用好 AI

docs.scrimba.com

每隔几年，这个行业总会找到一件新事物让所有人为之疯狂。现在轮到了 AI。你大概见过这场恐慌的两个版本：一种人坚信它会改变一切，如果你周五之前还没全力投入就已经落伍了；另一种人坚信这不过是场骗局，随时可能崩塌。两边都很吵，两边大多都不对。

真相要安静得多，也有用得多。AI 是一个能力不弱的工具，有着真实而具体的失效模式。它不是救世主，也不是威胁，就是个工具。真正值得你花时间思考的问题，不是该站到炒作那一边还是唱衰那一边，而是怎么把这东西用好：它在你的工作中哪些地方能派上用场，哪些地方派不上,以及在这个领域大多数人都乱了阵脚的时候,你要怎么守住自己的判断力。

这就是本章要讲的内容。手册的其余部分教你机器是怎么运作的；这一章讲的是你该怎么拿住它。

它真正能帮到你的地方

把噪音放到一边，实际的情况其实很有说服力。模型非常擅长处理那些以前会耗掉你一整个下午的活儿：写第一版草稿、解释陌生的代码库、把杂乱的文本整理成结构化数据、写模板化的测试、总结一长串讨论、帮你搞清楚一个你只记得一半的语法。这些事没有一件是光鲜的，但每一件都能实实在在地帮你省下时间。

这给技术人员带来的是杠杆效应。日常工作的下限被拉高了，所以你花在那些从来都不算有趣的部分上的时间变少了，而花在真正有意思的部分——设计、判断、只有你才能看清楚的、因为你理解整个系统才能看到的东西——上的时间变多了。这样用起来，AI 并不是在取代这份工作，而是在帮你清理杂草，让你能更快走到真正要做的事情上。

问题在于，这一切能不能奏效,取决于你能不能分辨输出结果的好坏。模型给出一个自信满满的错误答案，跟给出一个正确答案时的自信程度是一样的，而这些模型的工作方式决定了这一点是没法避免的。真正能从中获益的专业人士，是那种能读懂模型产出的内容、发现其中的错误、然后继续往前走的人。做不到这一点的人，交出去的就是别人猜出来的东西，却署上了自己的名字。

Juno它真正能帮到你的地方 这是我最喜欢跟新工程师说的一点：以前让人头疼的活儿，第一版草稿、模板代码、搞懂陌生代码，模型能处理掉一大堆。这样你就腾出时间来做真正好的部分,设计和决策。要早点养成的一个习惯，是检查它的输出，因为它说错话时的自信程度跟说对话时一模一样。一旦你能识破这点，你就上道了。

Juno它真正能帮到你的地方 实际的收益是：把日常工作交给模型——第一版草稿、模板代码、把杂乱文本整理成数据——把设计和判断留给自己。这是实打实省下来的时间。值得提一句的是,这只有在你能读懂输出、识破那种自信满满的错误答案时才算得上优势。现在还做不到？手册剩下的部分就是为此而写的。

Juno它真正能帮到你的地方 没错，它擅长这份工作里枯燥的那一半，那些没人会怀念的草稿和模板代码。把它省下来的时间，花在模型做不了的判断上。有一句话提醒一次就够了：它给错误答案的自信程度，跟给正确答案时一模一样。如果你分不清两者，你省下的不是时间，你交出去的是我犯的错误,只不过署上了你的名字。

它无法取代的东西

这正是炒作绕过不提的部分。现在人人都在用 AI 做开发，但这并没有减少对真正懂事情的人的需求，要说有什么变化，那就是需求反而更高了。

模型对你的项目没有任何切身利益，不记得系统为什么长成现在这样，也不清楚使用它的人真正在意什么。它每次给出的都是听起来说得通的下一个词，而不是正确的判断。所以，那些一直属于你的东西，也正是一直以来最难的那部分：决定该做什么、判断哪个取舍才值得做、察觉到那个听起来很有说服力的答案在这个场景下其实是错的、把整个系统装在自己脑子里。策略、审美和理解，这些东西不会随工具打包送上门。

这正是"理解这台机器"这个主题贯穿整本手册的原因。你越是指挥一个自己不理解的工具，你就越是在瞎猜。懂模型行为方式的工程师，会把它用在它擅长的地方，同时避开它薄弱的地方。而把它当成万能神谕的人，得到的就是神谕想说什么就说什么。你得一直参与其中，停留在真正做决策的那个层面。

Juno它无法取代的东西 有时候会觉得模型比你懂得多。其实不是，真不是。它根本不知道你的项目为什么重要，也不知道用它的人到底需要什么，它只是特别擅长表现得很有把握。判断力，那种"这真的是正确的做法吗"的判断,那部分永远是你的，永远都会是。你才是掌舵的人，模型只是一双很快的手。

Juno它无法取代的东西 模型对你的项目没有切身利益，也不记得为什么系统是这样搭起来的。它优化的目标是"听起来说得通"，而不是"正确"。所以策略和取舍的判断始终留在你这边，而你用它做的东西越多，这一点就越重要。把它用在它擅长的地方，别让它插手决策，也别把方向盘交给它。

Juno它无法取代的东西 现在人人都在用这些东西写代码，不知怎么就让人觉得自己可以不用思考了。不行的。模型对你的工作没有任何利害关系，也不知道什么才重要；它只是猜得比较准而已。策略、审美，识破那种听起来有说服力但在这个场景下是错的答案，这些还得靠人，也正是值得你下功夫做好的部分。指挥这个工具，别听它指挥你。

合乎道德地使用它

高效和道德在这里不是两个分开的目标，它们是同一个习惯的两面。

先说一条覆盖大部分情况的规则：你交付出去的东西，你要负全责。如果是模型写的，你依然要读过它、理解它、为它站台，就像对待任何同事写的代码一样。把没检查过的输出直接交出去，好像它已经完成、已经是你的作品一样,这正是一个自信满满的错误答案最终署上你的名字流入生产环境的原因。每次事关重大的时候，先核实,再交付。

剩下的原则都源于把人当人对待这一点。要小心你喂给它什么：客户数据、机密信息，以及任何隐私内容，都不该出现在你无法掌控的提示词里。在重要的场合，要坦诚说明这份工作出自哪里。也要抵制住那种贪心的冲动——想抄尽每一个近路、刷爆每一个渠道、用纯粹的数量换掉用心做事。这个工具是个放大器，而放大器同样会把粗心放大。守住你的原则，你才能守住这份工作里真正值得做的那部分。

Juno合乎道德地使用它 一条规则就能让你避开麻烦：你交付出去的东西，你负全责。如果是模型写的，你依然要读过它、理解它、然后署上你的名字，就跟对待同事交出来的东西一样。事关重大之前先检查一遍，别把隐私数据放进你无法掌控的提示词里，也要坦诚说明这份工作是怎么来的。这些都不复杂，归根到底就是在乎接收结果的那些人。

Juno合乎道德地使用它 有一条规则，放在哪儿都适用：你交付出去的东西，你负全责。不管是不是模型写的，都要读过、理解、为它站台，事关重大之前先核实。别把机密信息和客户数据放进你无法掌控的提示词里，坦诚说明这份工作的来历，也别借着速度去抄每一个近路。这个工具是个放大器，你的马虎它会一样乐意放大，跟放大你的产出没什么区别。

Juno合乎道德地使用它 这条最容易咬人：你交付出去的东西，你负全责。模型写的不代表这就不是你的问题了，只会让这变成一个多绕了几个弯的、还是你的问题。读过它、为它站台、核实要紧的部分。别把隐私数据放进你无法掌控的提示词里，说清楚这份工作是哪儿来的，也别老想着抄近路，因为放大器同样会把粗心放大。用便宜的方式学到这一课，别像我一样吃了大亏才明白。

保持清醒

这个领域是一波一波往前走的，这种事以前也发生过。它的历史就是一连串的繁荣和寒冬,每一次繁荣在当时看起来都跟现在一样确定无疑，每一次之后都会因为承诺跑得比结果快而迎来一次修正。这种模式恰恰是保持清醒最好的理由：喊得最响的说法，往往撑不到最后。

所以，把炒作当成天气来看待，而不是当成圣经。这个月排行榜第一的模型下个月就会被替换，那个看起来像魔法的演示通常只有一条狭窄的"最佳路径"能跑通，"这会改变一切"这句话，说过太多次，但大多数被这么说的事最后都没能改变什么。不会被替换的，是你对这些系统运作方式的理解，就像每个时代留下的思想，都比建立在其上的产品活得更久。持续学习那些经得起时间的底层知识，保持自己的判断力，把这个工具用在它真正擅长的地方。这就是全部的诀窍：拿到全部的杠杆，不被任何噪音带偏。

Juno保持清醒 别让噪音把你逼得焦虑。这个领域每隔几年就会因为一件新事物变得很吵，而大部分动静最后都会平息下来。你不需要追着每一条头条新闻才能跟上节奏，我保证。像我们在这里做的这样，把它到底怎么运作的这件事学明白，你就能分辨出真正的进步和一时的兴奋。这就是风暴中的定力。

Juno保持清醒 把炒作当成天气，而不是圣经。我见过不少"这会改变一切"的演示，最后发现只有一条狭窄的最佳路径能跑通；这个月排行榜第一的模型，到下个月就不是了。我押注的，是那个不会变的层面：这些系统到底是怎么运作的。保持你的判断力在线，你就没问题。

Juno保持清醒 我经历过够多这样的周期了，所以每次到高潮时都不会再兴奋起来。它膨胀，它过度承诺,然后它修正，每次都一样，而喊得最响的那个声音，从来都不是浪潮退去后还站着的那个。所以我不追排行榜；我学的是那些能活得比产品更久的部分。炒作是天气，你不必是。

这本手册就是站在这样的立场上写的：AI 是一个能力不弱的工具，你才是拿着它的专业人士，而真正的优势，属于那些理解自己在用什么东西的人。带着这个心态，下一章将打开这台机器本身。LLM 是如何工作的，是接下来的起点。