j sokan s

这两年 CS 天坑化的趋势，在国内可能还没有那么明显，在北美和其他发达国家基本已经是定局了。 未来大概率是 0.1% 的人薪资翻几倍，99.9% 的人注定失业。失去的岗位将会被 AI 永久性替代，不再恢复。

We fine-tuned Alec Radford’s 1930 vintage LLM to solve SWE-bench issues. After just ‼️250‼️ training examples, the model solves its first issue, a simple patch to the xarray library. 🧵👇

17岁的Kai Trump（特朗普孙女），一句话戳破了整个美国教育系统最虚伪的谎言。 她在播客里说，现在高中所有人都在用ChatGPT写论文，老师都气炸了。 但她问，为什么不呢？学生就该用世界给你的资源。 学校不该禁止它，该教大家怎么把它变成自己的优势。 最讽刺的是，她自己GPA4.0，是实打实的优等生。 所以这根本不是什么作弊的问题，纯粹是代际认知的鸿沟。 老一辈把手写论文、死记硬背当成“真学习”。 但对凯这一代AI原住民来说，ChatGPT就像他们小时候的计算器、图书馆、Google一样，是默认的基础设施。 当年禁止学生用计算器学乘法的老师，现在看来可笑至极。 今天禁止学生用ChatGPT写论文的老师，十年后也会是同一个笑话。 其实真正危险的从来都不是AI， 是教育系统一边假装AI不存在， 一边逼着学生偷偷摸摸用它。 结果就是，会用的学生偷偷把效率拉满，不会用的还在熬夜抄书。 没有人教他们怎么提出高质量的问题，怎么验证AI的幻觉，怎么把AI的输出变成自己的深度洞见。 而这些，才是未来10年最值钱的能力。 我相信AI不会让学生变笨， 它只会放大差距。 会用AI的人，一个人能顶以前一个团队。 不会用AI的人，会被时代甩得连尾灯都看不见。 我们的教育还在教学生怎么在没有AI的世界里生存， 但他们未来要面对的，是一个AI无处不在的世界。 所以这种拒绝变革的教育，最终只会培养出一批“在AI时代不会用AI”的人。 这才是对下一代未来最大的作弊。

这两年真正动手做 Agent 以后，我有一个很反直觉的感受：这个领域最重要的能力，可能不是学习能力，而是“不乱学”的能力。不是说学习不重要，而是现在的新东西太多了，框架、工具、榜单、概念，每天都在刷新。我们这些创业者也一样，很容易被这种节奏带着走，看到别人做了一个很炫的 demo，就觉得自己是不是落后了；看到一个新框架被很多人转发，就忍不住想研究一下；看到一个新名词火起来，就担心自己不懂会不会错过机会。结果忙了很久，收藏夹满了，群聊也参加了不少，真正能放到真实世界里跑的东西反而没几个。 AI 时代对每个人都很公平，也很残酷。公平在于，它把很多过去需要多年积累的执行能力压缩到了很短的时间里，年轻人、创业者、资深工程师，突然都被推到一个新的起跑线上。残酷在于，旧的经验不再天然值钱，新的噪音又特别多。我们过去习惯的那套路径：先学很多东西，等自己准备好了，再找机会做一个大东西，可能已经不太适用了。现在更有效的方式，可能是先抓住一个真实问题，做出一个小闭环，放到真实用户面前，让反馈来逼着我们学习。 这也是我最近做几个小项目最大的体会。AI 写代码已经不稀奇了，甚至一个人周末折腾一下，也能做出一个看起来不错的东西。但真正难的，是让它变成一个真实系统：坏了能知道哪里坏，出错能复盘，用户反馈能沉淀成测试，工具调用不会乱来，多轮任务不会突然失忆，成本和权限不会失控。很多 demo 看起来都很热闹，但一到生产环境，就会暴露这些最朴素的问题。所以到最后，我们比拼的不是谁追了更多新概念，而是谁更能把基础打牢，把一个东西长期稳定地跑下去。 我现在判断一个新东西值不值得投入，也变得越来越朴素：它半年以后还重要吗？它能不能帮我们解决一个真实问题？它能不能进生产环境？它出了问题能不能追踪、回滚、复盘？它到底提升了结果，还是只是让我们看起来更懂 AI？很多热点一问到这里，其实就不需要马上追了。不是说它们没价值，而是我们的注意力太贵了，尤其是创业的时候，最怕的不是少学了一个框架，而是把学习变成了行动的替代品。 真正值得长期投入的，反而是那些看起来没那么性感的东西。比如怎么理解用户真实需求，怎么设计工具，怎么管理上下文和记忆，怎么保存状态，怎么处理失败，怎么做评估，怎么让 Agent 在权限和安全上不犯低级错误，怎么让它和人、和其他 Agent 形成真实协作。这些东西听起来不够炫，也不适合发一条很酷的推文，但它们会复利。上面的框架会换，模型会换，热点会换，但这些底层能力不会轻易过时。 所以我越来越觉得，AI 时代最好的学习方式，是围绕作品学习。我们不是先把所有知识学完再开始，而是在做一个真实东西的过程中，哪里卡住就补哪里，哪里失败就复盘哪里，哪里用户不满意就优化哪里。这样学到的东西才会长在身上，而不是停在收藏夹里。一个正在运行的小产品，一个有人使用的工具，一个能持续迭代的社区，一个被真实世界检验过的系统，可能比我们说自己懂多少 AI 概念更有说服力。 过去我们相信履历、资历、头衔、公司背景，但接下来，作品会越来越重要。不是年轻人要被我们教育，也不是创业者要被谁指点，而是我们所有人都要重新适应这个变化。AI 把很多门槛拆掉了，也把很多借口拆掉了。我们不需要追上每一个新名词，也不需要假装自己什么都懂。更重要的是，找到那些会复利的底层能力，围绕一个真实问题持续出货、持续复盘、持续迭代。 少一点追新，多一点出货；少一点焦虑，多一点验证；少一点“等我再研究一下”，多一点“我们先做出来试试”。这个时代可能不会奖励最会收藏信息的人，但一定会奖励那些能把想法变成作品、把作品放进真实世界、再从真实世界里长出来的人。