Не только. Надо понимать как это всё работает. У LLM нет способности мыслить, они всего лишь подбирают наиболее вероятное продолжение к имеющемуся тексту. При этом общие модели натренированы на огромных массивах текста из интернета, а копилот натренирован на совокупности всего кода в Github (естественно с нарушением всех лицензий). То есть, выбор наиболее вероятных продолжений – это по сути сконцентрированная посредственность. Да, если ты новичок или глуп, то выхлоп LLM может показаться стоящим. Если ты эксперт – ты найдёшь грубые ошибки в каждом предложении. Точно так же с копилотом – его выхлоп есть всего лишь компиляция кода из Github, без понимания, насколько хорошо это в данном месте подходит, и насколько качественна сия имплементация. Вот например: https://news.ycombinator.com/item?id=39168105 Использование копилота также ведёт к увеличению количества кода (причём этот код запросто будет смешивать разные парадигмы, и программист вероятно даже не будет их понимать). В итоге использование копилота долгосрочно ведёт к снижению продуктивности. К тому же сообщения о бусте продуктивности были сильно преувеличены. https://hackernoon.com/github-copilot-review-does-it-reall... :"Contrary to the claim suggesting a 55% boost in productivity, the actual outcome fell short. On average, teams experienced a moderate 10-15% improvement in productivity related to generating new code".

Доказательная медицина, COVID-19, ЗОЖ