最近网上关于”手机上打麻将有没有挂“的讨论非常激烈，小编也是随机抽取二位网友的提问 ，结合网友提供的信息来源
，来对大家关心的问题分析探讨，希望能对你有所帮助 。

提问一：“亲 ，顺欣棋牌有挂吗 ”这个游戏其实有挂的
，确实是有挂的，需要了解十客服微【85104890】

软件介绍:

1.99.9%防封号效果,我们保证不被封号2.此款软件使用过程中,放在后台,既有效果3.软件使用中,软件岀现退岀后台,重新点击启动运行4.遇到以下情况:游/戏漏/洞修补 、服务器维护故障
、等原因,导致后期软件无法使用的,请立即联系师傅修复5.此软件售出前,已全部检测能正常安装和使用.

【央视新闻客户端】
提问二：“欢喜广西麻将能开挂吗
”也有的,了解+微【85104890】这款游戏可以开挂的 ，确实是有挂的

神译局是36氪旗下编译团队，关注科技、商业 、职场
、生活等领域
，重点介绍国外的新技术、新观点 、新风向
。

编者按：当业界沉迷于用AI提效的幻象，本文以程序理论与熵增原理揭穿残酷真相：过度依赖LLM正加速工程师批判性思维退化 ，而重塑技术敬畏已成生存必修课。文章来自编译 。

自2022年末AI浪潮席卷公众认知以来
，相关讨论已汗牛充栋
。作为从业二十年的软件工程师，我想谈谈观察到的两种危险认知。

不会真的有人把程序当成自己的伙伴 ，这话的潜台词其实是：LLM能给用户带来巨大收益 。

把LLM当盟友的工程师
，往往被迫或主动追求速度至上——对他们而言，交付速度比思考深度更重要。虽然LLM确实能快速生成代码 ，但也会伴随着各种长尾风险：

输出风险：LLM可能给出明显错误的代码（比如无法编译的）
，更危险的是生成看似正确实则暗藏逻辑漏洞的代码
。如果使用者缺乏判断能力（比如让项目经理生成源代码），风险将陡增。

输入风险：LLM不会质疑存在诱导性、前提错误或语境缺失的指令 。例如工程师要求“用C#实现线程安全的列表” ，得到200行完美代码——但这仍是错误答案
，正确问题应是“如何让这段代码线程安全 ”，正确答案只用加一行代码"System.Collections.Concurrent"
。LLM无法识别这种XY问题 ，因为你没要求它这么做。

未来效率：这是升级版“技术债
”问题 。AI能以惊人速度摧毁代码质量
。见过囤积癖患者的屋子吗？外表光鲜，内里却污秽不堪。开发者正发现：缺乏严格约束时
，LLM生成的代码正是如此 。

能力退化：当个人或组织将思考外包给LLM，人才将迎来灭绝：

资深工程师失去在攻坚中成长的机会 ，现有能力逐渐萎缩：

“微软研究发现：AI带来的自信常以牺牲批判性思维为代价”

“在这个推崇‘条件反射式AI使用’的世界
，我主张保留编程的手艺本质 ”

“LLM直接给我成品结论，却剥夺了思维成长的过程”

初级工程师永远无法建立核心能力 ，更遑论培养下一代
。

创造剥夺：众多开发者反馈AI夺走了心流状态和创造乐趣。

答案是不会 。当然
，有些举措能让你在LLM时代更具不可替代性，这将另文探讨
。

LLM永远无法具备两种编程核心能力：程序理论（program theory）与程序熵（program entropy）。

......严格来说 ，编程应该看作是一种程序员对手头事务形成或达成某种洞察
、理论的活动

这位计算科学泰斗指出：程序不是源代码
，而是大家分享的心智建构：一种理论或设计 。工程师从中衍生出代码，但真正有价值的产物是设计而非代码。

理解程序理论与代码文本差异的实验：让水平相当的两组工程师隔离工作
。A组开发终端象棋程序 ，B组等待。完成后将A组代码交给B组
，要求两队同时添加人机对战功能 。

答：A组
。因为他们刚构建完程序心智模型，B组则从零开始。

诺尔认为 ，程序终需维护改造 。如果只是掌握代码而无设计洞察，改造成本将倍增
。回想我们初次接触大型代码库时
，效率总是从零开始爬升——这正是心智模型加载的过程。

现有LLM受限于上下文窗口，永远无法掌握程序理论 。唯有人类能构建并保有这种心智模型
。

......程序开发是熵减过程... ...维护则是熵增过程 ，再精妙的维护也只能延缓系统沦为不可修复废品的进程

这位计算机先驱断言：开始开发程序后
，任何修改都必然增加复杂度。但符合设计理念的改动能延缓熵增 。

LLM本质是token预测器，仅工作在文本层面
。它无法进行概念性思考——不会推理理念、图表或需求文档。所有用过LLM修改过大段代码的人都目睹过：它常进行诡异的多余改动 ，对话越久偏离越远 。诸位见过几次LLM真正降低来代码复杂度的？

两位先驱对软件设计与复杂性的洞见
，恰是这个时代的解药。

若你期待AI助推职业生涯，警惕它可能适得其反——LLM正在加速能力退化
。

若你已是资深工程师却担忧失业 ，请建立更辩证的认知：LLM永远无法取代人类工程智慧。

企业追逐AI旨在通过工程标准化降本
，但正如离岸开发的经验所示，LLM不仅难达预期更衍生新风险 。眼下滥用AI的企业必将承受长尾成本 ，要么转型要么消亡
。人类工程师的长期价值从未改变——世界始终愿为技术实力与深度思考买单。

AI不会消失
，但请把它当成工具，而不是拐杖 。持续深耕2019年就被珍视的那些工程核心能力吧
。

聚焦全球优秀创业者 ，项目融资率接近97%，领跑行业

神译局是36氪旗下编译团队
，关注科技 、商业
、职场、生活等领域，重点介绍国外的新技术 、新观点
、新风向。

编者按：当业界沉迷于用AI提效的幻象 ，本文以程序理论与熵增原理揭穿残酷真相：过度依赖LLM正加速工程师批判性思维退化
，而重塑技术敬畏已成生存必修课 。文章来自编译
。

自2022年末AI浪潮席卷公众认知以来，相关讨论已汗牛充栋。作为从业二十年的软件工程师 ，我想谈谈观察到的两种危险认知 。

不会真的有人把程序当成自己的伙伴
，这话的潜台词其实是：LLM能给用户带来巨大收益
。

把LLM当盟友的工程师，往往被迫或主动追求速度至上——对他们而言 ，交付速度比思考深度更重要。虽然LLM确实能快速生成代码
，但也会伴随着各种长尾风险：

输出风险：LLM可能给出明显错误的代码（比如无法编译的），更危险的是生成看似正确实则暗藏逻辑漏洞的代码 。如果使用者缺乏判断能力（比如让项目经理生成源代码） ，风险将陡增。

输入风险：LLM不会质疑存在诱导性、前提错误或语境缺失的指令
。例如工程师要求“用C#实现线程安全的列表
”
，得到200行完美代码——但这仍是错误答案，正确问题应是“如何让这段代码线程安全” ，正确答案只用加一行代码\"System.Collections.Concurrent\"。LLM无法识别这种XY问题，因为你没要求它这么做 。

未来效率：这是升级版“技术债 ”问题
。AI能以惊人速度摧毁代码质量。见过囤积癖患者的屋子吗？外表光鲜
，内里却污秽不堪 。开发者正发现：缺乏严格约束时，LLM生成的代码正是如此
。

能力退化：当个人或组织将思考外包给LLM ，人才将迎来灭绝：

资深工程师失去在攻坚中成长的机会
，现有能力逐渐萎缩：

“微软研究发现：AI带来的自信常以牺牲批判性思维为代价
”

“在这个推崇‘条件反射式AI使用’的世界，我主张保留编程的手艺本质”

“LLM直接给我成品结论 ，却剥夺了思维成长的过程 ”

初级工程师永远无法建立核心能力
，更遑论培养下一代。

创造剥夺：众多开发者反馈AI夺走了心流状态和创造乐趣 。

答案是不会
。当然，有些举措能让你在LLM时代更具不可替代性 ，这将另文探讨。

LLM永远无法具备两种编程核心能力：程序理论（program theory）与程序熵（program entropy） 。

......严格来说
，编程应该看作是一种程序员对手头事务形成或达成某种洞察 、理论的活动

这位计算科学泰斗指出：程序不是源代码，而是大家分享的心智建构：一种理论或设计
。工程师从中衍生出代码 ，但真正有价值的产物是设计而非代码。

理解程序理论与代码文本差异的实验：让水平相当的两组工程师隔离工作 。A组开发终端象棋程序
，B组等待。完成后将A组代码交给B组，要求两队同时添加人机对战功能
。

答：A组。因为他们刚构建完程序心智模型 ，B组则从零开始 。

诺尔认为，程序终需维护改造
。如果只是掌握代码而无设计洞察
，改造成本将倍增。回想我们初次接触大型代码库时，效率总是从零开始爬升——这正是心智模型加载的过程 。

现有LLM受限于上下文窗口 ，永远无法掌握程序理论
。唯有人类能构建并保有这种心智模型。

......程序开发是熵减过程... ...维护则是熵增过程
，再精妙的维护也只能延缓系统沦为不可修复废品的进程

这位计算机先驱断言：开始开发程序后，任何修改都必然增加复杂度 。但符合设计理念的改动能延缓熵增
。

LLM本质是token预测器 ，仅工作在文本层面。它无法进行概念性思考——不会推理理念
、图表或需求文档 。所有用过LLM修改过大段代码的人都目睹过：它常进行诡异的多余改动
，对话越久偏离越远
。诸位见过几次LLM真正降低来代码复杂度的？

两位先驱对软件设计与复杂性的洞见，恰是这个时代的解药。

若你期待AI助推职业生涯 ，警惕它可能适得其反——LLM正在加速能力退化 。

若你已是资深工程师却担忧失业
，请建立更辩证的认知：LLM永远无法取代人类工程智慧。

企业追逐AI旨在通过工程标准化降本，但正如离岸开发的经验所示 ，LLM不仅难达预期更衍生新风险
。眼下滥用AI的企业必将承受长尾成本
，要么转型要么消亡。人类工程师的长期价值从未改变——世界始终愿为技术实力与深度思考买单 。

AI不会消失，但请把它当成工具 ，而不是拐杖
。持续深耕2019年就被珍视的那些工程核心能力吧。

                       
2025年07月02日 17时39分46秒