《AI学习专栏》是您的AI信息获取加速器和AI学习指南，内容包括
联系作者
随笔
晓舟笔记
- 能用AI搞定的事儿，就不要自己做！
- 所有不懂的都问AI，是什么？为什么？怎么做？或者和AI核实自己的想法对不对？
- 以前的软件开发是，程序员一边思考一边写代码，以后用AI开发，写代码这部分工作交给AI，但是思考还是得人来思考。
- 思考的是需求分析，技术选型，架构设计，模块拆分。AI可以提供方案，人来决策。
- 软件开发有很多现成的工具，如果自己不知道可以问AI，很多工作不需要自己从头做。（除非为了好玩，否则不要造轮子）
- 老程序员都要转变思维，以前代码考虑的是每行代码如何实现，AI编程最多考虑都每个模块或者函数如何实现。
- 前期规划要比立刻开始更重要，架构设计和功能拆分如果做得不好，后期项目会非常难以维护。这也是为什么很多程序员不用AI的原因。（开发习惯仍然是写到哪算到哪。）
- 让AI修改代码，一次只修改一个模块，不要让AI一次改多个功能。
- 为了保持代码的高度可维护性，代码需要让AI做阶段性重构。
- 为了更清楚AI生成的项目，需要让AI生成项目架构说明书，并阶段性更新说明书。
- 重构项目：删除没有用的模块和文件，对于项目架构说明书中不清楚的内容，需要让AI补充说明。
- 一个功能反复修改都改不对，可以选择任务拆分和重新开始。不要在一坨屎上雕花。
- 为了防止AI乱改代码，所以不仅说让AI改什么，也要说让AI不改什么。
- 有些工具或者框架，有官方资料，可以把官方资料喂给AI作为参考，有助于提升代码准确率。
- 如果有可以参考的示例代码，可以喂给AI让AI参考，有助于提升代码准确性。
- AI编程不可能达到100%正确，所有技巧都是为了提升AI编程的正确率。
- AI编程可以不懂代码。（但是需要懂软件工程。）
- 用AI编程不要着急实现最小可行产品，而是要先做好软件架构设计。
- 新手用opencode+deepseek
- 如果自己不知道如何编写提示词，可以把自己的想法说给AI，让AI生成找准提示词。
- 项目必须要有单元测试。
- 项目必须要有需求说明文档，架构说明文档，接口文档，当项目遇到问题时，AI可以自主查阅文档，以便明确目标，解决问题。
- 项目中可以编写一个不让AI做的事项列表。
- 可以让多个窗口同时工作，一个前端，一个后端，一个测试，一个待命。
- 开发人员做什么：可以把自己想象成是一个管理三个实习生的项目主管，三个实习生负责前端，后端和测试，我们负责下达命令和解决问题。有的时候虽然实习生没有我们自己效率高，但是综合来说，一定比自己什么都干省时间。
- 如果AI不能做好项目，那就是自己指挥有问题。
- 2026年以后，不再需要人来写代码。
- AI编程并不是说一个功能，AI就能写出来，AI编程也是一个系统工程，只不过和以前的开发流程有区别。
- 软件工程会重新成为重点。er图，uml图，架构，需求，会重新提上工作重点。因为只要有这些工具，软件可以自动生成。
- AI生成的代码乱，其实是自己对架构设计和业务模块不够了解。从前的项目大量时间用在编码，以后的项目更多的时间用在指定方案，包括：页面设计、架构设计、模块拆分、数据库设计。前期方案指定越细致，后期越节省时间。
- 要让代码在自己设计的架构中运行，而不是让AI自行发挥去运行，跑起来不重要，按照自己的思路跑起来才重要。要知道它为什么能跑起来，也要知道它为什么不能跑起来。如果不知道代码的运行逻辑，那么一直让AI在不清晰的逻辑上打补丁，代码会越来越难维护。
- 要想办法设计可扩展的程序，而不是一直在原模块的基础上修改。
- 如果自己没有架构能力，先与AI商量方案，方案聊清楚了再执行。AI有遗忘问题，可以将方案保存为文件。
- 在项目中创建代码规范文档，让代码保持规范。细节包括：技术选型、代码规范、注释规范。规范可以让AI来写。
- 让AI审核代码。
- AI编程是有一套标准流程的，只需要按照标准流程，就能用AI生成项目代码。AI编程的技术体现在对软件工程的理解。以前的程序员需要处理细节，有了AI，细节交给AI，人真正考虑工程化的事宜，码农会彻底消失。
- AI编程的终极形态应该是直接用0和1生成二进制文件。但是AI现在对世界并不理解，只是根据概率生成内容。
- AGI并没有一个明确的标准，什么是AGI，如果十年前，2016年问我们什么是AGI，我们可能会说，通过图灵测试，和人类对话，人类不知道他是计算机，并且能回答人类所有问题的系统就是AGI。但是现在很显然已经达到了。那现在说的AIG是什么呢？
AI编程
AI编程会是很重要的技能
AI现状报告（2025）-1-研究领域
2025 AI 现状报告（2025 年）
《AI 现状报告》已连续发布第八年，是目前关注度最高、最受信任的开源出版物，专门追踪人工智能领域的进展。它汇集了过去 12 个月中最重要、最具启发性的研究成果与行业动态。我们的目标是为 “AI 现状、领域发展方向及技术突破对未来的意义” 这一持续讨论提供信息支持，并推动讨论深化。
本年度报告将围绕 AI 生态系统的六大核心维度展开分析：
- 研究：技术突破及其能力边界
- 产业：AI 的商业应用领域及商业影响
- 政策：AI 监管措施、经济影响及地缘政治演变
- 安全：识别并缓解 “未来高能力 AI 系统可能带来的灾难性风险” 的相关努力
- 调研：基于 1200 名 AI 从业者的大规模开源调研，分析其 AI 使用模式
- 预测：未来 12 个月的发展展望，同时回顾 2024 年预测以确保报告的可信度
研究领域
- 2025 年的核心主题是 “推理能力”：OpenAI、谷歌、Anthropic、深度求索（DeepSeek）等机构竞相引领，将 “先思考、后回答” 的可见方法推向实际产品。
- 开源模型进步迅速，中国开源权重模型生态崛起，但顶级模型仍以闭源为主，且 “单位成本能力优势” 持续扩大。
- 基准测试受 “数据污染” 和 “结果波动” 影响失效，而智能体（Agents）、世界模型及领域工具（代码、科学、医疗）开始具备实际实用性。
AI现状报告（2025）-2-产业领域
第二部分：产业领域
AGI 落幕，超级智能崛起
主流 AGI 竞争者的高管（以马克・扎克伯格为代表）已将 “AGI 努力” 重新包装为 “超级智能（Superintelligence）”。目前无人能明确其定义，但该概念 “具煽动性，能吸引关注”。
“开发超级智能的目标已近在眼前…… 我相信这将是人类新纪元的开端。”
—— 马克・扎克伯格，2025 年 Meta 超级智能实验室备忘录
前沿超级智能的真实成本：万亿美元
前沿超级智能的研发成本极高，已进入 “万亿美元级别”：
- 山姆・奥特曼（Sam Altman）公开提及 “AI 领域万亿美元投入”；
- 马斯克的 XAI “月烧钱 10 亿美元”，成本持续攀升；
从特例到典范：最优企业是 “AI 优先”
AI 已从 “小众领域” 转向 “创业与投资主流”。Specter 对 “5500 多万家私有企业” 的排名（追踪 “团队增长、产品智能、融资、财务、关注度” 等 200 + 实时信号）显示：
- AI 企业占 “Top 100 最优企业” 的 41%（2022 年仅 16%）；
- 3 万名投资者与创始人的 “实时互动数据” 显示，ChatGPT 发布后 “关注度激增”，2024 年底达峰值，较 2020 年（仅核心信徒关注）增长 40 倍。
AI现状报告（2025）-3-政策领域
第三部分：政策领域
特朗普（第 47 任总统）：强势回归
特朗普第二任期 “推出了第一任期曾暗示但未完全实施的强化政策”：
- 白宫 AI 领导层：纳入 “硅谷名人”，包括大卫・萨克斯（David Sacks，AI 与加密货币主管）、斯里拉姆・克里斯南（Sriram Krishnan，高级 AI 政策顾问）、迈克尔・克拉齐奥斯（Michael Kratsios，科学技术政策办公室主任）；
- 核心议程：
- 激进废除 “拜登时代的安全规则（第 14179 号行政令）”；
- 将 “AI 安全研究所（AI Safety Institute）” 更名为 “AI 标准与创新中心（CAISI）”，淡化 “安全” 定位；
- 启动 “5000 亿美元‘星门’AI 基础设施计划”；
- 政策波折：2025 年 7 月发布的 “AI 行动计划” 阐述了 “美国主导全球 AI 的国家战略”；“‘大一统法案（One Big, Beautiful Bill）’中‘10 年禁止州 / 地方 AI 立法’的条款，因两党反对被删除”，但 “推动废除州级监管的努力仍在继续”。
《AI 行动计划》：美国的宏大 AI 战略
美国政府 “提出超 100 项政策，以确保 AI 创新与全球领导地位”，但 “美国官僚体系能否执行仍存疑”。23 页计划的核心要点包括：
- 美国技术栈出口：第 14320 号行政令 “设立‘美国 AI 出口计划’”，向 “盟友及其他国家提供‘AI 栈包（含硬件、模型、软件、应用、标准）’”；
- AI 基建扩建：计划 “简化审批流程、升级国家电网、开放联邦土地”，支持 “数据中心与 AI 工厂建设”；
- 开源模型领导地位：将 “美国开源领导力” 视为 “国家安全利益关键”；
- AI 监管废除：联邦机构 “可能削减对‘实施严格 AI 监管的州’的自主 AI 支出”；
- 模型言论自由保护：更新联邦采购政策 —— 美国 “仅采购‘无自上而下意识形态偏见’的前沿 LLM”。
从管制到出口：美国的 “AI 栈” 战略
美国政策 “从‘广泛扩散管制’转向‘出口主导战略’”。“美国 AI 出口计划” 将 “算力、模型、云服务、合规” 打包为 “美国政府认可的‘美国 AI 栈’”，提供给 “选定合作伙伴”。
核心目标是 “制定标准、建立依赖、对抗中国‘数字丝绸之路’策略”。
AI现状报告（2025）-4-安全领域
第四部分：安全领域
GDPval：就业市场的警示信号
OpenAI 新推出的 “经济价值任务基准 GDPval” 显示，AI 在 “44 个职业类别、1320 项任务” 中，“多个领域已接近人类专家水平”，预示知识工作者或将面临职场变革。
关键发现
- 推理模型表现领先：推理模型 “在 44 类专业工作任务胜率上，平均比 GPT-4o 高出 20.7%”；
- Claude 优势显著：此前在其他基准中未占主导的 Claude，“在 44 个职业中的 32 个获得最高胜率（或并列最高）”，论文认为部分原因是 “Claude 在格式处理上的优势”；
- 通用模型能力成熟：通用模型 “已展现出作为专业助手的强大能力”，前沿实验室与新入局者（General Reasoning、Mechanize）“正快速在‘真实工作场景’构建强化学习（RL）环境”；
- 就业影响显现：汉莎航空集团（Lufthansa Group）表示 “预计到 2030 年削减 4000 个行政岗位”，印证 AI 对特定岗位的替代压力。
GDPval：会计师暂保安全！
下方追踪图表 “基于 GDPval 结果，对不同职业的‘受 AI 干扰程度’进行排名”。
AI现状报告（2025）-5-现状与预测
黄仁勋播客采访
主持人：黄仁勋（Jensen），很高兴再次与你和我的搭档邓克拉克（Clark Tang）相聚。真不敢相信，欢迎来到英伟达（Nvidia）！哦，你的眼镜真不错，戴在你脸上特别合适。但问题是，现在大家可能会让你一直戴着这副眼镜了，他们会说 “戴上那副红色眼镜”。我敢保证会这样。
距离我们上次播客已经过去一年多了。现在你们超过 40% 的收入来自推理业务，但推理技术正迎来新的突破，这要归功于 “推理链”（Chain of Reasoning）技术，对吧？它的效率预计会提升十亿倍，甚至百万倍、十亿倍，没错吧？
黄仁勋：没错。但大多数人还没有完全意识到这一点。我们现在讨论的这个行业，本质上正处于一场工业革命之中。说实话，自上次播客后，我感觉我们每天都在延续当时的对话 —— 在 AI 领域的时间维度里，这一年多差不多相当于 100 年。
我最近重温了上次的播客，当时我们聊到的很多内容都很突出，其中最让我印象深刻的，是我当时拍着桌子强调的一个观点。记得那时候，预训练领域正处于低谷，人们都在说 “预训练的时代结束了”“我们建得太多了”—— 那大概是一年半以前的事。而我当时说，推理效率的提升不会止步于 100 倍、1000 倍，而是会达到 10 亿倍。现在，我们正朝着这个方向发展。
强化学习之父播客采访
主持人：今天，我邀请到的嘉宾是理查德・萨顿（Richard Sutton）。他是强化学习（Reinforcement Learning，RL）领域的奠基人之一，也是该领域众多核心技术的发明者，比如时序差分学习（TD Learning）和策略梯度方法（Policy Gradient Methods）。凭借这些贡献，他获得了今年的图灵奖（Turing Award）—— 如果你不了解的话，这个奖项基本上相当于计算机科学领域的诺贝尔奖。理查德，恭喜你！
萨顿：谢谢你，德拉克（Dracus），也感谢你邀请我来参加这个播客。