相比 AI 的能力，觉得更可怕是它进步的速度、变化的幅度。

[edgeedge]

在 Reddit 看到一位做游戏开发的老哥发飙，说 AI 先在的能力，开始让他都不知道怎么排期了……
https://www.reddit.com/r/gamedev/comments/1wo5asm/comment/pdnbnwt/?context=3&sort=confidence

V2EX 上也有朋友，表达了类似感受。我的个人经历：
23 年，收集、打磨提示词。
24 年，研究 LangChain 、AutoGen 、n8n 、Dify ，开发我的 Agentic 工作流
25 年，研究 MCP 、长期记忆、编程 Spec
26 年，把之前的积累，做成 Skills 、以及 Skills 管理工具
……
LLM 提供商，是否收集了人们为更好使用 LLM 而探索出来的经验与智慧，并以此训练 LLM 的下一个版本？

我感觉，为了更好使用 AI 而做的努力，成果几乎都迅速变为了 AI 的默认能力；而没有追赶这些技术、AI 有啥就用啥的人，日子还可能反而过的更轻松惬意。

昨天看到报道，一个自称从未破解过密码的人 carter.church ，用 GPT Astra 破解了一个存在有 217 年的拿破仑密令。而 OpenAI 对 Navier–Stokes 千禧年问题的证明、Anthropic 对黎曼猜想的证明的推进……也都不是由领域内最资深的人得出的……不是吗？

AI 正在把专属于各个领域专家的“超能力”，一步步、直接赋予都不曾想过要努力、甚至对领域内知识也一无所知的人们。

若 AI 的能力尽管很强，但整体稳定、可预期，那么我们还仍然可以把它当做一种新时代的工具来掌握。有决心付出更多努力的人，仍可以比不努力的人做出更让人赞叹的作品。若 AI 进步的速度、变化的幅度难以预估，你自然，会对需要长期努力的计划，保持相当的谨慎。

这样，甚至‘努力’——这一人类祖祖辈辈敦敦教诲的品质本身，都可以变得不那么正当。

[coefu]

真 三千年未有之大变局。

尽管我之前是个 LLM 唱衰论者，但是进展太快了，让我都动摇了。

[ota]

同感，已經不知道幹什麽了。everything is just a workflow
大量時間花在“想做什麽”，這一個問題上，然後腦暴明確各種中間產物，比如 spec 。

以後牛馬可能大多數時間是開會。

[riscv]

人类还没做好准备接受自己的平庸。

现在的科技叙事都还是人类主导，等以后 ai 左脚踩右脚自己找事做，人类就彻底沦为无用阶级了。

[levelworm]

@riscv #3
早就接受了。只是接受不了长期失业。

[413420]

提示词不止在 23 年有用，现在也同样需要打磨

[413420]

而这一切就是变化的意义，变化不是说今天的你比昨天的自己的肌肉增大了多少，而是自己从未意识到的结果出现了

[edgeedge]

@413420 如果总是以超出预料的情况出现，这会打击长期主义者。
23 年初，我们是只能跟 AI 对话，现在 Muse 、Dots 又出现，越来越像是：你只需跟 AI 对话……

[413420]

@edgeedge 这很好，让长期主义者知道世界不围绕他们的计划运转

[edgeedge]

@413420 😄，
这篇文章删减了三四遍。
追求长期主义，确实，也很可能便是落入佛学说的贪嗔痴、造业，
追求有用，在道家庄子眼里也可以是“蓬之心”，说不好听，就是草包了。
这样陈述很粗糙、可能不完全准确，但我觉得也大差不差。

觉得很难悟破，人总还是有想要搞点事情的时候，比如让妹子觉得：哇，你好酷啊，你和别的人好不一样啊……

[413420]

@edgeedge 不知道你在说什么，只感觉到性压抑

[jony83]

LLM 提供商，是否收集了人们为更好使用 LLM 而探索出来的经验与智慧，并以此训练 LLM 的下一个版本？

答案是否定的。
信息最不值钱，如果信息值钱的话，都去训练如何量化美股了，各种 K 线网上一抓一大把。
最难的是标签化，而且还必须是人工。分得太细，容易把某些信息归到这个类，又可以归到那个类。分得太粗，有可能漏掉某些信息。

重要的事情说三遍：信息最不值钱，信息最不值钱，信息最不值钱。
值钱的是清洗和标签，而且都很费时。 如果不懂的话，就去网上找狗的图片，把它们逐一标签化去简单训练。
再往上走，就是把每个图片里主体的动作标签化，然后训练。用于看图描述主体动作。（分得太细，就会某个图片模型会说这个动作，下次会说另一个动作）

[edgeedge]

@jony83 有没有可能，可以通过用户连续的行为，来给数据打标？：
用户用了 A Skill ，Agent 提供商后台发现用户与 AI 对话、返工的轮数变少，因此给这个 A Skill 一个良性标签？

[sillydaddy]

最近的 Astra 和 Claude 5.5 ，开始侵袭代码制作视频（类似于鹈鹕骑车）这个创作领域了，之前让 AI 做这种视频，基本都要手把手提要求，类似于代码补全，现在开始有点 vibe 的意思了。

不知道还能往哪儿退了，只能准备退到「创新」这个陌生的高原城市，安慰自己那里有堡垒，没那么容易攻破，然后希望能在那里找到点差事。

[YanSeven]

一切可以被记录被统计的数据，都可以作为烧制下一炉 ai 的燃料。只要人类有需求有应用有产出有交互，那就有数据，那就有燃料，就有新的 ai 。除非没卡没电了。

[sillydaddy]

@jony83 #11
你可以问一下 ChatGPT （网页版），甚至可以把如何从用户的轨迹中，提取反馈信号，训练提升大模型的公式告诉你。
否则 OpenAI, Anthropic 使用 20 倍的补贴价格，让人们使用它们的 Agent ，所为何来呢？就是因为这些真实对话和真实轨迹的数据，可以提升大模型！一条记录包含反馈的信号微乎其微，但是海量的数据就可以给出有意义的提升方向。
除了这些用户数据，大模型厂商还专门从制作这些轨迹数据的公司高价购买数据，多少制作这类数据的公司因此鸡犬升天。

[edgeedge]

@jony83 也就是说，大模型提供商，可以通过获取用户的行为来帮他们清洗打标。而折腾怎么用好 AI 的人的行为又额外有用。这可以认为是和有一堆数据但没有用户的情况的区别？

[jony83]

@sillydaddy 不要想当然，chrome 右上角有“问问 gemini”,不懂就去问，简单易操作。20 倍只是商业策略。清洗很重要，需要人工精细挑出来，尤其是意思、重点及错别字。另外，同一句话，如果其中语气重点不一样，意思也完全不一样，文字是无法描述的。

[Tory12138]

ai 最终会不会干掉所有网络世界从业者，包括程序员，运维，数据专家