#人机协作

1周前

Anthropic 70%、80% 甚至 90% 的代码都是由 Claude 编写的。人们认为这是假的，因为他们觉得这意味着要解雇 70%、80% 或 90% 的软件工程师，但真正发生的是，人类变成了 AI 系统的管理者。

#Anthropic #Claude #AI代码生成 #软件工程师 #人机协作

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

2周前

第三阶段：LLM时代 —— LLM作为“通用柔性接口” •运行主体：人、软件、机器，以及LLM这个“新物种”。 •接口模式： ◦人 ↔ LLM（自然语言）：这是历史性的突破！人类第一次可以用自己最擅长的、充满“社会解释性”的自然语言，与机器世界进行高带宽、双向的交互。 ◦LLM ↔ 软件/机器（形式语言）： LLM则扮演着“通用编译器”的角色，将人类的自然语言意图，实时地翻译成软件和机器能够理解的“可执行力”（API调用、代码、数据库查询）。 •核心变革： 1接口的“逆转”：不再是人去适应机器的接口，而是机器开始学习适应人的接口。这是对“以人为本”理念的终极技术实现。 2“社会解释性”的回归：之前被传统软件压抑的、模糊的、充满上下文的商业意图，现在可以被LLM理解和处理了。Desire/Freedom和Vibe/Meaning终于找到了进入数字世界的入口。 3“刚性”与“柔性”的统一： LLM这个“柔性接口”并没有摧毁传统软件的“刚性”基础。恰恰相反，它建立在由本体论所定义的、可靠的Actions和Functions之上。它实现了在坚实可靠的秩序（Order）之上，赋予组织前所未有的灵活性（Freedom）和意义驱动（Meaning）。

#LLM #通用柔性接口 #自然语言交互 #社会解释性 #人机协作

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3周前

这个论文看到过很久了，现在合成数据已经很普遍了吧，尤其是后训练，大模型崩塌了吗？如果指的是Pre-training，倒是个问题。LLM生成的文章越来越普遍，但是以目前投射与反投射的生成机制，还是human-in-loop，质量普遍也越来越高了啊🤔 另外语言的语义一直在发展，思考的的结构、角度好像就那么几种吧…

#合成数据 #大模型 #LLM #语义发展 #人机协作

4周前

这张“美国劳动力市场规模排序图”来自红杉内部，合伙人 Konstantine 在最近的分享中公开了！2023 年按“工资总额构成的潜在市场规模”，工资最高的程序员和律师，市场规模最大的是注册护士，他们占据了 TOP 3，所以码农和律师在 VC 和模型公司眼里，是 AI 替代人力的两块肥肉👀 按照工资总和和被替代的风险来考虑，可以分成三类： 1. 高风险 - 结构性转型类：这些职业包含大量可被当前 AI 技术（如大型语言模型）自动化的重复性、流程化任务。客户服务代表 (TAM $1170 亿) 、秘书和行政助理 (TAM $880 亿) 、簿记、会计和审计员 (TAM $790 亿) 。这些是短期内最可能面临岗位缩减的领域，从业人员将面临职业的完全转型。 2. 中风险 - 人机协作增强类：这些是高技能、高薪酬的职业，AI 短期内难以完全取代，但能显著提升工作效率，可能导致行业对新增人力的需求放缓，或对从业者技能要求发生改变。软件开发人员 (TAM $2240 亿) 、律师 (TAM $1250 亿) 、会计师和审计师 (TAM $1250 亿) 。中短期内职业不会消失，只会变得需要高手和经验，岗位需求冻结和减少不可避免，入行需要看天赋。。。这类型最容易出现超级个体，有可能出现全新的职业市场。 3. 低风险 - 核心人际交互类：这些职业的核心价值在于人性化的关怀、复杂的物理操作或现场决策，AI 目前主要扮演辅助角色。注册护士 (TAM $ 2840亿) 、中小学教师 (TAM $920 亿 & $410 亿) 、维修和修理工 (TAM $750 亿) 。除非具身只能非常成熟，否则中长期内都不用担心，提供人类连接和关怀的职业，未来十年会迎来黄金期☀️ 当然，还有很多围绕 AI 大规模生态的新职业还没诞生，例如用于培训新人的 AI、或者帮企业培训 AI Agent 的人类等等。。。

#AI替代人力 #劳动力市场 #高风险职业 #人机协作 #低风险职业

4周前

前几天朋友跟我说的那个ai富士康的概念我觉得就挺好，你如果搭起来一台生产线，机器人可以干里面的很多活，但是有的环节还是需要人去做的，因为现在实践中我发现完全靠机器人从头跑到尾，不太现实，那么在这种情况下，你的这个机器人生产线和人搭配，相当于那种工厂流水线，工人不用想这个东西是从

#AI富士康 #机器人生产线 #人机协作 #工厂流水线 #技术实践

1个月前

Vibe编程，得经常人工仔细看一遍，做一些统一和梳理，而且看不懂的地方一定去弄懂，否则AI逐步给你堆出一个屎山出来，然后无论是AI还是人，都没办法改了。我基本上每两天砍一些AI写的冗余的东西、做强制的统一。所以Vibe和编码学习，几乎是相辅相成螺旋上升的事情。

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#Vibe编程 #AI代码质量 #代码维护 #人机协作 #螺旋上升

1个月前

最近听城堡证券的CEO讲 #AI 与投资之间的相关性，还蛮有意思的，AI化的普及，不会取代交易员，反而会让交易决策变得更迅捷！以前金融市场中，大伙脑子里的画面都是——一群人挤在交易大厅里，喊单子、打电话、摔电话，拼的是嗓门和手速。后来电脑普及了，交易慢慢变成人对机器（比如在彭博终端敲指令），再到今天，大部分已经变成了机器对机器在互相下单，速度快到毫秒、微秒级别。如果说90年代的交易员像是“田径赛跑运动员”，拼的是体力和耐力，那今天的交易员更像“战斗机飞行员”。他们坐在“驾驶舱”里，眼前布满各种分析工具、实时数据、AI模型结果。机器帮他们做了大量重复性、机械性的计算和执行，而人类交易员要做的，是基于这些信息做出关键决策，决定什么时候冒险，什么时候收手，什么时候调整模型。简单理解来说，#AI 是“放大器”，人类交易员是“决策者”。所以在我看来，金融市场的 #AI 关系更像是“协作”而不是“替代”。机器解决效率，人类提供判断和创造力，把那些机械化的脑力劳动交给AI，让人类把精力放在更有价值的地方：策略创新、跨市场判断、宏观趋势分析、风险管理。🧐

#AI投资 #城堡证券CEO #交易员转型 #人机协作 #金融市场效率提升

1个月前

程序员理解的技术牛b 和非程序员是不一样的非程序员理解的牛b是： - 极短时间达成完美效果，评估变量是时间 - 时刻可扩展而非整体重构，评估变量是时间程序员理解的牛b是： - 简约，清晰，易读性高 - 稳定性好，扩展性高，独立解耦轻松维护 - 考虑的全面，比如各类异常处理 - 写的快现在如果你问一个非程序员，啥是牛b程序员： - 懂得用AI把时间杠杆最大化放大 - 又能保质保量快速完成任务也就是说，其实人们并不是要讨论vibe coding行或者不行而是应该讨论如何使用vibe coding，构建什么样的流程，能既发挥ai的效率，又保证结构与细节，可扩展可维护 ai行的地方上ai，ai不行的地方上人，找到人+ai的合作模式，并将其沉淀为某种半自动化的流程，我觉得这种程序员就是牛b程序员比如你说vibe coding不可维护那么该如何做能使其可维护？绝不是非得手搓才能达到这种效果找到那个边界边界之内来ai 边界之外人来定义与检查但你发现没有如果这个程序员原本就是一脑袋浆糊把模块耦合他用ai就可能还会这样因为出错的是设计师而不是泥瓦匠怎么让ai辅助协同拿到优质结果，决定了这个程序员在效率与质量的上限

#程序员 #AI #Vibe Coding #人机协作 #效率与质量

1个月前

发一个需求，微信/QQ 桌面版转函数调用用途：允许agent 通过函数调用登录，查看消息列表，聊天记录，发送/接受消息等常见操作，用于开发人机协作的ai agent增强IM 这是一个单次但是预期需要长期维护的项目，USDT支付。可以直接私信我。

#微信/QQ桌面版 #函数调用 #agent #人机协作 #USDT支付

1个月前

转译：为什么大语言模型无法真正构建软件作者：Conrad Irwin 我花了大量时间做的一件事就是面试软件工程师。这显然是项艰巨的任务，我不敢说自己有什么绝招；但这段经历确实让我有时间去反思，一个高效的软件工程师究竟在做什么。软件工程的核心循环当你观察一个真正的行家时，你会发现他们总在循环执行以下几个步骤： * 构建一个关于需求的心理模型。 * 编写（希望如此？！）能够实现需求的代码。 * 构建一个关于代码实际行为的心理模型。 * 找出两者之间的差异，然后更新代码（或需求）。完成这些步骤的方式有很多种，但高效工程师的过人之处，就在于他们能够构建并维持清晰的心理模型。大语言模型表现如何？平心而论，大语言模型在编写代码方面相当出色。当你指出问题所在时，它们在更新代码方面也做得不错。它们还能做所有真人工程师会做的事：阅读代码、编写并运行测试、添加日志，以及（大概）使用调试器。但它们无法做到的是，维持清晰的心理模型。大语言模型会陷入无尽的困惑：它们会假设自己写的代码真的能用；当测试失败时，它们只能猜测是该修复代码还是修复测试；当感到挫败时，它们干脆把所有东西删掉重来。这与我所期望的工程师特质恰恰相反。软件工程师会边工作边测试。当测试失败时，他们可以对照自己的心理模型，来决定是修复代码还是修复测试，或者在做决定前先收集更多信息。当他们感到挫败时，可以通过与人交流来寻求帮助。尽管他们有时也会删掉一切重来，但那是在对问题有了更清晰理解之后才会做出的选择。但很快就行了，对吧？随着模型能力越来越强，这种情况会改变吗？也许吧？？但我认为这需要模型在构建和优化方式上发生根本性的变化。软件工程需要的模型，不仅仅是能生成代码那么简单。当一个人遇到问题时，他们能够暂时搁置全部的上下文，专注于解决眼前的问题，然后再恢复之前的思绪，回到手头的大问题上。他们也能够在宏观大局和微观细节之间自如切换，暂时忽略细节以关注整体，又能在必要时深入研究局部。我们不会仅仅因为往自己的“上下文窗口”里塞进更多词语，就变得更高效，那只会让我们发疯。即便我们能处理海量的上下文，我们也知道当前这些生成式模型存在几个严重的问题，这些问题直接影响了它们维持清晰心理模型的能力： * 上下文遗漏：模型不擅长发现被忽略的上下文信息。 * 新近度偏见：它们在处理上下文窗口时，会受到严重的新近度偏见影响。 * 幻觉：它们常常会“幻想”出一些本不该存在的细节。这些问题或许并非无法克服，研究人员也正在努力为模型增加记忆，让它们能像我们一样施展类似的思维技巧。但不幸的是，就目前而言，它们（在超出一定复杂度后）实际上无法理解到底发生了什么。它们无法构建软件，因为它们无法同时维持两个相似的“心理模型”，找出其中的差异，并决定是该更新代码还是更新需求。那么，现在该怎么办？显然，大语言模型对软件工程师来说很有用。它们能快速生成代码，并且在整合需求和文档方面表现出色。对于某些任务来说，这已经足够了：需求足够清晰，问题足够简单，它们可以一蹴而就。话虽如此，对于任何有点复杂度的任务，它们都无法足够精确地维持足够的上下文，来通过迭代最终产出一个可行的解决方案。你，作为软件工程师，依然需要负责确保需求清晰，并保证代码真正实现了其宣称的功能。在 Zed，我们相信未来人类和 AI 智能体可以协同构建软件。但是，我们坚信（至少在目前）你才是掌控方向盘的驾驶员，而大语言模型只是你触手可及的又一个工具而已。

#大语言模型 #软件工程 #心理模型 #代码生成 #人机协作

2个月前

整理了一下 PopTranslate 产品在当前 Release Cycle 完成的相关任务。除了罗列完成的内容外，这次用🧑‍💻来表示这个任务是主要是我做的，用🤖来表示主要是 AI 做的，一起则表示是各自都发挥了重要作用（AKA 协作）完成的。写好后一目了然，emoji 真好用！估计长期都会保持这种人机协作的模式了😄

#PopTranslate产品 #Release Cycle #人机协作 #emoji使用 #积极

2个月前

#BestBlogs #176. Claude Code 核心开发者揭秘终端背后的设计哲学与“有味道”的产品心法 | 跨国串门儿计划 Anthropic AI 核心开发者 Adam Wolff 探讨 AI 编程工具 Claude Code 的设计哲学、终端回归的理由，以及 AI 时代开发者工作流与个人生活平衡。摘要：本期播客邀请 Anthropic AI 核心开发者 Adam Wolff，深入探讨其 AI 编程工具 Claude Code 的设计哲学与未来开发者工作方式。Adam 分享了将大型语言模型融入日常编程工作流的经验，尤其强调了回归终端编程带来的高效性和灵活性，并提出了创新的“AI 实习生”心智模型。对话不仅涵盖了 AI 在代码审查、文档生成、重构等方面的应用潜力与挑战，也深入探讨了“有味道”的好产品应如何倾注创造者的热爱与信念。此外，播客还触及了 AI 浪潮下如何平衡编程事业与个人生活，强调全身心投入的重要性。节目展望了技术变革时代对程序员的深远影响，认为这是参与塑造行业未来的关键时刻，为技术从业者提供了技术、产品和个人成长等多维度的深刻思考和实践指导。主要内容: 1. “AI 实习生”心智模型提升开发者协作效率 -- 将 AI 视为实习生，分配任务后继续其他工作，实现“分叉式”工作流，提升多任务效率，告别无效等待，是 AI 时代高效协作的关键。 2. 回归终端的设计哲学催生简洁高效产品 -- 终端的强大限制（如屏幕空间、单一字号）反而迫使设计者做出更简洁、本质的设计，同时提供极致的灵活性和组合性，适应多环境工作流。 3. 好产品需倾注创造者的热爱与信念，具备“味道” -- 真正的好产品凝聚了创造者的热爱、信念和专业理解。在技术可能趋同的 AI 时代，这种注入心血的“味道”是产品脱颖而出并最终胜出的核心竞争力。 4. AI 改变编码，但软件开发核心仍是“做什么”和“为什么做” -- AI 极大提升编码效率，但软件开发最难仍是确定“做什么”和“为什么做”。AI 应作为助手，帮助探索和验证方案，人机协作而非取代是未来方向。 5. 对事业与生活的全身心投入是获得幸福的关键 -- 对事业和生活的全身心投入，即使伴随挑战和痛苦，也能带来更深层次的满足感和成长。真正的幸福源于全情投入地生活，而非“打卡”式应付。文章链接：

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#Claude Code #AI 编程 #终端设计哲学 #人机协作 #工作生活平衡

Larry & Leo Bro - Eagle of Full Stack

2个月前

订阅了 200 刀的 Claude Max 之后我的开发模式已经变成了： 1. Claude Code 在后台写代码 2. 我在前台刷剧听歌八卦 3. 收到完成通知验收下，有问题提出来让他继续修或者继续开发。感觉不是变快了是变慢了啊……经常一看一听就十几分钟过去了，结果人家 AI 早就完成了在那等着呢。你有这个困扰吗？

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#Claude Max #AI开发 #效率降低 #人机协作 #娱乐干扰

3个月前

软件1.0 是代码，软件2.0 是权重，软件3.0 是提示词。开发者从写逻辑 → 调模型 → 设计协作。人类已经不再“写程序”，而是“定义行为”。

AI编程工具激战：Claude Code、Gemini Cli崛起· 901 条信息

#软件开发 #软件变革 #人工智能 #编程 paradigm #人机协作

3个月前

最终用户需要的不是「Vibe Coding」，而是真正能够交付最终结果的「Vibe Workflow」⚡️ 人机协作生成，一次生成，永久可用，反复调优，平衡 AI 的发散创意能力和人在实际需求中的严谨微调能力，最终分享结果+Workflow 让人人即可复现🌈 这是我们为新时代的 Workflow 交出的答卷 👉

#Vibe Coding #Vibe Workflow #人机协作 #生成 #AI #创意 #需求 #微调 #分享 #Workflow

3个月前

《规划你的AI团队》系列开篇：我理解的目前企业、团队也是为人类之间协作而设计的，不一定完全适用于人类与AI之间的协作，比如人类微小team极少有顾问，但我们可以拥有几十个AI顾问。所以我们需要推翻很多原有惯性思考人与AI间的协作、团队构成。可以延伸的问题非常多：通用任务场景，效率最高的“人

#AI团队 #企业协作 #团队管理 #人机协作 #AI顾问

𝗖𝘆𝗱𝗶𝗮𝗿

4个月前

有奖征集：面向推友征集产品名称及 Slogan 随着团队和产品的发展方向，在深思熟虑之后，大家一致认为 Juchats 已经不能满足和复合产品的未来发展趋势，产品的中心会偏向于用户实际场景 Agents 协作，人机交互的 AI + Human 协作模式，打造用户场景和商业闭环。具体格式如下： - 奖品：Juchats 终生会员及社区周边定期发放 - 名称： - 标语（Slogan）： - 含义：

#产品征集 #人机协作 #AI发展 #商业闭环 #推特活动

Yunchao Wen 💙💛

5个月前

Hestia第六代智能炒菜机器人，为标准化而生，为连锁化而战。不仅复刻味道，更赋予中餐稳定与效率。菜谱即代码，厨房进入“开源协作”新纪元。未来餐厅的标准答案：Hestia + AI + 人类创意。真正的未来厨房，应该是人机协作的舞台。让AI负责重复与标准，让人类负责创意与灵感。

#Hestia #智能炒菜机器人 #标准化 #连锁化 #中餐 #效率 #开源协作 #未来餐厅 #AI #人机协作 #创意 #灵感