bojie_li分享AI学习和研究的核心方法

非常赞同。如果不自己动手做模型，用模型，对 AI 的认知是会产生偏差的。而且不要指望权威能告诉你 “正确” 的认知，frontier lab 不同人的观点也不一致，而且进化很快。

最近我那本《深入理解 AI Agent》，一些读者反馈读了像政治书，一大堆理论不知道怎么落地。还有一些读者说现在 Claude Code / Codex 这么好用，为啥要自己做 Agent。其实关键就是自己动手做书中的实验，做自己生活和工作需要的 agent，从中积累对模型能力边界的认知。

Jeff Dean 前段时间的一个访谈也是这个意思，摘抄一下：

Q： 你是怎么判断一项技术是真正具有基础性价值还是只是当下比较流行？有没有什么一直没变的研究和工程原则？

Jeff Dean： 我经常跟学生说：与其非常仔细地读完一篇论文，有时候快速浏览10篇论文反而更好。

因为这样一来，你脑子里会多出10个关于“什么事情可能开始变得可行”的点，甚至可以快速扫100篇论文摘要。

因为你真正想具备的能力，是把那些此前还没有被连接起来的重要想法连接起来。

有时候当你面对一个很困难的问题，如果脑子里已经知道很多事情正在隐约变得可行，它就会帮助你重新理解整个问题。

一开始这个问题可能看起来有七个部分，每一个都解决不了，但重新看一遍，你可能会发现，其中五个方向已经有一些研究开始成形，可能足以解决其中一部分问题。

然后还剩两个问题，你现在完全不知道该怎么做，但如果认真投入，你觉得自己有可能把它们解决。

对我来说，这类问题才真正值得长期投入，可能一做就是五年。

如果一个问题看起来要20年才能解决，而且眼下连其中任何一块该怎么突破都完全没有头绪，那通常还太早。

同样，一个两年就能完成、具体路径已经非常明显的问题，更多是在做实际工程。

真正值得寻找的，是那些可能需要一种很不一样的方法，同时又已经开始变得可行的问题。