶颈可能并非纯粹是编码本身，而是整个开发流程中的协调、沟通以及需求澄清。LLM可以加速编写代码，但无法缩短与客户和团队沟通需求的时间，无法缩短会议，无法解决反馈循环的延迟。这种情况意味着，即便某一环节速度提升了5倍，整体生产速度可能只会提高20%到30%。
简而言之，大型语言模型的出现确实改善了开发者在某些具体任务上的效率，但远非普遍适用，也并未带来软件行业整体的显著加速。目前来看，它更像是一种实用的辅助工具，而非革命性的生产力飞跃。