跳到正文

Leo

AI时代,人应该如何思考和写文章

最近文章

使用 Codex 的这一个月:产出、收益与下一步思考

记录最近一个月使用 Codex 完成的工具开发、架构知识维护、仓库整理和 Skills 建设,并总结实践收益、当前局限以及对 AI 研发流程的下一步思考。

最近一个月,我开始更系统地把 Codex 用进日常研发工作。恰逢本月使用额度多次重置,从实际使用量来看,我估计达到了常规单月 Plus 额度的 2~3 倍。这也让我有机会从零散问答进一步走向持续实践,观察 Codex 到底能够承担哪些工作,又会在哪里遇到边界。

这个月完成了什么

这一个月的产出大致可以分为六类。

第一,我完成了三个不足 5,000 行的小工具程序。这些工具主要供自己内部使用,目标并不只是获得最终结果,也是通过真实项目练习如何与 Codex 协作。

第二,我持续维护一个架构域的研发知识体系。相关代码总量约 30 万行,其中核心关键代码超过 10 万行。初期的重点是维护架构文档;后期随着可用额度增加,我开始让 Codex 直接阅读代码,并根据代码实现不断补充和优化文档。目前,这些文档已经能够在组内承担初步的信息咨询,并为新功能设计提供一定支撑。

CodexAI研发研发效率Skills

最近思考

谁为无法确认的 AI 结果买单?

当 AI 的产出超出使用者的认知和验证能力时,能力释放与责任归属之间会形成新的矛盾。

让 AI 的产出始终停留在自己能够理解的范围内,是否意味着人在主动限制 AI 的能力?

但如果允许 AI 的产出超出自己的认知范围,甚至无法有效确认结果是否正确,那么一旦结果出现问题,又应该由谁买单?

这或许是使用 AI 时无法回避的矛盾:既希望它突破人的能力边界,又必须面对超出认知之后的验证与责任问题。

AI 能力越过人的认知边界后,人和 AI 相互追问谁为结果负责的四格漫画

AI责任边界可验证性

AI时代的能力鸿沟

当前正处于 AI 时代,人的能力会出现非常明显的两极分化。

一方面,普通人借助 AI,可以完成许多原本超出自身能力范围的事情,显著抬高自己的能力下限。另一方面,真正能够掌控 AI、定制 AI 的人,反而需要具备非常高的判断力、专业能力和系统思维。

问题在于,普通人虽然可以通过 AI 完成越来越多的事情,却未必能把这些过程有效沉淀为自己的能力。任务完成了,人的理解、判断和方法却不一定同步成长。

于是,从一个会使用 AI 的普通人,成长为一个真正能够掌控 AI 的人,将逐渐成为一道鸿沟。如何跨越这道鸿沟,会成为未来非常关键的问题。

AI 提升产出下限,却让只拿答案的人与积累判断、方法和系统能力的人之间形成能力鸿沟的四格漫画

AI能力成长人机协作