-
终端里的编程智能体,可信度是在修 bug 的循环里赚来的
空目录也能从一句需求长出站点。真正分水岭是:它会不会对着报错把路由、缓存和保留字逐项排掉。
-
副驾驶隐喻过时了:编程智能体是主角,token 是新的工位福利
辅助补全和自主交卷不是同一代工具。还把它当工具箱,等于主动关掉规划能力。
-
别把模型当打字员:好问题比完整规格更能逼出能用的代码
多工具并行、规则文件防熵增、对话里把需求接生出来。人负责品味、边界和提问。
-
实验室已经把写代码交给模型了:递归自我改进不再是科幻目录
能独立完成的任务时长在翻倍。人若只剩下审查,审查就会变成新瓶颈。
-
模型会写得比人好之后,写作只剩三件事:建模、练思考、给未来的自己回信
职业稿件会被替代。还要动笔,是因为不经过文字的思考,往往只是以为自己在思考。
-
基础理论变慢,不代表十年后还认得出世界:闭环反馈把推理提前了
把技术进步绑死在物理新原理上,会漏掉编译器和截图这种立刻能打分的训练场。
-
生产可以被替代,消费不能:岗位消失之后要解决的是发钱方式
通用能力一旦覆盖普通人的大多数脑力活,工业革命「消灭一批、创造一批」的故事会失效。
-
把它当语文很强的助手,别当神谕:能润色代码,不能当搜索和计算器
第一次上手像遇见搜索引擎,但可信度完全不是一回事。分清场景,比争论它是不是通用智能有用。
-
文生图真正能进工作流的,是能听懂「改这里」
一次性出一张漂亮图不够。能按自然语言改构图、位置和风格,插图岗才开始被碰到。
-
推理几乎是确定的:用同一粒种子就能审计服务商有没有偷工
固定采样种子后,九成八的 token 会对上。对不上的那一截,就是量化、缓存压缩和实现差异的证据。