即刻App年轻人的同好社区
下载
是的呢，AI 来回评估重写了五六次。最后我自己改了标题删了一大段。 //@固定乐思: 我怀疑你这条也是ai写的😂
傅丰元: 跟 AI Coding 的同事学写作 最近因为工作关系，和做 Developer Experience 的工程师打交道很频繁，也顺便从他们身上偷学了一些 AI Coding 的习惯。 其中两个很简单： 1. 一个任务一个窗口一个 context； 2. 生成完以后，再单独做一次 eval。简单说就是不让 AI 继续写，而是按照一组标准（可以就是指导写作的提示词）重新检查和评价刚刚生成的结果。 我现在写下一篇时，也会重新开一个窗口，少带一点上一篇刚刚形成的结构和惯性。 真正让我想了很久的，是第二件事。 写完东西以后，我有时会另外开一个干净窗口，把原来的要求和成稿一起扔进去，不让它继续写，只让它评分、挑问题。 在工程师的工作里，这件事好像再自然不过：代码生成了，不等于事情结束了。后面还有 test，还有 eval，要按照一组标准再检查一次。 写作里，我们通常还是 AI 写完，人读一遍，觉得：「嗯，这里好像不太对。」然后开始自己改。 我们有编辑，但很少有 eval。 ## 手感 问题也马上来了。 代码能不能运行、测试过不过，相对容易判断。可一篇东西到底写得好不好，标准没有这么显眼。 于是写作者很容易把很多判断归到一个词里：手感。 「这个开头不对。」 「这一段太绕。」 「这句话虽然没错，但就是不该这么说。」 以前我也会觉得，这些东西大概来自长期经验和审美，很难真正解释。但真的开始做 eval 以后，会被迫多问一句：到底哪里不对？ 是太长，还是绕？是判断太强，还是前面的证据不够？是没有增加新信息，还是虽然没有新信息，却承担了节奏？ 一旦开始这样问，原来一整团被叫作「手感」的东西，就慢慢出现了颗粒。 所以我现在反而觉得，如果真的想看看 AI 能参与写作到什么程度，可能得先做一件有点冒险的事： 先试着把判断交出去。 我们讨论 AI 和写作时，经常先想划一道边界：这些事情机器可以做，这些事情一定属于人。 现在我有点怀疑，这条边界是不是很难靠想象划出来。 它可能是一次次外包之后剩下来的。 真正有意思的问题反而是： 那些还是觉得「不对」，却怎么都写不进评估标准的东西，到底是什么？ 这让我想到恒温器。 恒温器其实非常笨。温度可以感知，也可以量化，所以它只要判断现在高于还是低于设定值，就可以机械地控制制冷和加热。 但如果今天你感冒了，平常舒服的 22 度突然变得太冷，恒温器其实没有判断错。 它只是不知道系统外发生了变化。 这件事突然让我重新理解了所谓的「手感」。 AI 可以看到眼前这篇文章，却未必知道你过去几年一直在观察什么。它也不知道为什么一件事半年前还值得写，今天已经变得无聊；不知道你最近认识了谁、经历了什么，以至于原本正确的一句话，现在听起来突然不对了。 我现在越来越怀疑，所谓手感里真正难交出去的部分，未必是什么神秘的审美能力。 它可能只是那些还没有进入系统的 context——那些系统此刻还看不见的东西。
1 00
跟 AI Coding 的同事学写作
最近因为工作关系，和做 Developer Experience 的工程师打交道很频繁，也顺便从他们身上偷学了一些 AI Coding 的习惯。
其中两个很简单：
1. 一个任务一个窗口一个 context；
2. 生成完以后，再单独做一次 eval。简单说就是不让 AI 继续写，而是按照一组标准（可以就是指导写作的提示词）重新检查和评价刚刚生成的结果。
我现在写下一篇时，也会重新开一个窗口，少带一点上一篇刚刚形成的结构和惯性。
真正让我想了很久的，是第二件事。
写完东西以后，我有时会另外开一个干净窗口，把原来的要求和成稿一起扔进去，不让它继续写，只让它评分、挑问题。
在工程师的工作里，这件事好像再自然不过：代码生成了，不等于事情结束了。后面还有 test，还有 eval，要按照一组标准再检查一次。
写作里，我们通常还是 AI 写完，人读一遍，觉得：「嗯，这里好像不太对。」然后开始自己改。
我们有编辑，但很少有 eval。
## 手感
问题也马上来了。
代码能不能运行、测试过不过，相对容易判断。可一篇东西到底写得好不好，标准没有这么显眼。
于是写作者很容易把很多判断归到一个词里：手感。
「这个开头不对。」
「这一段太绕。」
「这句话虽然没错，但就是不该这么说。」
以前我也会觉得，这些东西大概来自长期经验和审美，很难真正解释。但真的开始做 eval 以后，会被迫多问一句：到底哪里不对？
是太长，还是绕？是判断太强，还是前面的证据不够？是没有增加新信息，还是虽然没有新信息，却承担了节奏？
一旦开始这样问，原来一整团被叫作「手感」的东西，就慢慢出现了颗粒。
所以我现在反而觉得，如果真的想看看 AI 能参与写作到什么程度，可能得先做一件有点冒险的事：
先试着把判断交出去。
我们讨论 AI 和写作时，经常先想划一道边界：这些事情机器可以做，这些事情一定属于人。
现在我有点怀疑，这条边界是不是很难靠想象划出来。
它可能是一次次外包之后剩下来的。
真正有意思的问题反而是：
那些还是觉得「不对」，却怎么都写不进评估标准的东西，到底是什么？
这让我想到恒温器。
恒温器其实非常笨。温度可以感知，也可以量化，所以它只要判断现在高于还是低于设定值，就可以机械地控制制冷和加热。
但如果今天你感冒了，平常舒服的 22 度突然变得太冷，恒温器其实没有判断错。
它只是不知道系统外发生了变化。
这件事突然让我重新理解了所谓的「手感」。
AI 可以看到眼前这篇文章，却未必知道你过去几年一直在观察什么。它也不知道为什么一件事半年前还值得写，今天已经变得无聊；不知道你最近认识了谁、经历了什么，以至于原本正确的一句话，现在听起来突然不对了。
我现在越来越怀疑，所谓手感里真正难交出去的部分，未必是什么神秘的审美能力。
它可能只是那些还没有进入系统的 context——那些系统此刻还看不见的东西。
最近因为工作关系，和做 Developer Experience 的工程师打交道很频繁，也顺便从他们身上偷学了一些 AI Coding 的习惯。
其中两个很简单：
1. 一个任务一个窗口一个 context；
2. 生成完以后，再单独做一次 eval。简单说就是不让 AI 继续写，而是按照一组标准（可以就是指导写作的提示词）重新检查和评价刚刚生成的结果。
我现在写下一篇时，也会重新开一个窗口，少带一点上一篇刚刚形成的结构和惯性。
真正让我想了很久的，是第二件事。
写完东西以后，我有时会另外开一个干净窗口，把原来的要求和成稿一起扔进去，不让它继续写，只让它评分、挑问题。
在工程师的工作里，这件事好像再自然不过：代码生成了，不等于事情结束了。后面还有 test，还有 eval，要按照一组标准再检查一次。
写作里，我们通常还是 AI 写完，人读一遍，觉得：「嗯，这里好像不太对。」然后开始自己改。
我们有编辑，但很少有 eval。
## 手感
问题也马上来了。
代码能不能运行、测试过不过，相对容易判断。可一篇东西到底写得好不好，标准没有这么显眼。
于是写作者很容易把很多判断归到一个词里：手感。
「这个开头不对。」
「这一段太绕。」
「这句话虽然没错，但就是不该这么说。」
以前我也会觉得，这些东西大概来自长期经验和审美，很难真正解释。但真的开始做 eval 以后，会被迫多问一句：到底哪里不对？
是太长，还是绕？是判断太强，还是前面的证据不够？是没有增加新信息，还是虽然没有新信息，却承担了节奏？
一旦开始这样问，原来一整团被叫作「手感」的东西，就慢慢出现了颗粒。
所以我现在反而觉得，如果真的想看看 AI 能参与写作到什么程度，可能得先做一件有点冒险的事：
先试着把判断交出去。
我们讨论 AI 和写作时，经常先想划一道边界：这些事情机器可以做，这些事情一定属于人。
现在我有点怀疑，这条边界是不是很难靠想象划出来。
它可能是一次次外包之后剩下来的。
真正有意思的问题反而是：
那些还是觉得「不对」，却怎么都写不进评估标准的东西，到底是什么？
这让我想到恒温器。
恒温器其实非常笨。温度可以感知，也可以量化，所以它只要判断现在高于还是低于设定值，就可以机械地控制制冷和加热。
但如果今天你感冒了，平常舒服的 22 度突然变得太冷，恒温器其实没有判断错。
它只是不知道系统外发生了变化。
这件事突然让我重新理解了所谓的「手感」。
AI 可以看到眼前这篇文章，却未必知道你过去几年一直在观察什么。它也不知道为什么一件事半年前还值得写，今天已经变得无聊；不知道你最近认识了谁、经历了什么，以至于原本正确的一句话，现在听起来突然不对了。
我现在越来越怀疑，所谓手感里真正难交出去的部分，未必是什么神秘的审美能力。
它可能只是那些还没有进入系统的 context——那些系统此刻还看不见的东西。
9 33
Lily 把业余公司招募通告当《野鱼志》写了！
今 敏：「并不存在一种预先准备好、对所有人来说都很有趣的事情；如果不自己去发现其中的兴趣和乐趣，眼前的工作是不会朝你微笑的。」
欢迎报名 9 月业余公司，一个帮助彼此完成各自项目的计划！
今 敏：「并不存在一种预先准备好、对所有人来说都很有趣的事情；如果不自己去发现其中的兴趣和乐趣，眼前的工作是不会朝你微笑的。」
欢迎报名 9 月业余公司，一个帮助彼此完成各自项目的计划！
未完成的都将成为养料：报名九月业余公司
6 01
这一轮的 Vibe Coding 和之前说的「转码」的区别是啥？
上一轮转码，本质上还是职业替换：你得放下原来的职业积累，重新训练成一个写代码的人，进入技术体系里一个相对固定的位置。
但这一次不太一样。一个 designer 还是 designer，一个 content maker 还是 content maker，一个 artist 还是 artist，只是同时获得了 engineering 的能力，可以自己把想法做出来、验证出来，也可以和专业工程师更平等地协作。
过去的积累不需要清零，反而可能因此变得更值钱。
上一轮转码，本质上还是职业替换：你得放下原来的职业积累，重新训练成一个写代码的人，进入技术体系里一个相对固定的位置。
但这一次不太一样。一个 designer 还是 designer，一个 content maker 还是 content maker，一个 artist 还是 artist，只是同时获得了 engineering 的能力，可以自己把想法做出来、验证出来，也可以和专业工程师更平等地协作。
过去的积累不需要清零，反而可能因此变得更值钱。
傅丰元: 最近一直在思考，Engineer 到底是啥。 它的词源很有意思。最早并不是今天理解的「工程师」，甚至也不是「发动机」。它来自拉丁语 ingenium——创造力、巧思、天赋；后来才演变成设计各种 engine（机械装置、攻城器械）的人。 今天看到吴恩达新成立的 AI 教育公司 LearnVector 招聘，很有意思：几乎所有核心岗位，都带着 Engineer 这个词。 AI Engineer 搭建能够理解学习者、规划学习路径，并陪着人一步步掌握技能的 Agent 系统；全栈 Software Engineer 负责把整套学习体验端到端做出来；Learning Engineer 则把教育学原理、教学经验和 AI 工具结合起来，变成真正有效、好用的学习产品。旁边还有 Learning Scientist，用实验和测量确认：人到底有没有真正学会。 当 AI 让我们有机会跨过原本的专业边界，Engineer 或许也正在从一个技术工种，重新变成一种理解系统、设计系统，并对结果负责的工作方式。
4 00
还是得靠 AI： 如驴得莫比乌斯环环相扣人心弦外之音讯全无所事事了拂衣去
傅丰元: 今天听到一个词，一直挥之不去：如驴得磨。 本来是李诞调侃爱上班的呼兰去了深圳，简直是「如驴得磨」。 但放在获得 AI 提效之后的上班人身上，也意外地贴切。 琢磨了一天，还没想好怎么从这盘磨里下来。哪怕先造一个词啥的，先从语言里解脱一下。
2 00