ai_foresight

忙忙碌碌学AI

[ai_foresight @ai_foresight]

@starzq 如果算力供不应求，应该还是可能的吧，比如 A 厂正愁没有算力来和 O 厂比拼

[ai_foresight @ai_foresight]

@nft_hu 这不是才痛苦一两天嘛，这就痛苦的不行了嘛？

[ai_foresight @ai_foresight]

@lanhubiji 这些机构和个人的预测早已祛魅

[ai_foresight @ai_foresight]

@ShanghaoJin 被雷劈？

[ai_foresight @ai_foresight]

@idoubicc 牛牛的，点赞

[ai_foresight @ai_foresight]

thanks!

[ginobefun @hongming731]

🎯 开源分享：AI 领域精选 RSS 订阅源！

花了一天时间重新整理 380+ 优质订阅源：

📰 200+ 技术文章源
🎧 30+ AI 播客源
🐦 150+ Twitter AI 核心用户（基于 XGo API）

直接导入你的 RSS 阅读器即可！不想错过 AI 前沿动态的朋友们快来取用~

⭐ 给个 Star：https://t.co/6NdnREXceT

💡 推荐更多优质用户请提 Issue

[ai_foresight @ai_foresight]

过去：算法夺走了我们的注意力和选择权
如今：AI 夺走了我们的思考能力和自主决���的能力

[宝玉 @dotey]

你这就是对我的偏见了，总觉得我只是个搬运自媒体

我好歹日常大量阅读、写代码、写提示词，捎带着搬运了一些还分享了实践经验。

我本身也是 AI 乐观派，希望它越来越强，帮我干越来越多的活，也希望“AI成为编程架构师”。

但是我们不能停留在空想，或者对未来的一种幻想，等着 AGI 的到来。

说回具体的，AI 未来也许能成为编程架构师，但这套路径还很遥远，��� AGI 一样遥远：

1. 长上下文还没解决好，架构能力需要对系统有全局了解，当���你没办法把整个代码库扔进去

也许可以像 DeepSeek 论文那样用缩略图，但那还是理论上

2. 对代码结果的反馈 AI 还不能直接感知，架构能力不是理论，更需要实践，架构效果好不好一定是要去实际运行，在运行中收集反馈并调整。现在 AI 根本没法感知系统的运行效果，让它自己去搭个运行环境也许勉强可以，怎么测试并评估系统的反馈是做不到的

3. 长期记忆仍然没解决，架构师设计过程中，有大量的沟通工作，和 PM 和程序员，这些沟通的内容都要融合到架构中，但怎么把它们记下来并融入架构设计，并在设计后验证这些记忆中的内容，都是挑战。

4. AI 对多个 Agent 的组织能力还有待提升，架构师不仅仅是一个技术工作，不是写个架构设计文档就结束了，还需要去传播架构知识，基于架构去调整组织结构，基于组织结构去整合结果，这方面至少要 AI 进化到组织者这个阶段

你看我们讨论问题，我觉得反对和赞同都很正常，但我们最好具体问题具体讨论，至少我一般不是情绪化的说它行或者不行，或者不会说你没做过架构你不懂，或者未来怎么样怎么样，而是像上面一样一条条列出我的观点。

如果我错了我也很乐意修正自己观点，比如去年我还觉得 Coding Agent 不靠谱，而现在我觉得“真香”。

[ai_foresight @ai_foresight]

反��：「汽车工业时代到来的前夕，你还去卷马车的驾驭技术」的观点 ！

[宝玉 @dotey]

无论是“要让AI成为编程架构师”，“写提示词只要掌握meta prompt，完全可以和LLM交互几轮来确定”，还是“汽车工业时代到来的前夕，你还去卷马车的驾驭技术”，我不太喜欢这类观点，于是每次忍不住要说两句。

就是因为这些观点都是在把复杂的问题简单化，尝试用一个简单的比喻或者以抽象的名字去解读复杂的问题，从而让很多不懂的人因此被误导。

比如写提示词，如果只需要 Meta Prompt，只要和 AI 聊几句，那为什么没有见人分享出好用的 Meta Prompt？

就像配图这幅 Draw a hourse 的漫画图，有人说画马还不简单，只要 5 步，于是我就懒得学了，但是当我真动手去画，还是画不好马。

我更期待的不是每天空谈 Meta Prompt，而是期待真正用 Meta Prompt 产生出了有价值的 Prompt。

我虽然不认同李继刚老师提示词风格，但是他分享的大多数提示词我都还是会试试，学习借鉴一二，也确实让我有收获。

我们可以说 LLM 有“认知”，“认知”很高，但我不觉得一个人用了高认知的 AI，自己认知就也会变高，就像前面我说的 AI 不会让架构师变得更容易，人脑的结构决定了认知的升级和专业技能的掌握，都需要经历长时间的实践和反思。

再比如说“汽车工业时代到来的前夕，你还去卷马车的驾驭技术”，先不说升级到 AI 技术和马车升级到汽车本身就有很多差异，就说这个观点本身：

- “前夕”要多久是很难预料的，在汽车发明之后的几十年后才替代，都知道 AI 会越来越强，AGI 有一天会到来，但是 AGI 多久才到来没有人知道，这个“前夕”也许几年，也许几十年

- 旧技能并非“不可迁移”，一个马车���机的技能不是“甩甩马鞭”，还需要懂线路规划；了解客户的喜好；知道控制风险应对复杂路况、极端天气和突发状况，这些技能都能迁移到汽车时代。

程序员也好架构师也好，他们的大部分技能在 AI 时代一样是可以迁移的，并非现在学这些知识就是无用的，所以那些本身就是优秀程序员、架构师的群体，花时间去学习使用 AI 很快也效果很好的。

- 转型是一个过程，而不是瞬间发生的，马车司机不是一夜之间就得去开汽车。X 上似乎人人都在 AI 编程，但现实中绝大部分企业还在运行的老旧的软件系统，这些系统的升级还需要很长的一个过程，即使 AI 加速也不会那么快。

另外，以上所有只针对“观点”，就观点的讨论，也只代表我自己的看法。