深度使用 AI 之后的一些感受与记录
深度使用 AI 之后的一些感受与记录
经过一段时间的深入使用 AI,我有许多感触,想记录下来。
- 使用 Claude 的代码能力就像吃大烟。一旦用上,就很难回到从前。
- 我用的是国内镜像站,每天有配额,配额快用完了就心慌的一批,没有AI可怎么工作啊。
- 也尝试过国内的一些工具(如 iFlow),效果相对逊色一些。
- 最让我震撼的是,大模型展现出了某种“深度智能”。我非常清楚屏幕那端只是台机器,但与它对话时,却常常像在和一个人交流。
关于人与人差距的“拉平”
AI 正在迅速拉平人与人之间的能力差距。也许我比你多一些经验或技巧,但当我们都借助 AI,这些差距会被显著缩小。随着工具的普及,这种效应会越来越明显。
白领的必备工具与“价值焦虑”
很快,几乎所有白领都会使用 AI。因为它对效率的提升实在太大,几乎没有理由拒绝。与此同时,一个令人不安的问题出现了:当很多工作都能被机器替代,人该如何确认自身的价值?这份不确定感,既真实又可怕。
对学习者的福音
对学习者,尤其是那些有强烈学习意愿却找不到入门路径的人,AI 是极其友好的:
- 成本极低,几乎人人可用;
- 能持续耐心地循循善诱;
- 不会疲劳,反馈及时。
这让“从零到一”的门槛被前所未有地降低。
我在项目中的实践
在我的项目里,我原本是后端程序员,对前端并不擅长。但借助 AI,我可以生成相对完整的前端页面。虽然与专业前端的作品相比仍有差距,尤其在细节打磨与视觉调整上还不够,但用来做 Demo 已经绰绰有余。
不过也有一个明显的不足:我还不知道如何让大模型一次性生成“功能完备、可以直接落地”的整套代码。实际过程更像是迭代式协作——不断输入新需求、让模型修改代码、自己本地测试,再继续补充边界条件和业务细节。尤其当项目稍微复杂一些时,这种来回就会不可避免,像是与一位高效的“结对编程伙伴”循环推进,而不是一次成型的交付。
当“人的价值”被稀释
AI 的出现,也确实让某些类型的“人的价值”下降了。比如我过去写过一个开源的数据字典项目。放到今天,这样的东西用大模型几乎可以分分钟生成:想要 PHP 有 PHP,想要 Java 有 Java,想要 Go 也能马上给到;只要能读数据库,换任何后端语言、前端框架都不成问题。模板化、通用化、可复用的工作,被快速自动化了。
既然如此,那人还能做什么?
- 做更上层的抽象与产品决策:明确价值假设、用户场景与边界条件,把“要解决什么问题”讲清楚。
- 设计系统与流程:从业务到技术的系统化分解、权衡取舍、风险控制与合规安全,这些仍需要人负责。(AI补充了几个)
或许“人的价值”不是消失了,而是迁移了:从“亲手实现”迁移到“定义问题、组织资源与把关质量”。这并不轻松,却是新的门槛。(这是AI补充的,我持保留意见,因为这样,人就不再自由,不能做亲历亲为的工作)
总结
总的来说,AI 带来的不仅是效率的跃迁,还有对能力结构与职业认同的重塑。它让更多人“触手可及”地解决问题,也让我们不得不重新思考:当工具变得如此强大,人类的独特价值究竟在哪里,我十分茫然。
本作品采用《CC 协议》,转载必须注明作者和本文链接
推荐文章: