Freil

LLM is all about human's attention
and how we connect to each other
| polyglot enthusiast 🇬🇧 🇩🇪

[tison @tison1096]

我举一个很简单的例子。

Web 应用的登录鉴权，你什么都不说，AI 可能会根据语言和生态随便套一个流行的模型就上了。如果生态里没有，AI 大概率会闭眼睛弄一个账密登录的方案。这个时候，你告诉它，现在流行的是没有密码的 One-Time Password 登录，它很可能不会问你用什么 OTP 方案，而是直接 Mock 一个实现然后告诉你已经完成。

当然，现在你知道问题是啥了，你会说那你在 prompt 里写清楚，或者在 plan mode 里把需求定清楚，或者加载对应 skill 就行。问题是这其实是一个 unknown unknowns 的事情。所以我才认为，对于创造性程序的开发，或者用户体验非常重要的软件，AI 实际每段核心代码的产出都需要 Review，因此 Agentic Coding 的带宽瓶颈实际来源于 Review 带宽。而人自己写一遍，就是一种自然的全面 Review 的方式。所以跟 AI 交互，用 AI 去探索可能性，让 AI 生成 stub，再由人定期维护核心设计和框架实现，是我目前看到在生产高质量软件场景下，生产力提效的上限。

所以我才会在 https://t.co/swBpO1SUcc 里分享目前遇到的障碍，希望能够交流分享一下实践，看看有没有人遇到一样的问题，有没有什么我没想到的尝试。

这个问题我问 AI，只有车轱辘话回答，一点意义都没有。就是 Unknown unknown，我不知道怎么问才能让 AI 给我一个有意义的回答。

[safari @safaricheung]

我过去一周用 Opus 4.6 体验 be like：

[Freil @freil42]

@L_eacc 看完也被恶心到了。。。

[yetone @yetone]

如果你认为 AI Agent 只是一个 LLM Loop 的话建议看一下这篇文章，连 Anthropic 自己人用自己的模型都要写这么多满足各种奇奇怪怪的边界条件的恶心代码，这才是真实世界的工程复杂度。更何况那些 provider agnostic 的 AI Agent 们了（我写 avante.nvim 的时候为了适配各种模型手磨出了多少茧子你们知道吗

https://t.co/mXKhVZK2uL

[tison @tison1096]

大学毕业那一年，我跟室友感慨，说如果大学期间我唯一学到了什么受用终身的技能，就是知道如何在 Google 上用正确的关键词和条件找到我需要的资料。

很多时候问题的解法都是现成的，或者可以组合现有公共知识实现。现在有了 AI，我掌握的搜索能力被全面超越。但是如何用 AI 完成查找+组合，agent 的话就是再补充一部分 feedback loop 和授权，成为了新时代的 Googling 技能。在这个技能的熟练度上，大家的起点是平等的。

[tison @tison1096]

说到这个我就想起另一件事，AI现在其实是无法涌现的，它基本上只是现有模拟的搜索和组合搬运工，你问他任何一个观点或设计方案，他很多时候从现有的blog文档和代码片段里拟合需求生成。所以他有时候会编出不存在的东西，因为他在拟合的时候，其实没有什么guarded或者说regression的东西可以帮他去做验证。

然而，很多资料不在网上，在人交谈里，或者权重严重错配。所以，你可以说AI的能力进化很快，以前连组合都不对，现在大致能组合出有效的东西。AI前沿研究很多也是在让他更正确地组合，但这个有上限，就是创造性的工作它不能自主涌现，至少得靠重度的 prompt 支援。

这个跟AI下围棋有很大不同，因为AI下围棋有一个明确的优化指标，就是最后这局棋要赢。要赢的话，每一步棋都可以算目数，算后面的演变成果。所以AI对弈可以提升棋力，棋力就是算力。一个非常明确的结果是这局棋要赢。

但代码写得对不对，需求解决得好不好，除了很少一部分可以用单测或regression test解决以外，大部分现实世界的需求，最大的问题是你无法建立一个可靠的回归指标。如果世界因agentic coding发生真正生产力革命性变化，一定是因为你有非常好的工程回归指标，验证代码质量或软件效果。如果出现这种东西，我觉得用AI可以高效地把生产力往上抬高一个台阶。但事实就是大量的编程的指标现在是没有建立起来的。

[SkyWT @skywt2003]

我感到焦虑的是，22 岁最宝贵的人生的黄金岁月，就要这样平淡地从生命中流过，并没有发生什么轰轰烈烈的或是精彩的事情。

[Dinah @dinah_zhang]

昨天还有 @freil42 说的他们在做用 AI 生成准确的 sql，都说未来查数据肯定不用 sql，如何通过 Embedding 和 Meta Retrieval 来提升精准度，想多听一些类似的内容🙋‍♂️

[Freil @freil42]

@skywt2003 写的好棒！有完全相同的感受，一切都太草率和仓促。现场connect到很多人，要么太幼稚，要么目的性太强。也感到超载，没有时间精力去遇到同频的，好玩的人。加上糟糕的公关，已经不想主动提起这个参赛经历了。

[Freil @freil42]

当你需要为联系某人找一个理由的时候 
就会陷入命运既定的安排
我讨厌这种安排
作为人，我的主体性究竟在哪里
我相信生命中最好体验一定不是接受安排
我相信和命运的对抗，这个过程本身就是最好的体验
我想要和你说话就是我找你的全部理由
目的本身就已经完成了我全部的动机
我不要再为这件事找理由

[凡人小北 @frxiaobei]

AI coding 现在这波，说实话还停留在能写点东西的阶段，看起来震撼，能 vibe 出一堆 demo，小工具也能跑起来，但真要落到中大型严肃应用上？尤其是需要工程思维、架构演进的大项目，几乎是不可用状态。

宝玉老师这个案例很经典，和我昨天尝试的抓取小工具形成了强烈的反差。

AI 正在取代初级程序员写底层搬砖的那一段，但人要成长为架构师，恰恰需要经历这段。这里面正卡着一个 AI 编程时代最大的结构性悖论：

一个高级工程师可以指挥 AI 写初级代码，但一个初级程序员，如果没经历过系统拆解和维护过程，是很难靠 AI 完成成长跃迁的。
很多人以为“写 prompt 就是掌控 AI”，但其实你只是外包了自己的成长路径。
它能让你少走弯路，但也可能让你少了成长路径。

过去程序员的成长路径是这样的：

写业务逻辑 → 写组件 → 理解系统调用 → 学会分模块 → 负责整体架构

现在 AI 可以直接跳过前三步，把一个中等需求变成一堆可运行的代码。
但这就导致：
初级工程师没了“动手拆系统”的锻炼过程，失去了认知构建系统复杂性的机会。

那该怎么办？
1. 从写代码转向写认知
•过去是：你得写代码证明你能干
•现在是：你要能精准表达需求 + 审阅代码结构 + 调整系统行为

2. 做小系统的 owner
•用 AI 快速搭小系统（几百行）
•主动承担维护、迭代、测试、打包上线的完整流程
•在反复把小系统做稳定的过程中，去积累架构感、系统感
用 AI 打磨 100 个小系统，比自己慢慢写 10 万行更值钱。

3. 习得系统改造力
•多参与别人用 AI 写出来但运行不稳的项目
•把别人 demo 接手成可维护产品
•你就会发现：系统思维是无价的，AI 只是快捷键

你不用从零造车，但你得知道车怎么跑、哪儿容易坏、怎么换件。

AI coding 的未来毋庸置疑，但今天你
该花时间修炼的是，能不能构建系统、维护复杂度、协调模块演化。

AI 是神兵利器，但你得会打仗。
未来比的不是谁写得快，是谁指挥得动一整个系统。

[毒猫猫 | 量化摸鱼师 @NekoStranding]

有点意思... 聪明人的需求首先是其他聪明人

[Freil @freil42]

@xiao_mengjiang 同问

[Freil @freil42]

@xiao_mengjiang 欢迎来杭州呀！👋

[Freil @freil42]

@ixiaowenz 关注！🙋

[Freil @freil42]

@xiao_mengjiang 好厉害！！！

[Freil @freil42]

多样性不是竞争的产物，是逃避竞争的产物。

[Nextify @nextify2024]

真相了😆

[Freil @freil42]

@nextify2024 亏成首...？

[Kai @real_kai42]

【转发+点赞 抽奖】
我的小册正式上线啦！

在基础模型的质量、价格和速度已经达到可用程度后，应用将是另一个爆发点，曾经无数难以解决的语义理解、逻辑推断、复杂对话任务，现在通过非常简单的 prompt 就能解决。这给应用层近乎无限的想象力，所有应用和交互模式都值得用大模型的思考方式重新审视。

这本小册面向前端工程师，仅假设读者有 js 背景，从大模型的基础概念讲起，学习大模型最流行的 RAG 和 agents 开发范式，跟上大模型时代的发展。
在实战章节，我们会突破传统的 ChatBot 常规实战，带大家尝试新时代的编程范式。去把玩图形化交互界面（GUI）下一个时代的大模型交互（LLM_UI）。也会分享我对大模型优势和擅长点的思考，做一些贴合大模型优势且好玩有趣的实战出来。

扫码或者点击下方链接购买
https://t.co/FeNg9q1QWP

上新前七天六折优惠，使用优惠码 RodzT9XH 享五折优惠，数量有限
转发+点赞 本条推
抽 5 个朋友报销购买小册的💰
抽 10 个朋友送 qwerty 的贴纸（图二） 🫡

希望大家能在这本小册里玩得开心 ❤️