涨潮、克隆鼠和 Context Window
AI 的能力像涨潮,每涨一寸,人就得往高处退一步。在这种加速中,我用克隆鼠实验和大模型的 Context Window 想了想人类寿命有限这件事,发现它可能不是 bug,而是 feature。
继续阅读FROM THE COLLECTION
68 篇文章
AI 的能力像涨潮,每涨一寸,人就得往高处退一步。在这种加速中,我用克隆鼠实验和大模型的 Context Window 想了想人类寿命有限这件事,发现它可能不是 bug,而是 feature。
继续阅读在 AI 时代,Token 正在悄悄变成一种新货币。不是比特币那种需要挖矿的虚拟货币,而是更基础的东西——你能调动多少 AI 算力,取决于你有多少 Token。Claude、GPT、Gemini,背后都是 Token 在流动,它成了衡量「AI 能力」的一般等价物。 既然是货币,就可以用经济学的眼光去看它。
继续阅读工程师的薪资不再只买代码,而是买你调动算力的“杠杆率”。一位Principal工程师每天理应消耗近150亿Token来证明自己配得上那份高薪——如果你还在靠手写代码填价值黑洞,说明该重新审视自己的算力投入了。
继续阅读当AI开始吞噬我们的数据、算法把我们锁进信息茧房、技术变得极度谄媚时,我意识到这不是简单的技术问题,而是数字时代劳动者何去何从的根本追问。作为深耕技术圈多年的观察者,我想用最朴素的方式帮你看清:谁在悄悄把你变成可有可无的零件,谁又能帮你重新夺回作为人的主动权。
继续阅读作为大厂员工,在推动组织AI转型过程中感受到强烈的割裂感。这种割裂首先体现在生产力差距上——个人利用AI工具能实现十倍效率提升,但团队落地却困难重重。其次,AI代码审查引发的信仰冲突本质上是确定性思维与概率思维的碰撞。更深层的是组织层面的物种差异:AI原生公司快速迭代,传统大厂却困在流程里层层延误,再加上内部认知断层——老板焦虑而执行层躺平。作者指出,当超级个体正在利用算力快速进化时,大部分人既跟不上趋势,也缺乏消费能力,未来的通道可能收窄到少数人云端、多数人地面的科幻式分化。文章最后承认这种割裂难以弥合,每个人能做的只是选择站在想要的那边。
继续阅读在AI时代软件开发面临经验断层的难题,作者认为可以回归传统学徒制来应对。文章借鉴军队、艺术、医疗、餐饮等领域的传承模式,指出那些无法通过书本获得的隐性知识——比如代码品味、系统架构思维、风险嗅觉——必须依赖师徒间的口传心授。这种回归也意味着筛选机制的根本改变:不再只看代码能力,而是看是否值得被教导。未来行业或将分层,能找到“师父”的新人可能比大厂Offer更关键。技术狂奔之下,教育形态或许正在回望工匠精神的传统。
继续阅读作者回顾了自己从老式文曲星编程到大学C语言的经历,指出当年老师禁用goto关键字并非迂腐,而是为了逼迫学生放弃“打补丁式”的线性思维,建立面向对象的大局观。如今在AI时代,他发现提示词工程正在重演同样的戏码——人们用MUST、MANDATORY和大量“禁止”去PUA模型,这本质上就是在写自然语言的GOTO语句。模型并不能真正理解“不”的否定含义,你越强调不要做什么,反而越会把它的注意力推向那个方向。真正有效的做法是告诉模型“什么是好的”,给它清晰的示例和结构,而不是用恐惧去控制概率。作者相信,当你放下手中的鞭子,用尊重和结构去引导AI时,它会展现出超乎想象的可能性。
继续阅读作者其实是AI编程的狂热使用者,但他认为“vibe coding”这个词有些偏差——它强调了“感觉流”的随意性,却可能让人忽略背后的严肃性。作者借用历史上的“user”概念来类比,指出当自然语言变成代码时,虽然自带一种艺术创作的“氛围感”,但工业界需要的是能大规模复制的产品,而非孤品。目前的挑战在于,如何把充满不确定性的“vibe”输入转化为确定性、工业化、规模化的输出。作者提醒我们,如果承认自然语言是新的高级编程语言,那么AI生成结果不如预期时,应该反思自己的“自然语言逻辑”是否有Bug,而非一味调侃工具。作者建议以“自然语言高级编程”的心智去适应、掌握和规范它,最终造出稳固的“宜家椅子”,而不是停留在对新事物的调侃中。
继续阅读这篇文章用iPhone早期的历史来类比AI时代的开发。作者认为现在做AI Skill就像当年用Objective-C写App,虽然过程繁琐,但市场有溢价,大家都觉得是未来。我们已经有了很好的“编程语言”——自然语言,也有了各种Skill,但缺的是那台真正的“iPhone”——一个Agentic OS。这个系统不应该是简单的聊天界面,而应该像手机一样成为个性化的容器,让用户能“安装”各种Skill把它变成自己的助手。关于谁来造这台“iPhone”,作者认为Google、微软、苹果这些巨头虽然动作迟缓,但因为拥有分发渠道和入口优势,最终很可能完成自我革命,不然就会被新平台取代。
继续阅读十多年前,作者刚工作时曾挑战一天写近千行代码,那是靠体力拼执行的年代。如今AI编程工具普及,执行的门槛大幅降低,作者认为AI带来的核心价值不是快而是多——它像放大器,会平等地放大你的想法:深思熟虑的构思能产出优质产物,没想清楚的点子则只会被放大成更多垃圾。作者提醒,盲目追求速度和用尽Token反而会陷入低质量维护的陷阱。真正的效率提升应该让我们有更多尝试空间,把省下的时间花在把问题想清楚上,而不是花在无休止的会议和流程中。当执行不再是障碍,什么样的产出才是有意义的,这个问题值得我们重新思考。
继续阅读