#AI原住民

lidang 立党（全网劝人卖房、劝人学CS、劝人买SP500和NASDAQ100第一人）

1天前

我认为，这个时代的AI-native generation（AI原住民）应该做到以下几点： 1. 日常模模糊糊地关注各家厂商的LLM model，像旧时代关注手机和汽车评测的人们一样，看看发布会，看看benchmark，第一时间迫不及待地上手用一用； 2. 脑海中模模糊糊有信息论的观念，知道LLM不是算卦，不会指望万事万物让LLM 给一个标准答案，而是对prompt engineering有个轮廓的概念，知道充分给足什么条件和规则，才能让LLM输出一个可靠的答案； 3. 相信Agentic的方法，相信AI Agent，不迷信LLM本身能力，知道LLM一口气给一个结果一定会犯错，就像一个人用口算回答一个10位乘以10位的问题一样，知道LLM有幻觉，知道LLM如何用agentic的方法去调用外部工具，一步步解决问题； 4. 日常关注AI community，包括新产品、新模型、新的问题，看见以后愿意尝试用一用，或者试着思考一下这个东西是怎么做出来的； 5. 熟练使用SWE Agent（比如codex、openhands、claude code）和vibe coding工具（cursor、github copilot），模模糊糊知道工具和能力上限的轮廓，知道这些工具的作用是什么，同时也知道作为人类如何驾驶这类工具时必须具备的品质和能力，不迷信“AI能代替程序员”，而相信“熟练vibe coding是人的技能之一”； 6. 对日常问题的搜索和学习，习惯用perplexity或者快速提问，反复追问，而不仅仅是google，也等不及chatgpt慢悠悠的响应，明白AI时代最快、最顺手的搜索总结方法是什么； 7. 对于一个成体系的传统领域问题（比如EDA设计、传统建筑行业BIM、传统商业分析领域），模模糊糊知道如何搭建一个Agent或者workflow去自动化解决，或者提出一些新的方法，把传统问题转化成structured data，或者用AI Agent通过写程序和调用部分API来逐步解决，或者使用一些long term memory框架合理indexing，并且看到某些中老年高管一提及“用AI解决问题”，就盲目把几千页文档和数据一股脑喂进vector database然后进行高成本query的行为，感到生理性不适。

#AI原住民 #LLM #信息论 #Prompt Engineering