AI时代想提升竞争力？周末用代码Agent做个小练习

如果你在AI时代对自己需要具备什么竞争力感到迷茫，我推荐你利用这个周末试试看：

- 用编码AI代理
- 选一个你熟悉且有专业度的领域主题
- 做一个随便什么产品或工作流
- 专业度越高的领域越好
- 尤其是包含大量「推理」和解读的领域越好

在这个过程中，你需要观察这些点：
- 基本上，假设大语言模型什么知识都懂是没错的，但
- 模型给出的答案会根据提示者提供的上下文、方向以及提示策略千差万别
- 在答案相对“固定”，也就是确定性很强的工作中，它能给出满足一定质量要求的答案，但
- 在答案会随推理和解读空间产生细微差异的工作中，它会过度迎合提问者的意图
- 也就是说，如果你在这类领域强行顺着模型的意见走，模型也不会有什么抵抗就顺着你走

但在需要多样解读或细微推理的领域，一味迎合所有意见是无法产生价值的。所以高附加值工作通常依赖「隐性知识」和「专业能力」。本来隐性知识就不是容易解读的领域，需求方也不会为这类知识支付高价值，这是理所当然的。

懂得如何通过评估将隐性知识转化为确定性行动，是目前放大个人专业能力最好的方法。在这个过程中你会感受到：
- 随着模型发展，隐性知识消失的速度相当快
- 但同时，模型倾向于过快根据提问者意图修改意见，所以最终（至少目前来看）工作流的上限还是由设计和使用它的人的专业能力决定
- 如何解读并接纳提问者意图也是对齐的问题，所以这个领域不会很快消失（这是我个人意见）

接下来你需要持续处理的课题是：
- 不断思考：某个特定任务无法用AI完成，到底是因为我的专业能力不足，还是模型本身的能力倾向有局限，又或是我设计的框架或工作流不完善？（说实话这个真的很难）
- 通过不断使用前沿模型，持续掌握它们的能力和局限
- 对比同一个前沿模型过去和现在的能力，感受能力变化的速度

我正处在通过这个过程慢慢摸索自己能做什么的阶段。这些都是基于目前现状的看法，说不定哪天超级AI出现，这些思考就都变得毫无意义了。

感谢阅读。我觉得这真的是很难的课题。我还记得上次我发了关于这个思考的帖子之后，大家给我的共鸣。我们想要AI具备能承接这类推理的能力，模型本身虽然没有极限，但会受提问者和工具限制，所以经常出现无法完全发挥模型性能的情况，大概就是这么回事吧。