节点深耕 / Agentic

AI 替代论：焦虑、边界与协作方式

本文从一线使用场景出发讨论 AI 带来的效率提升与替代焦虑，并给出“把 AI 当增幅器而非替身”的实践判断。

2024-03-01约 5 分钟阅读
#node/agentic #LLM #Prompt #AI Native

最近一年的体验是：AI 能力在快速变强，使用门槛和成本在持续下降。无论是 App 端还是 API 端，接入方式都越来越成熟。

这意味着 AI 会更深地嵌入业务软件，承担生成、推荐、翻译、摘要等高频辅助任务。问题不再是“要不要用”，而是“如何用得更稳、更可控”。

我的几个使用场景 ​

写代码 ​

ChatGPT 对编程需求的理解和输出都比较准确，还能给出 mermaid 流程图。

  • 常规的，如“给定一个数组，求最大值”、“给定一个字符串，求最长子串”这样的算法问题，或是“用 golang 实现一个 http server”、“用 python 实现一个简单的爬虫”这样的编程问题，也能给出基本可用的实例。

  • 使用 Prompt 和 CoT，对问题和答案进行逐步追问，还可以微调输出的结果。

Copilot 的上下文补全能力，则进一步增强了可用代码的编写。

  • 当 ChatGPT 生成的代码不可用或太过简化，你可以复制到 IDE 中并选择性的注释掉一部分，然后 Copilot 会根据上下文进行补全
  • Copilot 工作在 IDE 中，生成效率更高；在关键位置只需要写一个空函数或者注释，就可以一路 tab 走了
  • Copilot 还能根据当前文件、项目的上下文进行生成，这样的代码更符合当前的代码风格和规范

写文章/文档 ​

同样的，书写文章大多数时候也是从想法到提纲，提纲到段落的发散模式。

  • 借助 AI 构建提纲和调整重点，比如给出一些 role cast prompt - “你是一个金融领域的专家...”
  • 通过 AI 进行段落的补充和调整，写出自己的草稿或是想法，让 AI 进行段落补全
  • 使用 AI 校审和补全，或是生成简介和总结

Copilot 也能辅助进行文档的编写，比如给出一些模板和提示，在 Markdown 中插入代码块、参数列表等，都能大大增加效率。反过来，这些文档又能辅助之后的代码开发。

翻译和语言学习就更加简单了 ...

搜索 ​

在 perplexity.ai 出现前，就有不少通过 RAG 模式实现的搜索引擎。这样的搜索引擎能够更好的理解你的问题，在茫茫多的搜索结果中找出相对准确的内容。甚至很多问题，你都不需要去查看搜索结果，AI 会直接回答你。

这个模式同样可以应用在文档的搜索和管理中，通过 AI 进行文档的索引和搜索，能够更快的找到你需要的内容。

如何稳住船帆 ​

我以为的 AI：洗衣、做饭、扫地，脏活累活它都干
实际上的 AI：码字、画图、翻译，把我干失业 ...

生成式 AI 因为基于上下文的“生成”的原理，最先影响的就是文字相关的工作。就以我个人而言，写代码、写文章、翻译、做计划等都会用到 AI。一开始是惊叹于 AI 的速度和准确度，依赖度越来越高，焦虑也越来越重 ——

AI 变的更强之后，是否将无人生还？

  1. 通过 AI 完成大量工作，人能做的工作更少了。要么经济发展持续增长，要么人类的工作会被 AI 取代，这是一个不可逃避的问题。
  2. 依赖 AI 完成大量工作，人能思考的问题更少了。“学而不思则罔，思而不学则殆”，进步需要建立在反复的思考和实践，缺失了这些机会，人的认知和创造能力会下降。

最新的大模型，上下文已经达到了 200k，可以完整的输入一部《西游记》并进行问答。算力的进一步增加，模型参数的进一步丰富，会让 AI 的能力进一步增强。

你花费了大量的时间和精力学习的知识，AI 可能只需要几秒钟就能“学会”。

如何乘风破浪 ​

如果因此感到焦虑，那就已经跨出了“战胜AI”的第一步 —— 思考。

焦虑来源于思考，我们应该如何应对 AI 的发展？我们如何才能避免被 AI 取代？我们如何才能更好的利用 AI？

AI 登峰造极，适者恰逢其会 ​

  • 一方面，AI 节省了大量的时间和精力。
    • 工作领域能带给我 10~30% 的效率提升，非工作领域则有高于 40% 的时间节省。
    • 过去需要找大量的渠道和时间来获取信息，现在可以通过 AI 明确目标并快速搜索。
  • 另一方面，AI 的发展也会带来更多的机会和挑战。
    • 只要能够提高效率，就是有意义的。工作中、生活中，科学技术、地产销售、金融保险。
    • 对已有知识的融会贯通，对新的知识的快速学习，能够加速自己的成长。
  • Copilot Everywhere
    • 习惯并接受 AI 辅助的存在 ...

其他 ​

即使 AI 已经在科技公司、金融公司、媒体公司等行业中得到了广泛的应用，但并不代表它就是未来的全部。AI 的改变不会是颠覆的，或者说对大多数行业不会是颠覆的。

  • 当前的生成式 AI 还有很大局限性

目前火热的 AI 产品，大多是基于大模型的文生文、文生图应用，同质化严重，缺乏差异化的产品和服务。有少量和穿戴设备、硬件、机器人进行结合的项目，但是还没有产出商业化的产品。很多线下场景还无法触及。

  • 人的认知是无法跃升的

不同年龄、不同地区的人对 AI 接受度和使用方式都有很大的差异。

  • 数字化进程还没有完成

很多行业本身的数字化程度低，本身就缺少标准化的数据和流程。在使用 AI 时很容易被带偏，甚至产生错误的决策。

  • 自己的思考才是最重要的

在和家人相处的时候，吹吹风、聊聊天、吃吃喝喝，很少会想到用 AI 去做什么。
遇到瓶颈时，AI 也不会给出很好的建议。还是需要自己去思考，去尝试，去实践。
AI 是辅助，不是替代。