# 调研37位程序员后，我不再因为AI而焦虑 feat.脑放电波

An episode of [科技乱炖](https://invisiblenetwork.ai/podcast/1492740686), 4 Dec 2023, 1 h 18 min.

Audio: https://tk.wavpub.com/WPDL_QSNEgjrwugHrTLHdGFJhLXhYrnBybchRRWYAJpGVbjBhVcsVuvHugxhLne-7c.mp3

Nixon 的毕业论文研究了37位程序员使用GPT 写代码的状态，我们邀请了懂编程 且 具备一定技术团队管理经验的科技乱炖朱峰、小白来讨论以下问题： GPT 是写代码必不可少的工具了吗？ 实际使用的状况怎么样？ AI 是否会导致程序员以及我们失业？ 如何正确利用 LLM 工具提升效率？ 没想到的是，我们发现大家对于程序员的工作有所偏见；也发现了还不能使用AI 替代我们的真相；最重要的是，我们似乎发现了适合每一个人的“AI 时代职业观”。 如果你是程序员，欢迎在评论区留言，告诉我们你对于嘉宾观点及大语言模型工具的感受 如果你是非程序员听众，欢迎在评论区留言，告诉我们你对于“AI 是否能替代你工作”的想法与实践 【时间轴和参考信息】 Part1：AI 是不是工作流程必不可少的部分？大家用的怎么样？ 00:06:13 – 程序员用什么AI 写代码？ 00:11:34 – 很多程序员写代码的时间都低于20% 00:17:35 – 为什么大家不愿意用 AI 写的代码？风格也是问题？ 00:21:56 – 为什么各家大公司禁用这些工具？ 00:28:13 – 除了写代码，今天GPT 还能做你的编程助理？ 00:32:37 – 追根溯源，GPT 是做语言的，不是写代码的。确定性对于程序员有多重要？ Part2：AI 是否会导致程序员以及我们失业？ 00:38:51 – 省下工作时间了吗？为什么说“开会”也帮助大家保住了工作？ 00:47:10 – 用上GPT的员工为什么更愿意加班，而不是更早下班？公司用GPT是为了干掉你？ 00:51:22 – 为什么有了机器翻译，翻译从业者反而翻倍？ 00:52:56 – 重要的职业思维：内卷还是创造？ Part3：如何正确利用 LLM 工具提升效率？适合每一个人的“AI 时代职业观” 00:57:06 – 只需要15分钟，你就是前20%的人 01:01:31 – 搜索引擎我们也不会用 01:11:52 – 最重要的是你的业务，而不是AI。不把 AI 当做敌人，帮你省下的脑子也别用来摸鱼 【串台节目】 脑放电波：一档关注科技前沿、品牌营销和个人成长的谈话类节目。每期带给您一个有趣有据的话题，帮您在信息严重过载的现代世界小幅自我迭代。 【本期主播】 • 托马斯白：脑放电波主播，15+年科技行业从业者，前XR创业公司CMO，科技媒体特约作者（微信Alanneo） • Nixon：脑放电波主播，XR产品经理、前机器人产品经理、科技媒体记者 （微信hxk2312） • 朱峰：津津乐道播客网络创始人、科技乱炖主播、产品和技术专家 • 小白：科技乱炖主播、Linux 中国社区成员、AI 产品经理 【制作团队】 剪辑 / 杜1- 封面 / 姝琦@midjourney 运营 / 卷圈，Sand 监制 / 姝琦 产品统筹 / bobo 节目中用到的音乐 • 来自 monkeyman535 的 90’s Rock Style，地址 https://freesound.org/s/466981/ • 来自 kjartan_abel 的 Berlin Town，地址 https://freesound.org/s/564665/ • 基于 CC BY 4.0 DEED 使用 【相关节目】 • Vol20：OpenAI 万字论文：1016 种职业，哪些将被 AI 替代？与资深猎头解读科技对职业的影响 • Vol17：微软Copilot让 GPT-4 不再只是玩具：盘点611款 AI 生产力工具 【关于「2023 技术播客节」】 缘起于2022仲夏时节技术播客之间的梦幻联动，我们感受到了社区共创共建的力量。今年我们再接再厉，集结了30+播客、5大出品人、20+社区，希望拉动更多技术生态的内容创作者，一起用声音来表达，建设自家技术影响力，推动更高粘性、更深互联、更持久共鸣的用户社区构建。 【联系我们】 希望大家在听友群和评论区多多反馈收听感受，这对我们来说十分重要。欢迎添加津津乐道小助手微信：dao160301，加入听友群 【关于「科技乱炖」】 由多名资深从业者主持的科技点评播客，以实际工作中积累的经验为基础，结合实际，把近期科技热点变成犀利、独到、深刻的独家观点。 【关于「津津乐道播客网络」】 在一派纷繁芜杂里，我们为愉悦双耳而生。科技、教育、文化、美食、生活、技能、情绪……严肃认真却不刻板，拒绝空泛浮夸。与专业且有趣的人携手缔造清流，分享经历，传播体验，厘清世界与你的关系。 津津乐道 | 科技乱炖 | 津津有味 | 记者下班 | 不叁不肆 | 厂长来了 | 编码人声 | 沸腾客厅 | 拼娃时代 | 与她有关 收听平台 苹果播客 | 小宇宙App | 汽水儿App | Spotify | 喜马拉雅 | 网易云音乐 | QQ音乐 | 微信听书 | 荔枝FM | 央广云听 | 听听FM | Sure竖耳App | Bilibili | YouTube 联系我们 津津乐道播客官网 | 公众号：津津乐道播客 | 微信：dao160301 | 微博：津津乐道播客 | 商业合作：hi@dao.fm | 版权声明 | RSS订阅 本节目由「声湃 WavPub」提供内容托管和数据服务支持。

## Chapters

- 0:00 开场与节目介绍
- 3:16 程序员工作现状与AI工具初探
- 10:23 调研发现：程序员写代码时间不足20%
- 15:26 AI能做什么：套路性代码与脏活累活
- 20:50 AI代码的信任问题与幻觉
- 25:47 大厂禁用Copilot的合规风险
- 32:04 AI的局限：上下文理解与业务特色
- 38:41 AI与失业：效率提升但未缩短工时
- 50:08 AI是增强而非替代：翻译与X光医生的例子
- 57:06 程序员使用AI的现状与建议
- 1:06:54 未来展望：麻瓜与魔法师的平权

## Transcript

[0:00] 说话人 1: 本节目由津津乐道制作播出。
[0:19] 说话人 2: 多程序员他事实上花在写代码上的时间只有百分之二十不到。
[0:28] 说话人 3: 大家真正你去用起ai以后，你会发现说你自己面临的问题还是业务问题，更懂业务问题的那个人，能够把AI用的更好。
[0:41] 说话人 1: 毕竟我检查别人的作业是别人写错了，但是他写错的作业放在了我的作业里，
[0:50] 说话人 2: 你就花个十五分钟的时间。你去看几个最简单的教程，你就去b站小红书上搜这几个简单的教程，然后自己用一下，你就是已经前百分之二十的人了。本期节目是参与二零二三技术播客节共创的内容。你可以在苹果播客、小宇宙、喜马拉雅活动同名的官网和微信公众号，关注我们的活动，收听订阅，转发其他有台或社区的共创内容，也欢迎大家在这些平台上关注我们的节目。大家好，这是一期脑放电波和科技乱炖的串台节目。今天我们呢我们非常荣幸的请来了朱峰老师和小白老师啊，跟我们一起聊一个新话题。那在这里呢也向科技乱炖的听友们，我们做一个自我介绍，我是脑放电波的主播nixon主页是做vr.
[1:44] 说话人 4: 大家好，我是脑放电波的主播。托马斯过去的十几年呢，我都在消费电子行业里面从事营销的工作。
[1:50] 说话人 1: 各位脑放电波的听友们，这里是科技乱盾，我是主播朱峰。
[1:56] 说话人 3: 嗯，各位脑放电波的听众大家好，我是来自科技乱炖的小白。
[2:01] 说话人 1: 哎，我们的科技乱顿呢是一档科技闲聊类的节目。然后每期呢会针对一些科技热点的话题来跟大家来展开讨论。这次呢也特别开心啊，跟我们的脑放电波来串台这期节目会发到一个活动，叫做技术播客月。
[2:15] 说话人 2: 所有的理工达们从团结起来啊，大家一起互相串串台，策划一些好玩的一些选题。呃，我们这次其实正好几个契机啊，一个契机是因为我在学校还念个书啊，正好呢我写一个毕业论文，我其实就对GPT很感兴趣。所以我就调研了三十七个程序员吧啊去了解他们是怎么样用GPT来写代码的，到底有没有用。呃，跟科技乱炖串台很重要的原因是因为过往跟我们脑放电波一样，也是非常的关注AI领域最新进展的。我们原来就听过科技乱炖节目，小白是又做产品经理，又会写代码。然后朱峰老师曾经是程序员是吧？还是现在其实也算是一个程序员啊，其实现在还在写代码啊，对，朱峰老师现在也算是程序员。同时呢还做这个技术管理，还算是一个企业管理者。那我们觉得如果是这样的一个内容和视角啊，我们觉得这期节目应该会能聊出一些比较精彩的一些话题。所以这是促成了我们这这这一次串台。那我们这期节目大概会有三个部分啊，希望解答三个问题。第一个问题来说的话呢，
[3:16] 说话人 2: 大家在过去的一年里面每天都在看AI的一些新闻。那到底这种大元模型的这种AI,它到底有没有形成说你工作必不可少的一个工具？真实的情况是什么样？哪些要素决定了这个东西好用或者不好用。那这是我们本期要解答的第一个问题。我们还希望解答一些更深层的一些焦虑和对于每个人都适用的一些问题，就是AI到底会不会导致程序员失业，会不会导致每一个人失业？你如果今天要去学习编程，还有没有用，那更多的是用就业项的一个话题哈那这是第二部分。那第三部分呢，因为我和托马斯算是不会写代码，但是特别爱用的代表。那朱峰老师和小白呢算是会写代码，然后对这个东西又有很有insight的代表。所以我们希望我们可以就是魔法师和麻瓜吧。今天在一起可以交流一下我们怎么样呃来正确的利用这种代元模型的工具，来去提升我们的工作和生活的效率。那大概是我们这一期的宗旨吧。
[4:19] 说话人 4: 呃，刚才我们在前面聊的时候，小白好像提到说他的工作刚好有一些变化，跟我们今天的主题很很相关啊，我们请小白来介绍一下。
[4:29] 说话人 3: 对，其实在我刚刚好是在大概两三周之前，在内部做了一轮工作的转换。在之前呢，我其实算是一个比较标准的产品经理，我每天的工作是写PRD,然后和研发沟通你们该怎怎么做，然后跟跟随个个产品项目上线去做推广。其实过去我的工作是这样的，但最近两周，我我那我其实变成了真正的ai产品经理。然后我的工作其实会有很大的变化。以前可能我每天的工作是开会写文档。现在呢我更多的时间是我抱着电脑和我的那些客户们坐在一起看看我的客户们有什么痛点。然后他们想解决什么问题。然后我拿我自己知道的这些AI的知识，快速跑一个demo给他们看看，让他们觉得说这东西能不能解决问题，不能解决问题，我们应该怎么去改进。然后这样快速的迭代，直到说我们大家都觉得说这个demo已经没什么可改的了，剩下就是数据的问题了。好，那这个东西呢就产品供功能变成可以给研发参考的sample研发去改代码。然后数据这个部分呢，我们就跟业务方去一起沟通，说大家怎么去准备数据，让AI更好的理解咱们的业务，去为我们业务真正去赋能。
[5:36] 说话人 3: 这个还是一个蛮有意思的一个过程。可能和过去大家对于说产品经理的理解会完全不一样。过去大家可能想到更多还是画图，对吧？这个偏这个方向的
[5:46] 说话人 1: ai赋能拉齐工程师。
[5:49] 说话人 4: 所以你的客户其实就是程序员，对不对
[5:53] 说话人 3: 啊？不，我的客户其实是呃各个角色的人。比如说我最近对接的比较多的是像电销中心的人像，平时每天会在外面去跑单子的销售同学，你要卖的就是AI大模型的工具，对吧？是的，从某种意义上来讲，我们在干的真的就是AI赋能的事儿。
[6:14] 说话人 2: 好，那今天第一部分我们讲一讲聚焦一下程序员这个群体。他用呃大元模型来写代码。在这里跟听众们介绍一下所谓大元模型，可能大家能接触到的更多的是chatGPT,它是一个聊天机器人，对吧？但事实上，今天程序员如果要写代码的话，chatGPT它不是一个最方便的工具。那这里给大家介绍一个工具，它叫做github,copilotgithub,就是之前最大的一个代码仓库嘛，他就做了一个要副驾驶的产品。然后这个产品呢它是基于GPT四座的，然后学习了github里面所有的历史代码，他就懂了代码的套路。的时候，他体验验什比比说程序序员把一行代码，他把前半部分写完，那copyad肯定要猜到说后面你想写什么东西，他就会用灰色的那个文字，反正就不一样。颜色的文字在后面把那个代码给你给你显示出来，然后你只需要摁一下键盘上的tab键，那个代码就自动的补全上去了。这功能叫做补全，它就是有点类似于说这个GBT在猜你想要写什么代码，不断的在给你proposal.哎，你要补的是不是这个东西，然后如果你要补这个东西的话，我就给你，你只要确认一下就好了。
[7:23] 说话人 2: 它大概是这么一个体验哈。
[7:25] 说话人 4: 哎，我作为一个麻瓜啊，类似的体验好像就是在那个搜索引擎里面，你要搜一个东西的时候，或者在百度淘宝、京东的那个搜索框。你要搜一个东西的时候，基本上你输第一第二个字，他就会给一些候选嘛。哎，很多时候他就是你要的那个东西，这个是我的体验。
[7:41] 说话人 1: 我对这个跟搜索的那个建议功能可能还不太一样。搜索的建议功能其实是通过统计学的原理来做的嘛，就有多少人跟你搜的东西差不多。这个相对来讲实现起来比较简单。可能我们在多少年前就看过这样的一些具体应用了。但是这种基于统计的功能没有放在这个编程的辅助上来呢，其实这里有一个主要的原因就是编程的。你要实现的东西其实是多种多样的。你很难说别人说a等于一，但是他不可能在所有的程序里都是a等于一，因为他要基于上下文来分析。猜到，你要写是想写a等于一，还是想写a等于二或者a等于b对吧？所以呢它是要基于上下文的分析，以及学习很多人的代码套路才能给出你这样建议，而不是一个简单的统计学上的一个一个结果。所以说它有一点点不一样。但是似乎大家看到的最终呈现的结果可能是一样的的对吧？啊，就是给你一个建议嘛。
[8:37] 说话人 4: 嗯对，所以实际的使用体验怎么样？
[8:40] 说话人 3: 其实对我来说呃，这个东西在处理一些比较细分的任务是很好用的。就是因为我大部分时候还是会自己去构建整个框架。然后可能在里面有一些具体的函数，我觉得我不想自己写的时候，我就会直接写，我希望他干什么，然后让互换AI来去帮我去做自动补全这块。在解决一些你自己没有那么熟悉的场景的时候，它其实其是会更方便的。但是可能比如说像我们自己日常处理一些业务逻辑这个事儿，目前呃AI的上下文可能还是不够的。因为我们其实大家也不会在代码里去写很多业务的逻辑，所以AI它理解不了它目前大部分时候还是需要去理解我们中的一个一个的节点，帮助我们去完成每个节点的部分。然后但是整个的完整的全景图
[9:22] 说话人 1: 还是需要工程师自己来去做一些基础的建设的对call.Package做的只是一些功能性的补全，而不是一些他猜到你要做什么业务，你不能说告诉我写一个微信，他就给你写个微信出来，这就很难。对，因为他绝大多数的编程现在其实是跟业务具体相关的，而不是一些简单的功能性的事情。所以现在我们用起来呃，用代元模型去写代码，可能分为两个流派哈。一个流派呢就是用这种copililot这种工具来帮你补全。还有一种可能也是我们现在经常用的，就是我们直接在chatGPG里去输入一个prot,然后就告诉大模型说你要用什么语言，给我实现一个干什么什么的函数啊，输入是什么，输出是什么？然后他把这个函数写出来，然后呢，我们去直接用他给我实现的函数。当然这是在做严格的单元测试边界测试，然后确定他写的没问题的情况下哦，然后呢我们把它引个集中到代码里，可能更多的我们是让会让他这么去做，
[10:23] 说话人 2: 可以上一组数据啊，帮助跟我们一样不写代码的。听众理解。就是在copad出现之前，呃，有一种东西叫做自动补全工具，类似于应该叫做interlicense.类似这样的工具。这种工具呢它能够学习一些基本的就是函数名啊、参数名啊，然后它帮你可能补全的是可能是一行代码的后半段或者一行代码的最后几个单词。那现在呢这个东西进步到说你可能一个小功能的代码，它是由五行组成的那你写了第一行，他能够把剩下四行给你补全。这个是今天的程序员能用到的工具的几个情况。但如果大家就是刚才朱峰老师提到一个例子，就是说你跟他说一句话，就是这个你写一个微信出来。对吧啊，那那个sofar还是很遥远的一个未来啊，所以回到这个工具上啊，就是就是我这次调研的三十几个程序员啊，他们几乎所有人都会用呃TGPT,因为就是你就说话嘛，对吧？它是门槛最低的。但是呢这次我调研的呢大概有百分之六十的人，他是用过这种cppilot的啊，他是用这种自动补全工具的那copilot这个工具它是什么样呢？它就是它其实就是一个因为程序员写代码，它是需要在一个IDE里面去写的啊，ID类似于我们写文档的那个word吧啊，然后它会有一个插件。
[11:31] 说话人 2: 要付费，一个月大概是二十美金左右。那我们了解了程序员的用了工具之后，接下来我来说一下，我这次调研里面我的第一个发现程序员写代码的时间远远没有我们想的那么多。我的调研方法是我把我列了十一个就是程序员所有工作当中涉及到的任务。那编程这一块来说的话呢，有这种比较简单的，你去做某一个小功能的编程，也会有比较复杂的。比如说你要做这种模块拆分，做数据结构设计，我给了十一个这种工作的选项，给一些程序员，然后去问。他们说你回忆一下自己过去三年天到七天，对吧？你每一天花在这个事情上的时间大概是百分之多少，让大家给我填数。我最后就发现就是说很多程序员，他事实上花在写代码上的时间只有百分之二十不到。那些程序员他会告诉我们说，对啊，我的工作就是这样。事实上不是像你们以为的那样，我每天都是坐在电脑面前去敲键盘，写写代码。对吧我大部分的时间我是在读文档，我是在思考，我是在跟人开会，我是在跟产品经理扯皮啊，所以说我觉得这个事情其实是蛮出乎我意料的啊。
[12:34] 说话人 1: 这个其实我挺好奇的，你的调研对象是人群画像大概是什么样子的呢？是大公司的程序员居多呢，还是独立开发者个人开发者比较多呢？
[12:42] 说话人 2: 啊，大公司程序员比较多，大公司的程序员大概有三十七个，大概二十个吧，都是大公司来的
[12:48] 说话人 3: 啊，那确实是这样，像你们公司的程序员，天天不都在开会和battle.对，因为大公司他们里面会有很多的管控机制。当然这个东西是两面的。呃，一面是说我们会觉得小公司没有很多这些流程机制。大家就有很多刚进入互联网的新人，大家会觉得说我进去我学不到什么东西。另一层面是说这些各种流程也好，工具也好，规范也好，其实会让大家把大量的时间放在编码以外的事儿，大家会去遵循这些流程。所以这些的确是可能对于大厂来说，大家的大部分精力真的是在处理一些和代码无关。但是和公司内部的这些机制上有关的事儿。
[13:23] 说话人 1: 嗯，对，所以我觉得这可能跟我们的调查对象有一定的关系。
[13:28] 说话人 2: 我见过程序员花半天时间跟法务battle的，就是在讲在在聊这个安全合规问题啊，这个确实是这次调研里面很很重要的一现象，就是不同的公司，不同的项目目，不同的岗位，呃，甚至是说不同的角色。比如有的程序员员，他始始人了，对吧？他可能就完完全全不写代码了，只看别人的代码，发现大家花在写代码上的时间就天差地别。有的人会告诉你，特别极端的告诉你说每天百分之八十的时间都在写。但是我这次可能调研的大厂的程序员比较多，他们大部分人都时间都告诉我说，嗯，我就百分之二三十的时间在写，所以这个时间确实没有大家想的那么多，但剩下时间就干什么呢？我举一个例子，比如说代码出来的，他可能要花很多时间，他去测试那个产品经理，给了他一个需求。你写了文档，那是文档，到底是什么意思？我们俩理解是不是一致，那这个就要花大量的一些时间。比如说你会发现说这次我调研里面可能所有的审讯员告诉我，我说大概至少有五分之一到四分之一的时间都是在干这些事情啊。所以说大家在听这期节目的时候，先抛弃一个刻板印象啊，它不是一个整天都在写代码状态。
[14:31] 说话人 2: 有了这些工程序员工作的情况和工具之后，他们到底在什么时间可以去用这个chatGPT,或者是呢cpilt.有的程序员都告诉我说，我大部分时候我是用不到这个东西的。我可能只有那个百分之二十左右的那个写代码的时间，就是而且是非常明确的写一些简单的代码，是完成某个具体的功能。而不是说特别这种抽象的架构的那种类似于数据模块这种设计它是用不了他要做的一些功能。比如说你点击一个按钮按钮，这个按钮之后，它是要传输一个数据，还是要弹一个动效，对吧？这样的功能它它就很适合cocoilott去做，他们给我一个总结吧。他就是说但凡我的代码里有这种套路性的重复性的这种代码的逻辑，或者是说一些很脏活累活吧。我就是不断的在不停的数据库之间做这个调取啊，不同的去做这个互动。那这些代码现在这两个大元模型工具现在可以处理的非常好，大概是这样的一个情况啊。
[15:26] 说话人 3: 呃，对我其实可以给他家一个参考。就比如说我最近在写一个ai的应用，可能大概有呃三百行代码左右。对，然后跑起了一整个应用的逻辑。然后这里面有可能有接近六十行，其实就在处理各种数据结构的转换。那这些东西就是我们过去大家一直觉得写起来很dirty的work.然后我们可能会选择把这部分工作交给AI来去帮我们做处理。因为这部分工作其实非常简单粗暴，就是把a的放在什么位置的东西拿出来放到b的某个位置上。这些工作其实从人的上面我们去写也可以写。你要一个一个处理很累。所以我们会选择说把这部分的代码的生成，就我告诉你我的输入是什么，我的输出是什么？你就帮我生成代码，能达到这个效果就行了。其实现在有很多都是这些事情，这些东西也是AI相对来说会更好做的。因为这个部分其实没有什么业务逻辑，它确实从a到b你只要能够理解我的a和b是什么，其实AI就可以很好的去解决这些问题。这些逻辑是很适合ai做的。但是你比如说我做的一些呃偏创新性质的和业务有深耦合的这个部分，就只能靠人来去做
[16:30] 说话人 1: 对。但是这话又说回来啊，这这里其实有两个可能性的场景哈。比如小白说他在写一个AI的应用。在这个过程当中呢，涉及到数据转换，我可以理解成你其实是在写一个MVP
[16:44] 说话人 3: 啊。
[16:44] 说话人 1: 对，其实我写的是MVP.对，在这种情况下，可能我们现在会大量的去用AI去做MVP的实现。比如说前段时间我也做了一个东西嘛，可能呃自己没有写几行代码，就全用AI给我把代码写出。甚至有的语言像让让他给我做一个浏览器插件，我根本就不知道怎么做那个东西，但是干脆你就给我给我做了就好了。我还改几行代码就好了。但是这里有一个问题啊，如果你是一个在大公司，在一个大的架构之下去做开发工作，其实这些脏活是应该做在架构这一层来解决的。在基础设施这一层解决的从一开始到现在，即便有没有AI,也不应该让程序员中守一会儿来去干。这种脏活是因为第一，他不够优雅，后续的排错维护都是问题。再者一个也容易出错。对，其实这个过程中也是真正第八g说你花时间最多的对，现在我们会发现有很多用AI写的整段的代码就是经不起推销嘛。在你没有办法给他去做完整的这种测试或者是单元测试的前提下，
[17:47] 说话人 1: 这个东西写出来你是不放心的。我还要给AI写的代码去做一遍。Codereview这件事情就第一，他写代码有可能不符合我的编程习惯，或者不符合我团队的编程习惯。他相当于我请了一个印度程序员帮我写一段代码是一个事儿，
[18:04] 说话人 3: 而且你还得理解他的代码怎么写。这个其实是很多时候大家用AI去写大段代码的时候，最恐惧的时儿就不是说是的，不能让他写，而是说他写了一个很长很长代码的时候，我会发现说我靠这个写法之前从来没见过。
[18:16] 说话人 1: 对，我不知道他的思路在哪。在这种情况下，反而给程序员自己带来了很多不安全感。这种不安全感不是在于说你去取代了我的工作，是我不知道你在做什么。
[18:27] 说话人 2: 但是这我往回倒一下，就上一个问题啊。呃，小白提到说三百行里面有那个六十行，是很basic的代码。朱峰老师提到说这类的代码，其实逻辑上就应该是怎么讲，从架构层来去解决。我可不可以理解相当于说某家公司或者某个业务它常用的一些功能，它就应该是封装好了，成熟的库就让你直接去调用就好了。而不是说你啊你要去重新把那个东西写出来，有点类似这个意思是吧？
[18:51] 说话人 1: 如果狭义上是可以这么理解，比如说咱举一个更广泛的例子，以前我们在代码里去调用数据库，可能就写circle,对吧？现在都是拿OMM做了了，很很少，我们再在代码里直接写circle了吧。就像这种类似的这种更容易出错，或者是架构和这个语言更复杂的情况下，我们更多的可能现在是说会用现场的酷，或者有更优雅的解决方案去解决这个问题。
[19:15] 说话人 2: 明白，因为我和托马斯是干marketing出身的，所以这个点上其实我理解就是说它有点类似于你们公司市场部准备的那个标准的产品和公司业务介绍包，或者该lightPR该light啊各种各种各样的守则。
[19:31] 说话人 4: 呃任何一张海报看起来都是一样的，对吧？那个背后其实就是有有一套VI体系在限制。应该这么这说。就是每一个设计师，他不应该说我在做这张海报的时候，我要坐下来。就先想我这个logo到底应该放在左上角的什么位置？我右下角应该写字，还是应该放企业的这个邮箱或者是网址。这些东西在最开始有一套现成的框架就帮你框好了。就是从a点到b点，你应该怎么放logo的这个安全距离，距离这个纸的边应该有几倍的这个宽度，这些都在VI体系里面就确定好了。你只要照着那个该y去调用就好了。你可以把它理解为就是每一次一个平面设计师要做一张海报的时候，他就去调用VI里面的那个库，找到那个平面海报的设计原则，然后放进来，把这些所谓的脏活累活交给这个规则了。
[20:21] 说话人 2: 对对对，其实有点类似这个意思，就设计师不需要去思考，logo应该放满他应该focus在那个创意上，对吧？
[20:29] 说话人 4: 对，然后然后刚才我觉得那个朱峰老师跟小白你们提到的点，其实都是当这个AI帮你写了一长串的代码的时候，其实痛苦的点在于你不相信他写的是对的。或者说当你需要测试他是否对的时候，那个花的那个精力检查，就相当于检查一个差生的那个考试题，你相当于还不如你自己做一遍，是这种感觉，对不对？
[20:50] 说话人 1: 呃，类似这种感觉，但是可能不确定性会更强一点。毕竟我检查别人的作业是别人写错了，但是他写错的作业放在了我的作业里，这是另外一回事。
[21:00] 说话人 4: 明白这个其实跟整个AI现在在很多领域的应用遇到的问题，我觉得是一致的。就是所谓这个大模型的幻觉的比例幻觉，就是说他自己瞎编编了一些内容，然后当做事实放进来了。
[21:13] 说话人 1: 他其实还真的不是瞎编，他确实有可能实现了这个功能。但是我不知道他的思路，所以我也没有办法明确的知道他会产生什么样的副作用。
[21:26] 说话人 2: 所以这里就涉及到我这次调研的一个涉及到的一个问题，就是叫做说呃现在的真正的那些企业里面管这个开发效率和管这种类似于说数据安全代码安全的这些人，他们愿不愿意让自己的员工去用这个东西呢？我因为我这次涉及了整个总共十家公司。那目前来看来说，大部分的公司都他其实是一个中立或者负面的态度，有三家是负面的态度，直接禁止。然后六家是中立吧，但他们可能还不太理解这个东西的用途，只有一家公司，他是很喜欢这个东西。但是他的逻辑呢是说我不让你用外面的工具啊，因为我公司里面有很多成熟的代码，我希望你大于模型参考的，更多是公司用过的上线的代，所以他们是自己训练的一个工具。国内著名的大厂里面来看的话呢，我们看到美团阿里字节目前都是直接禁用copilot啊，然后腾讯和蚂蚁金融呢不建议使用。华为呢，好像是一些高保密的项目，它就是禁止了。因为朱峰老师是管理者，然后小白是做工具的。我不知道你们看到的一些情况和实践是怎么样子啊？
[22:26] 说话人 1: 嗯，我们这个团队写代码人不多哈，但是通常我们还是采取一个态度，我们以结果为导向。如果你的代码你自己能看懂，别人也能看懂，且能够通过单元测试，那是ok的。我不在乎你是不是用ai写的，但是你一定要明确的知道他干了什么。对，这段程序做了什么，你要明确的知道，而且我要保证你没有任何的副作用，这段代码才可以合并进来。你肯定要反复检查，不要出一些负面的结果出来，我觉得很重要。也就是说你可以找一个外包帮你写代码，这个代道理是一样的。你找一个印度程序员文写，那玩意儿有问题吗？
[23:07] 说话人 2: 没问题啊，但是你要知道他对你做了什么，这里就很大的一个问题是GPT他没有办法告诉你基于什么样的逻辑把这段代码构思出来，对吧？
[23:17] 说话人 1: 啊，其实也可以就是现在把一段代码贴给GPT之后，你告诉他你给我用语言给我解释一一下这段代码做了什么，他仍然是可以帮你解释。但是这个事情你就很难引入到一个工程实践里面去嘛。因为我们的工程事件一般，比如说我们用测试驱动开发，对吧？用TDD这种情况下，你不是说你用语言给我解释一遍，你干了什么，而是说我要看结果，我要做测试，我才能知道这个代码能不能用它。
[23:45] 说话人 3: 这里面我我也补充一个信息，就是各家大厂其实禁用掉大模型不一定是工程原因，他不敢不让大家，因为还有安全问题。对，一个是安全问题。另外一个问题是说，从法律上的合规风险，因为copilot他训练的代码是gethuup的代码。但是这个时候就会有一个问题是gethuup上很多代码是开源的g甚至是GPL协议的
[24:05] 说话人 1: 对。
[24:06] 说话人 3: 其实大厂怕的是某些有传染性的协议，把我的代码也给污染了。那我的代码到底要不要开源？如果不开源，那我违违反协议了，他可以来告我，对吧？如果我开源，这是我大厂的核心代码呀，我怎么能给你呢？所以这些其实可能是大厂真正屏蔽的原因。导也不是说大家对大模型就是那么的恐惧。包括我们其实会看到一些大厂，大家会去自己定制它。核心是为了规避说我还是希望大家能够用。但是出于说我们自己的保护自己的诉求，所以我给大家训练一个内部的它不够好用，但它最起码可以解决大家的问题，而且保证这些代码不没有被GPL传染。对我一定是一个安全的代码，这块其实可能是大家真正评的原因。
[24:48] 说话人 2: Gpu传染就是说你用了别人开源的代码构建了一个新的功能，那你那个代码也也要开源出来。那这个对于很多大公司来说，相当于说你的那个代码。它从法律上来说，它是应该属于公共的一个知识产权，它不是你自己的知识产权，这个事情确实挺有风险的。
[25:06] 说话人 4: 这个是如果不开源，其实你也查不到，对吗？就理论上是啊，
[25:09] 说话人 3: 但是问题是这个世界上没有不透风的墙吧。比如说举个例子，我我知道你代码里用了我离职了，我可以反过来告你一把，我是可以这么干的。因为你是这个没有遵循这个开源的协议嘛，你违背了我们的合同，那我其实是可以告你的。如果他用了，然后他就在赌说我，所有的人都不会出去告我。对，但他没有必要引入这个风险险。
[25:30] 说话人 1: 但但是咱今天这个不是一个罗翔说法的节目啊，这里其实GPL还有很多很多的细节，可能也不能如此简单粗暴的理解。但小小的意思大家应该都该明得到了，对吧？
[25:41] 说话人 4: 对，嗯，其实就是合规性，对于大厂来讲，往往有的时候甚至比效率还要重要。
[25:47] 说话人 2: Ok那刚才其实我们已经解已经解释清楚了一个问题，叫做说他能够帮你生成一些简单的代码啊，然后呢我这次调研的程序员对这个功能都还评价都还蛮高的。但是呢回顾我们刚才说过的就是这样的编程的时间，只占我这次调研的程序员的百分之二十的一些时间左右。那剩下的一些时间来说的话，不管是chatGBT还是copilot,它的参与其实都是非常有限的啊。呃，比如说你要生成一些测试用例，对吧？因为copilot和chatGBT它不完整的理解你的这个业务逻辑。所以说它只能是辅助的帮你生成一些测试用例啊，然后剩下的你还是要自己去花时间理解这个业务到底是怎么跑的，或者就是说程居然花很多的时间去阅读产品经理写的文档。那这个过程当中呢，GPT和这个copet也没有办法直接告诉你说对应这样的一个功能诉求，你应该怎么样去实现，对吧？他只能提供一些碎片化的帮助。然后的话包括就是说很多工作环节，它完全是跟人对接的这样的一些环节的话呢，或者是说他有很长的这个业务上下文。
[26:50] 说话人 2: 那现在大家都知道说不管是GBT还是copate它，实际上它的那个token的数量它是有限，它那个记忆的时间也是有限的。所以说一旦你的那个一旦你的那个业务上下文很长，或者说你这个功能是非常有业务特色的。举一个不大恰当的例子。比如说美团就有个功能，就是是说你定了送达的时间，但是同时你还要定说，如果联系不上我，我你是打给我打电话还是怎么样，对吧？那这种就是美团作为一个外卖业务，它非常明确的一个特色。那你在如果你程序员，你是在写那个美团的下单页面，你就要考虑把这样的一些功能提提供给用户。那目前来看看的话，大元模型它是不具备这样很好的上下文理解能力的。所以说我们就会看到说，如果你要做的是代码审核，或者说你要你要维维护的是这个服务器上的一些性能。甚至就是说你要去找另外一个程序员和产品经理去确认他们想要跟你协作的方式。那这些东西接的GBT是完全没有办法去参与的，而且这个时间占比还不低啊，可能就有百分之三四十左右的时间借的GBT是完全没有办法参与进来的。
[27:52] 说话人 2: 一下，就是我这次列出了十一个工作环节，那就一个环节就是叫做我叫做常常见的编程任务。括弧完成成某具具体的功，并并且上线。这一个功能是切的，GPT能够一定定程度参与的。但是剩下的呢切的GPT能给你提供碎片化的支持，或者是压根不能参与。所以大概是这样的一些情况啊，但是事实我这一次我借到几个陈轩哥们，他们的用法很有意思。我觉得这些人是很有天赋的，就是他能把这些工具拿来跟人和人去沟沟通。如说我这次就遇到了一个后端工程师，他处理的是服务器上的一些事情。他要跟那个做前端，就做界面的那个工程师，他经常要去互动，就是说哎我们怎么样来协作。所以呢这个工程师他就告诉我说，他训练了一个机器人，这个机器人一会儿可以扮演产品经理，一会儿可以扮演前端工程师。然后的话呢我可以去跟他说，哎，我这样跟你交互，你看行不行啊？我这样跟你协作，给你传参数，你看行不行？那个JT的GPT说，ok我觉得这样可以他才会把这个东西写成正式的提案，然后才会去跟自己的同事去说确认。
[28:58] 说话人 2: 我这样跟你说成不成。这样的话呢，他就他就节省了那个人和人沟通的时间。那相当于说他提交给别人的那个协作的建议，或者说提交给别别人的技术文档，都是先拿切TGPT或者compde先过过一遍的那我觉得这个是比较有创新的。这个例子啊就是呃我觉得这个也是一个很有未来感的一个形态。就是说他不再是帮你补代码了，他已经作为一个你的私人的工作的一个助理，再去帮你思考了。对我觉得这是蛮有意思的一个点啊。
[29:26] 说话人 1: 其实现在我们都在尝试用GPT完成一些其实要跟人沟通的这些工作和过程，反而让他写代码不是说特别多。
[29:37] 说话人 3: 对，因为我实际接触到大家对于写代码这事其实真的没有那么痛。因为大部分时间大家的痛点是说，我想清楚了，我准备去写的时候，三分钟来一个消息啊，打断我一次。是的，三分钟来打断我一次。然后这消息呢又没有办法很好的说自动化处理。所以大家会把更多的时间会放在说我怎么样减少自己被打扰的是机会，对吧？让我可以更加专心的去写。包括我们再去做一些创新性应用的时候，其实也有很多思路是在解决这种问题。
[30:06] 说话人 1: 对，就是把人的这个同步协作变成异步协作。就是他如果能够形成一个助手，其实在绝大多数的情况下，是能够帮你在前面去做一个异步的沟通的。这个东西是蛮重要的。而且现在我看到也有很多人在尝试用GPT写PRD,还有文档是有这样的一些实践。为什么会有这样实践？我觉得还蛮有意思的，是因为其实GPT你要搞清楚，它是一个大语言模型，它不是一个大知识模型。它最擅长的事情其实是帮你完成说话这件事情，对不对？所以说能不能用GPT写好PRD,能不能用GPT写好文档这件事情取决于你有没有把这件事情想清楚，你有没有把这个任务描述清楚给GPT.如果你能够描述清楚且能够很好的拆分你的任务的话，其实它是可以完成很多文字性的定的工作了。其实在这个过程当中，很多人都会有自己的一些实践在里面。
[31:08] 说话人 1: 包括我们最近也看到了，有一些创业公司也在做这件事情，做的还是蛮不错的。而这里蛮有意思的就是说这里功能的迭代是不是能够让我们看到一个眼前一亮的功能，其实是取决于大元模型。他能不能拿到足够多的这方面的训练，语料来做训练。比如说他拿到了代码以及其对应的文档。那这个时候其实就可以有大量的数据训练出来，他就能够跟着这个代码写出很好的文档。但是有赖于我们程序员都不爱写文档，所以这个事儿可能还要等几年是吧？就是因为可以训练东西太少。
[31:47] 说话人 2: 对，可以期待哪家大公司。他训练模型的时候，是把这个PRD和代码，甚至把业务上线之后，有没有有没有发生事故？我把那些日志和复盘，我全部一块一股脑给他扔进去。也许这个是一个比较终极的一个形态啊，终极编程助理，对吧？
[32:04] 说话人 1: 对，但是一般的这些内容又构成了GTP现在的一个困局嘛。就是一般这些内容都是私域的内容，他很难在互联网上被抓到。所以这一块呢GPP就很难把它训练出来。也也有可能有一家公司它可以用于内部的模型的训练，对吧？做出一个内部来，他但是它永远是在私域里的，他很难开放到公域。这就造成了今天我们可能觉得用它去完成一些在工程领域的文字性的工具工作这一块他比较差。我觉得主要的原因可能会是是因为他没有足够的语料去训练它。
[32:37] 说话人 4: 呃，朱峰老师有一个观点很有意思啊，他说这个大语言模型实际上主要的是他的能力是在说话。而程序员其实是理科生嘛，那就是就是我们对应来看大语言模型，实际上是一个更适合做文科工作的这么一个文员的角色。对吧？
[32:54] 说话人 1: 对，我们很多程序员说我不愿意用GPT主要的一个原因，还是因为他的回复不是一个确定性的回复。他如果习惯于跟机器打交道，那你告诉我机器你给我输出一个一，他一定给你说出一个一，他不会出一个零，除非你代码写错了，他给你的是一个确定性的结果。而你跟GPT说话，你可能问同样的问题，那两次回答都不一样。这个时候程序员就懵了，他就不知道怎么应对这件事情了。他觉得你回馈的不是一个确定性，他不是在跟机器沟通，他是在跟他女朋友沟通，或者男朋友沟通阴晴不定啊。
[33:28] 说话人 2: 对于理理工男来说，就编程的魅力就在于说你能够非常精准的让和计算机约定让他怎么工作，对吧？对的，现在变人发现了，说这个约定不管用了，但是你要哄着他干活，这件事情他就疯了啊。对对对，唉，但是这里插播一下，就前几天openi那个大会，他们解决这个问题，他们叫做一致性的问题啊，他们开发了一个呃呃还要再给开发者提供完整的日志。就是相当于说告诉你GPT是怎么样做出这个反馈的。然后的话呢让你去理解中间这个过程，以及在提升这个一致性。我们也可以期待一下，就是GPTturbo这个新的模型。这种一致性的功能上线之后，这类代码的工具在一致性上是不是会有很大的一个提升哈。
[34:11] 说话人 1: 但是有会有一定提升。这我们也单独录过一期节目在聊过这个问题，一致性问题，使用大家语言模型时候，都在头疼一件事情，如果他能够解决好了就很ok这件事情。但是呢问题在于说，其实我们在语言模型或者是我们人工智能技术，其实都是仿照我们的大脑的结构来的嘛，对吧？训练来的嘛。那这个时候你会发现它输出不确定的东西，它几乎是一个定局。对是的是的对，因为它就是一个人人的思考的过程，人的思考过程，他就是没有一致性的，
[34:42] 说话人 2: 确实就是这样。因为像像我们台是是会用那个我们自己做的一个机器人来写修note嘛。我发现确实每次写的都不一样，质量参差不齐的。然后每一次都是让他连续写四五篇，我挑一篇好的来用。
[34:56] 说话人 1: 对对对，只能是这么干。
[34:58] 说话人 2: 对，但是刚才朱峰老师和小白提到的一个点，我觉得我们也可以延伸一下，就是呃大语言模型。它的核心能力是说语言是跟人去异步去沟通，对吧？这个点我觉得我这一次也是受到这个程序员的启发的，就是他们有几个人告诉我说他们觉得这个东西特别好好在哪里呢？就好在说他就是说如果我今天要去跟产品经理沟通和或者是跟跟我的前端的那个配合的兄弟沟通。那我是要约他时间的。而且呢这个人他可能还有不同的状态，心情不好了，或者是说到了下午饭点，你又开始犯困，对吧？啊，那那这种时候其实沟通的质量是良莠不齐的。但是GPT这东西的好处，那就是它是一个全天候在线的。你半夜你都能找到它它很明确它的专注能力和那个判断能力，自始至终是在一个水平线上，它也不好，对吧？它也不是很突出。但自始至终它就是在同一个水平线上，它就是同样的专注度，同同样的这个判断能力，他在跟你去工作，这个确实就让那个异步沟通这件事情，让他们变得很爽。
[35:58] 说话人 2: 他们就会觉得说这个是让我觉得说你跟人和人沟通，你有很多摩擦，你要看这个人的状态。你要约时间，尤其是远程办公，你会觉得这种摩擦就特别多。但是如果是跟GBT去做这种沟通就特别爽啊，就不存在这个问题。
[36:13] 说话人 1: 啊，这就是我们程序员就是总想找一个确定性的这这样一个思维逻辑带来的认知嘛。他总想找到一个确定性的、情绪稳定的、确定性强，一致性强的回应。你的产品经理心情不好，下午心情不好，犯困你可以买它。哎，奶茶不所有事都解决了吗？他想不到这个他想到是我要找一个确定性的对象去跟他聊解答了这个现象。
[36:39] 说话人 2: 那我最后再补充一下，这一次调研里面看到的一些情况。就是所有我调研的人啊，三十七个人里面，他们大概分别是可能半年到一年之前开始用现在GPT和扣拍的这样的工具。那这两个工具目目前来说确实是从做软件产品的概念来说，确实是前所未有的一个好数据，就是这些人一直都在持续使用。就是大家知道说如果你今天是做一个APP,对吧？你做的再好，可能接下来到半年之后，愿意继续用这个APP的人，可能只有百分之二十不到。这个已经是行业非常优优秀的数据了。但是如果只是看我调研的这个样本的话，那就是现在就怎么说，就是百分之百的留存和月活对吧？啊，那那这个数据确实还是很厉害，那说明大家对他的这个反馈评价都是很高。那当然他也会有一些不好的特点。其实刚才朱峰老师和小白都提到一些，我再补几个点，我也是这次发现的。比如说我这次调研有几一个做硬件行业的程序员，他们就说因为我们这些行业用的代码可能是存在一些芯片公司的论坛里面，芯片公司的文档里面它不在上。
[37:39] 说话人 2: 那这样的一些代码就显然就会发现githuchetGBTgithppill他的就比较笨，就是专用领域的一些知识点，它就不太足够了，这个是一个问题。这个上下文理解能力啊还是比较弱。总而言之就是复杂的任务几乎都处理不了。在讲完这一部分之后，其实大家理解只有百分之二十的时间是写代码。然后的话这些代码其实也不是说直接能帮你完成这个事儿。所以说从今天来看，就是说你写程序是不是必须要用啊这样的这个代码模型工具。那显然它还不是一个非常必要的一个工具。我觉得大家对它的态度可能就是朱峰老师刚才提到的，就是以结果为导向，对吧？他能不能通过你各种测试，我觉得这个才是最重要的。而不是说我们先来关注说这个工具我是不是必须要用花那二十美金，对吧？现在来看还不是这么回事儿。好，我们第一趴就结束。那接下来我们再来讨论一个跟每一个人都会相关的一个问题啊，就是说这一类工具随着用的越来越多，它到底会不会导致失业，导致失业有两种状态。
[38:41] 说话人 2: 第一种状态呢是直接把你的工作给替代掉了。那第二种状态呢是他把整个团队的效率变得提高了很多，导致你的团队不需要招那么多人，所以就会把一些人给挤掉。那这一次来说的话呢，我我深入的找了八个样本，有五个人啊，他给我的反馈都是说我能感受到效率的提升，但是我没有办法准确量化，我那个上下班的时间还是差不多的。主要的原因是说，哎，我我原来写代码的时间，现在变成了生成代码的时间缩短了。但是我现在要花更多的时间去读代码，就是要理解这个代码是怎么写出来的，去检查去调试。所以我这个我这个时间就花到另外一块去了。哎，还有一个反馈，特别的哭笑不得，这个你不知道功能是做不完的，bug是解不完的。我原有的功能这个能提前上线了，那我的产品肯定更快迭代嘛，对吧？所以说我的上下班时间还是这么回事，所以我现在完全也没有有什么失业的焦虑。我觉得产品能够更快的速度迭代，这个是一件很好的一件事情。然后所以大概是这样的一个状态吧，只有唯一一个人告诉我他他非常
[39:42] 说话人 2: 精确的告诉我说，我写代码的时间缩短了百分之三十。所以大概是这样的一个情况，确实跟我们体感不一样啊。所以因为所有人的体感都是觉得说用了这类工具，你就应该更早下班了，对吧？
[39:54] 说话人 1: 其实这里有一个蛮有意思的情况，就是其实现在大元模型的能力还是不足的嘛。在这种情况下，大家可能用AI工具来写代码这件事情就像我刚才说的一样，可能还有会有大量的时间会用在一些。我给他调错，我看他写的对不对？可能还不如你挨行的自己去写代码，花的时间可能也差不了太多，这是一方面。再有一方方面，其实我们都在说程序员做的工作，其实是一个创造性的工作，而不是一个简单重复的工作。代元模型能够帮助你解决简单重复的问题。但是在很多大公司里，简单重复这个问题，已经由公司级别的架构啊、框架呀、库啊给你实现了。所以你做的可能更多的是创造性的那一部分。那这一部分有多少能够真的用大元模型帮你干喽。这个我们要打一个问号。还有一个就是我们刚才说这个大量的沟通时间，这个沟通时间它不是无效沟通啊，它其实是一个创造过程，是一个团队协作的一个过程。这个过程你更加不能用带元模型去完成。
[40:58] 说话人 1: 所以这可能就导致了至少在现在大语言模型可能很难让程序员失业，甚至说很难让任何职业失业的一个主要的原因。他该失业的早就失业了，他也等不到大语言模型出现，他可能就已经失业了。比如我收费站内收费的对吧？这种已经失业了，但是很多行业职业没有失业，跟大学模型没有太大关系。它失业与否是我们的技术能不能替代它的生产力的过程。那很多的创造性的工作，像程序员这种工作就是一个创造性的工作，他就很难用机器去所取代。
[41:34] 说话人 4: 对，钟老师，我问个问题啊。就是因为刚才您您提到这个程序员是一个创造性的工作，对吧？我们也知道其实缺了GPT,包括这个现在的大元模型，它能够做的大部分的工作其实是重复性的。或者是不像我们刚开始知道这个东西的时候，感觉起来那么有创造性的一些东西。因为他给你的东西都是一些套路的，一一些现有东西的缝合对吧？或者是组合。那在其他领域呢，比如说AI现在呃最热门的一些，而且就已经在生产力上某种程度上形成替代的领域。比如说它可以替代掉淘宝的那些初等的模特。过去在在这个杭州有很多这种专门就是拍各种各样的服装出口，做海外市场的，他可能一天要拍几十套衣服。但是这种套路型的模特，很多跨境电商啊，这种就是出海的，包括国内的这些淘宝的这些这些商户。他用AGC直接生成一个套路，他一天可以生成更多，而且成本非常低。而且有提供这种服务的服务商了，使得他们其实不需要花太多的钱去请这些初等的模特了。
[42:38] 说话人 4: 但是你说高等的模特，这些我们都叫得出名字的，或者是那些大模，他们其实不受影响。因为对他们来讲呢，他们的姿态，他们的这种影响力，他们的创造性的表达其实是有价值的。就是在模特界。因为我们很明确的知道，他就取代了一部分小模的工作了。其实然后呢第二呢，在这个美术领域啊，他可能取代不了那些真正厉害的做设计的人，就取代了到那些低端的低阶的、入门级的，没有那么创造性的工作。那我想问的是在程序员这个领域里面。因为我们知道大家我们聊的更多的是大厂啊，或者是那些优秀的独立开发者。但是我相信还是有一些相对低阶一点的，他可能就是在做非常基础的开发工作的那些可能一个月我不知道有没有啊八千月薪的程序员，他没有什么创造能力，他就是简单代码对齐，做一些非常基础的工作，来呈现一些基础的应用的需求。会不会这些人的工作有可能会逐步的被淘汰掉啊？
[43:39] 说话人 3: 我觉得这个可能得分两块，看一块是这个人还在成长期，他的能力不足以去做这个很有创造性的事儿。那这部分人肯定会始终存在，因为我们不可能指望每一个程序员出来都是大神，大家都会有一个学习的阶段，那一定会有一个爬坡的过程。那这个是始终会存在的。然后另外一块我们说的是这部分人就是在干一些dirtywork.那这个事儿呢我听到的第一反应是就是大概率会被开源，或者是某些人做的一些工具给替代掉，可能在这个过程中早就被替代了。
[44:09] 说话人 1: 他现在只是给他推了一把更快的替代。
[44:13] 说话人 4: 所以现在其实没有低端程序员。
[44:16] 说话人 3: 呃，我觉得很多时候大家对于说CRUD这个名词看的太过于低端了。但其实CRUD背后它反而是业务逻辑，大家去做基建，这很好。我觉得他在技术上的确很深，但是另外一个层面是你真的不理解业务到底是什么样的。我们的很多业务逻辑真的只是ifelse.但你别小看这个ifelse,它的ifelse背后是大家对于这个行业的knowhow.我知道为什么这里我要加一个ifelse,这个很重要，对ifelse本身不值钱。但是为什么在这加它很值钱？
[44:49] 说话人 2: 刚才提到CRUD就是指就是增删改查啊，增删OKok理解了啊，就是ERP的最基本功能。意思就是说最基础的功能看起来很简单，但是它背后是有很多行业弄号，是这个意思，对吧？
[45:02] 说话人 3: 对，其实我们大家很多时候觉得说呃，那些基础工程师只会做增删改查。其实大家会觉得说就是想说这些人是不是会被干掉。如果说他真的只能做增删改查，比如说他就是很机切的从数据库里面读写数据会从过去的裸写circle,但现在大于用ROM,可能就把这部分写纯ccc.Er就就掉了了。是说他的CRUD是有业务属性的那这波人无论如何都干不了。因为他其实考的不是你写代码，他考的是你对业务的理解，你只要能理解业务CRUD,反而是简单的。
[45:35] 说话人 2: 托马斯，我刚你刚才举的那个例子，就是刚才像提到说就是ai替代初级模特。其实这个事情大元模型出现之前就已经有了。我记得最早我看到这种东西是淘宝，大概一六年一七年，他就开始在秀这种。但是那个时候因为它的模型通用性没有那么强，再加上模型的门槛没有那么低。所以说那个时候它还没有被广泛的关注和应用。但是大元模型确实是就像朱峰老师提到就推个东东西吧。所以说我觉得就是呃大家看这个工作啊，其实要有一个动态的的眼光，就是呃是不是存在这样的一个概念。就是说事实上今天我们能够找到的工作大部分都是具备创造性的，就是真正的完全不具备创造性的一些工作。事实上，在哪怕代元模型出现之前的这种技术浪潮里，早就被大量的自动化。早就被大量的刚才两位嘉宾提到的这种开源啊，一些基础设施建设就已经给替代掉了，对不对？
[46:25] 说话人 1: 对，呃，但是这里有一个界定，就是我们讲的所谓的简单冲复会被AI取代的可能我们会管它叫伪脑力劳动，就是看上去你做的是一个脑力和创造性工作。但实际上它并没有提供任何创造性的价值的这种工作。比如说简单的CURT,比如说那种模特，对吧？简单摆造型模特，只有只用你一张脸的那种模特，那可能就是那种所谓的为脑力劳动。但是还有一部分你所谓的简单重复性劳动是取代不了的。比如搬砖
[47:00] 说话人 2: 啊，对，是的。
[47:01] 说话人 1: 嗯，因为他真的是需要有个人去搬，对不对啊？这种AI还是取代不了的，我们现在可能指的只是脑力工作的这一个环节。
[47:10] 说话人 2: 好了，那那说完了这个时间啊，就是说完了大家的时间到底有没有真的缩短，我们发现没有缩短多少。但是我觉得我带来了一个很好的消息啊，可能是各位企业管理者们很希望听到的，就是尤其是我深度调研的，就是帮我算时间的那八个人，他们都会告诉我说有了这个工具，我写代码更幸福了。我觉得幸福感很高，因为不用去干那些脏脏累累了了。那幸福感很高，带来的结果是什么呢？我我侦查了一些论文里面一个论文，告诉我的结果特别搞笑。他就告诉我说，当一个员工的幸福感提高的时候，他们观察到的结果是员工更愿意加班了，这个事情就完全反过来了。就是他不但没有提前下班，他反而还更愿意花更多的时间待在办公室里面。如果你给你的员工配了这样的工具，对吧？哎，这个我真的是能够理解啊，能够理解符合逻辑，对对，符合逻辑，符合逻辑，对，因为创造的成就感提升了嘛，对吧？对的对的对的，所以说程序员干的事情创造性也比较强我还。顺便盘了一下，就是发现过往其实哪些公司是大招聘，哪些公司是大裁员，尤其是在互联网行业，都跟ai其实没有太大的关系。
[48:19] 说话人 2: 我是二零年就是进的互联网公司。然后其实背景就是因为说当时互联网公司他们在比较努力的蒸蛋糕吧。那一年是大的这种扩招年，然后大的裁员也是像就是比如说一八年那一年是很多互联网公司冻结招聘，然后你去看他的原因，他不是因为说那个那一年出现了什么惊世骇俗的技术。那一年是因为国家开始监管互联网了，开始把这种类似校园大爱之类的一些东西给他干掉了。所以这些公司就开始缩招对吧。这里我要说的就是是说今天你在市场上看到的，所有就是说有人告诉你说AI很强，然后给你配一个什么哪家公司开始裁员的这个信息。你事实上你一升八，你发现他跟这个AI其实没什么关系。他其实都是基于企业经营，都是基于这样一些东西来去就来去做的。作为一个公司里的管理者，你给自己的员工配这样的一些工具和做这样的基础建设。你的目标不是把员工干掉啊，你的目标是释放你员工的精力和时间，然后让大家以更高的效率和质量来给我产出啊，对不对？
[49:23] 说话人 2: 我觉得聊到这里基基本上如果说之前有人是有这种担心的，我觉得到这里其实基本上是可以是可以是个完全打消了。然后其实我们之前聊过一个论文，就是就是openi自己写的论文。就是说他会发现就是美国就是薪水越高的，越怎么叫所谓的越高端的行业。他引入这个AI的这个成分就越大。我觉得这个事情也是一样，就是说并不是说越高端的行业越容易被AI替代，反而说越高端的行业。因为他越重视这种人的精力和时间的这种释放，他的工作越具备创造性，他就越愿意愿意引入这种AI的工具，来去参与某一个工作，对吧？我觉得几个月之前我们聊这件事情，当时我我想不明白答案，但是我觉得聊到这里我我现在是比较清楚了。这个事情
[50:08] 说话人 3: 对其实也很好理解。大家发现说这帮人很贵，所以我更要让你把你的精力花在能帮我赚钱的事儿上。我不会说让你把你的精力都被耗费在企业内部的事情，我一定是要各种办法去优化这些内耗的事儿，让你尽可能多赚钱。毕竟企业是为了盈利的，所以他一定会在这个方向去重投入。反而是说各种传统行业。因为大家说白了，就是我人也不是很贵造，这AI我花这个十万块钱对吧？我招一个人五百块钱，那我为什么不招人呢？
[50:37] 说话人 2: 所以说如果今天大家在听节目的各位，你们的公司开始引入一些工具，你应该感到高兴，对吧？你应该觉得啊要多来一点，这个反而是你的工作的创造性，以以及对你的这个工作产生创造的价值的一种认可。它反而是这样的一个东西。我也看到一些这种宏观的数据，它是支撑这个这个结论的。比如说说比如说现在ai可以开始看x光了，但是大家会发现说x光医生其实在全球各国都是稀缺的。所以就是说当AI进来之后，当ai能够帮医生去看x光照片之后，并不是说这个医生就要失业了。他反而是说唉你原来看不过的那些片子，现在有人帮你看了，有人帮你做初筛，有人帮你做一些基本的判断啊，所以呢他反而是填补了就业市场的一个空缺。包括就是说我觉得举一个大家都能遇到的例子，就是翻译多少。年前大家就说翻译要死了，对吧？我当时上中学的时候，真的有人叫嚣着说，以后真的是电脑帮我翻译，我就不学英文。但是这个事情发展到现在是怎么样的？就是我拿了一个美国劳工部的统计，就是过去七年在美国从事翻译的人口数量是翻了一倍，
[51:43] 说话人 2: 这个工作工种反而人数更多了。有了AI之后，我在一个TED的一个演讲里面找到了一个答案，就是TED把他们帮他们翻译视频的人请来做一场演讲。讲后那个人人就过说，你们不要以为翻译只是把中文转成英文这么简单。我翻翻译一个东西，比如说同样的一个单词，我在英文里可能有好几个意思，ai是不懂的，只有我能懂这个演讲者他想表达的那个原始的意思是什么？他的语境是怎么样的？只有我才能够最好的操控这个ai.所以反而就是说你会看到在这里，就是AI翻译对于人来说，它就不是一种替代，它是一种增强它帮你把dirtywork干掉。然后你可以聚焦真正的就是需要你发挥创造性的那个部分。这些例子举出来吧，聊到这里，其实基本大家都有答案了，你还要不要继续学英文，那应该还是要学的。你还要不要继续学代代码啊，尤其是各位大学生啊啊，你还要不要继续掌握很好的一个代码技能？那我觉得从今天来看都应该是yes,对吧？
[52:40] 说话人 1: 对，但是这里有一个特别有意思的可选项，其实我们可以换一种思路，我们可以用AI帮助我们学英文，帮助我们学写代码。这个效率是非常非常高的。
[52:55] 说话人 4: 把AI作为一个学习工具，对我觉得大家对AAI啊，一开始当然是有恐惧啊，觉得这个技术是不是会把我们的工作抢走了。但是其实这里面有一个键键的点，就是到底AI AI带来的是增量的生产力，还是在存量的生产力里面。内卷就是大家都很努力。什么是内卷？内卷就是你的总量不变的情况下，你越努力。其实你仍然吃这么大的蛋糕，那每个人都变得更累的情况下，大家也分不到更多的蛋糕。但是AI今天大家对他的判断已经变成了一个类似是互联网类似当年第二次工业革命的电力的一种底层的这种生产工具跟生产力的一个重要维度。它的普及其实是让各行各业的生产力上一个台阶，大家效率变得更高了。实际上最后是让这个蛋糕变得更大了，大家有更强的生产力。就像刚才提到的，我们让所有的这个程序员不是说大家就不需要程序员了。或者说唉我今天十个程序员的活，三个人就干完了，剩下七个我就把它开掉。
[53:55] 说话人 4: 大家想的都是我如何让这十个人乘以ai之后，它有一个乘数效应，产生更大的价值。然后整个社会的效率会变更高。啊，这个其实我们之前也聊过一个例子嘛，过去大家是骑马骑着马，从北京到上海对吧？那可能路上就要花一个月，可能过去马车夫的数量远远小于现在汽车的这个司机的数量。当然你你可能你的工作要变化，在在很长的几十年的维度上，你这个工种会消失。但是会有一个新的容纳更多的同类型工作的这种岗位诞生来包住。现在的这些好像失去了这些这些工种嘛。我觉得其实这个这个是一个关键点，就是我当我们把它看成一种生产工具，它就像过去的互联网的浪潮，就所谓的数字化呀，它在每个行业一落地，它都是让这个行业的效率产生这种成倍的提升。这个过程中也有很多的这种担心，也会担心说我们会失业啊什么的。但其实我们看到总体的这个情况是一直向好的。但是最近几年这个经济的原因啊，它反而不是技术的原因，使得这个看起来好像失业率什么的有一些波动。
[55:01] 说话人 4: 但是我觉得恰恰是在这个时间点，我们非常需要一个下一代的科技革命的这种产物，来帮助我们走出现在的这个低迷的这个这个形式。我觉得可能AI就是其中一个很重要的这个推动力。
[55:16] 说话人 1: 嗯，现在经济的增长，机会的增长其实不依赖于任何非创造性的工作，它仍然依赖于一些创造性的工作嘛。经济问题也一样吧，就是经济问题更有意思，就是它没有一个最优解，这是你找不到的，就是他也没有办法找到一个规律，所有经济学家都在研究规律，但实际上他没有规律，就这件事情你永远没有办法用拆的GPT去解决。所以咱所有现在发展的瓶颈都在于这些没有真正正确答案的事情上。
[55:46] 说话人 2: 对所以所以希望大家的思维是创造性的，做蛋糕的思维，对吧？而不是固定的去做内卷的思维。哎呀，太正能量了，这一段哎呀，太正能量，我们果然是正能量大台呀。
[55:58] 说话人 4: 我们
[55:59] 说话人 3: 对其实我自己在最近做ai创造这种ai产品业务产品的时候，其实发现说大部分人的思路其实不是说我要替代掉谁，而是我真的希望说我底下的人都能更好。大家其实没有那么关注，说我要替代一个人。但是我很关注说我能不能让我现在的人发挥出更大的价值，帮助我去把整个业务做的更好。因为换人不是目的，最终大家要解决的还是说业务本身的问题。那你换一个新人，可能还不如我们让现在的人能够把他们的价值整体能够更好的被释放出来。
[56:31] 说话人 4: 最后说一说一小段啊，就是我们现在说的所有一切都是基于现阶段我们看到AIGC的这个能力跟跟水平的这个前提下，我们我们说的这个结论不包括AGI出现什么天网啊，那种就科幻小说里面那种真正超过人类智能n倍倍的那种正的这个通用人工智能出现之前我们我们是这个判断。那之后呢，那这个就我们就留给科幻小说家去畅想吧。我觉得那个时候我们再来录一期节目，如果我们都还还能录的话，没有AA杀杀的的话，那我们再来录。对对对对对对
[57:06] 说话人 2: 好吧，那我们接下来到了第三部分啊，我们聊一聊建议碟味很重的环节来了啊，AI这个东西AI这个东西简单一下。对，AI这个东西今天是希望你去去学创造性的做蛋糕，对吧？那怎么做这个蛋糕？这里解决了一个我的刻板印象，就是我的心目中的程序员，应该都是最最爱学习和倒饬工具的人我问这些程序员说，你们有多少人是是学过了一些关于大元模型的一些东西。但是我得到的答案非常出乎意料。比如说我问了三个问题，我第一个问题是说你们怎么样去优化一个AI的一个能力，也有百分之八十的人告诉我吧。他就是说我不会使用提示词，我只会简单的问答。这种中间呢有百分之五十的人，他只会用最基础的提示词，比如说设给那个AI设定一个角色。今天你是个前端程序员，然后就直接开始提问。但事实上还有非常多的一些高级的一些方法。比如说给这个模型设定一个温度，那温度越高，这个模型就越越容易胡言乱语，温度越低，这个这个模型就越保守，越谨慎。
[58:09] 说话人 2: 这样的一些能力和技能。我就发现这些程序员其实百分之八十的人都是不知道有这些技巧的这是第一个点。那第二个点就最核心的一个技巧就是提示词嘛。我发现一半的人没有专门学过任何的提示词，这个东西有多普遍？就是说今天你你刷小红书，你刷b站，大概率你你是能刷到一两个这样的一个十分钟或者五分钟的教程，对吧？他大概意思就是说教你某个提示词，或者教你某个提示词的套路。你一学会之后，它就能生成爆款，文案，什么东西就能帮你解决。然然后结果有一半人没有接触触这个东西。然后呢，我我问的第三个问题说，你们有没有问过用过一些更高级的一些工具。比如说多个这种大元模型工具结合在一起，结合在你的工作里面自动化的去做对吧？然后结果就是说有百分之四十的人，除了这种问答之外，什么工具都没有用过。然后有一半的人呢，他们也只会用一些很低门槛的工具。比如说简单的帮我读一读PDF呀，帮我搜索一些视频啊，他们就是在做这样的一些事情。所以说所以总结一下，就是可能百分之七八十的程序员吧，他事实上他没有在这个事情上花过哪怕十五分钟的时间单独去去
[59:14] 说话人 2: 学一下他有什么技巧。但他们可能已经用了这个东西超过一百五十个小时了。
[59:19] 说话人 4: 对我觉得总结一下，就是程序员也是人，对吧？
[59:24] 说话人 2: 啊，我知道这个现象呢，我特别想听一下呃朱峰老师和小白对这个事情的解读吧。为什么会是这个样子呢？
[59:31] 说话人 1: 我我非常直觉的去判断一下啊，觉得大家可能觉得简单的这种一问一答就给他的帮助已经很大，或者足以让他很震撼了这个结果。所以他也就没有动力去往更深的地方去考虑我怎么去优化这个pro啊，我怎么去设置这个温度，我我怎么去做更多高级的应用。没有，绝大多数可能认为我简单的一个提问，或者是就是我设定一个角色那种提问就ok了，就能够解决我百分之八十的工作。所以他就没有意愿去再往上提升那百分之二十，那提升那百分之二十可能又要花很大的精力，那他可能就没有这个意愿。再者一个我也不太同意，程序员是最善于用工具的。其实程序员是最善于挖坑的这个群体，那不一定真的擅长用工具。你说程序员自己写个东西呢，都愿意写一个什么todolist呀之类的这些东西。但你问他们几个人，真正在重度使用的那你可能就只能挑出个个位数了啊，我才是这样的啊，大家不要那个骂我。
[1:00:34] 说话人 1: 对，我猜是这样的对，所以不是这样子，就是还是那句话，程序员也是人骂的对吧？
[1:00:42] 说话人 3: 对我其实因为刚好我现在在做这种AI应用嘛，其实可能绝大多数人的问题没有那么深，以及对于工程师来说，大家效率其实也很高了。因为我们其实是有这个自动化的思维来去解决问题。你知道怎么提问？对我们的其实空间其实是没有那么高的。但是我真正去接触很多业务上的，大家是真的不怎么会提问。这个时候他们才会需要有人来去帮助他们去优化。对于他们自己来说，让他们去优化。提示词有点类似于说他不知道，他不知道嗯嗯，对。所以我们会需要有一些更多的人来去帮助他把他不知道的部分做成一个更好用的工具，来去简化他提问的难度。然后帮助他去给好这些业务的上下文，让他真正用起来。对，这个可能也是我自己做起来。我觉得说AI做赋能这个事，其实还蛮好玩的。
[1:01:31] 说话人 1: 呃，就我突然想到一个事儿，就挺有那个可以同比一下哈，就是用搜索引擎。其实很多人也不会用，哎，就是孙远琴那个搜索词，你知道用减号代表什么？Siand冒号代表什么？可能绝大多数人也不知道吧，他可能就是在里面搜索一下，我该怎么用check的GPD.对吧？嗯，是的是的，好像是一一个道理哦，我还真的是忘了是吧，你看你都忘了。他有非常复杂的表达式。
[1:02:02] 说话人 2: 我觉得也给所有就是非程序员的朋友一个信心啊，就是你今天要超越这些人，成为人群中的钱，百分之二十或者程序员中百分之二十很简单，就是如果你要用大语言模型这件事情上，你就花个十五分钟的时间。你去看几个最简单的教程，你就去b站小红书上搜这几个简单的教程，然后自己用一下。你就是一金钱百分之二十的人了，特别正能量啊。就是我想说的就是说学习进阶很简单，最关键的其实还是你要去开始用关于AI的这件事情。我觉得我和托马斯是麻瓜型用法，朱峰老师，小白是魔法师型用法。但不管是什么用法，最重要的是你要开始用。你要实际开始用起来，你才知道他有什么样的一些潜力。你不要去拿那个二手信息。呃，我在做这个调研的时候，有一个使用方法，我觉得特别精彩，就是我一定要分享出来，就是这个是硬生生摸索出来的。因为那些人帮我填了问卷，然后因为我在让他们填问卷的时候，就会涉及到说你在每一个工作上填花了多少时间，让他们填一个百分比。但是那一个百分比，我当时为了让那个问卷比较简洁，我就没有把那个百分比单独再写一个那个单独再写一个数字的框，让他去填。
[1:03:08] 说话人 2: 然后我就得到了一个表格，这个表格就是说所有人的程序员的那个时间的那个分布那个百分比的那个时间和前面在干什么活，它是连在一起的这就导致一个问题。就是说如果我想统计这一堆程序员，他花在编程这个事情上的平均数，我就得自己去改。那个excel,你知道吧？我再把那个数字给它复制粘贴出来，我就发现那个那个模型叫克劳德，它就有一个功能。就是说你把那个你可以把那个表格直接贴给他，然后你给他说几句话，然后你告诉他说，我要把这个表格改成横列是什么，竖列是什么？然后把文字和数字给它分开，数字单独列一列。我就跟他说了这么几句话，然后他就给我吐了一个表格，然后我那一刻我就惊了。因为这这个可能已经帮我省了一个小时的时间，我又跟他做了一件事儿。我就是说唉那你能不能直接把那个平均数中位数标准差，你把这些东西帮我算出来，哐哐框框框直接帮我算出来了。这这个就是我觉得就是说我自己面面临一个问题，然后因为我有用这个东西的习惯，哎，我就去想能不能用AI来解决它，对吧？
[1:04:09] 说话人 2: 所以我就摸索出来这么一个事情。哇，我这个是我特别得意的一个使用方法，我要在这里分享一下。
[1:04:15] 说话人 4: 对你有验算吗？
[1:04:17] 说话人 2: 啊，我有验算，我有验算，我我发现出现过一次幻觉，就是他把一个数给我贴错了。但是后来我批评了他，我批评了他他就他就对他就图片我涂掉。
[1:04:28] 说话人 4: 对，这也是大模型的一个特点。就是真的是你再问他两次，他他的那个结论就会更准确一些。
[1:04:34] 说话人 2: 对，然后第二次就对了。然后我还我还把那个原始的表格丢到excel里去跑了一下公式，发现唉它的计算的结果都是对的。所以我觉得这个事情还是还是我觉得还是蛮蛮开心的，就是能知道他能处理表格。
[1:04:46] 说话人 4: 既然聊到这里啊，就是我其实我们之前的节目也聊过，然后我但是我一直没有机会去问程序员朋友的一个问题啊。就是在聊到这个呃ai的时候呢，我们我们在讲说过去我们需要用代码来跟电脑沟通，对吧？所谓麻瓜和魔法师，其实区别就在于麻瓜没有办法念魔咒。这个魔咒呢就是程序语言，而魔法师呢就可以通过魔咒来跟电脑来交换一些结果。然后在我们看来就可以像魔法一样，无法理解这个这一行代码怎么就变成了这个精美的程序啊，或者是这样的一一系列的东西。那今天不一样了，今天大语言模型变成了一个我可以用自然语言跟他交流的工具。可能现在我们还需要刚才那个nixon讲了很多关于提示词啊，prompt呃，我们还需要去学习一些格式，一些用法。其实sam奥特曼自己也说了，就是提示是这件事情在五年后就消失了。也就说到那个时候的大语言模型的能力，是让你直接跟他对话，就可以完成所有的创作，或者是沟通，或者是一些问答，或者一些基础的需求。
[1:05:49] 说话人 4: 这件事情再往后发展个几年，我是不是能理解为我们普通的麻瓜也能说这个咒语了。因为这个咒语从程序员变成了自然语言，就所谓的这个languageUILUI的这个这个方式。那他是不是就完成了一次麻瓜跟魔法师的一次平权，就是过去每一次的技术革命啊，就从有程序员这个职业开始，基本上都都是程序员在领导的。不管是这个PC的革命，后面的这个互联网的革命，移动互联网的革命，iphone出来了，对吧？那些写出来app的基本上都是程序员啊，不管是滴滴还是美团是吧？这个各种各样的创作，其实每个人都有这种创作的想法嘛，就是所谓做创新的事情。但如果你不不会这个语言，那你的想法只能是一个想法。我觉得应该做一个这样的东西，你是做不了的那只有掌握了这个程序语言的人我就真的可以把它付诸实践，变成一个作品，留在这个世界上或者是获得很好的成功。那会不会以后假以时日，我知道现在肯定是不行啊。虽然很多人用用德chegPT写了一些简单的东西，但我相信是还不足够的。
[1:06:54] 说话人 4: 刚刚开完的那个openi的这个开发者大会，其实就在上个礼拜，他其实就发布了一个叫GPTS的一个工具。其实就已经是你跟这个大模型用对话的方式创建一个你自己的checkboat,就是你自己的一个聊天工具。在过去呢其实哪怕是插件的工具，它都需要代码。那现在你就已经可以用这种方式创创造了。那我能不能理解，其实大模型的未来就指向了每一个人，都变成了一个魔法师。自然语言跟电脑跟这种ai去沟通，然后完成自己的创作的这个梦想。它变成了一个更好用的工具。它不需要专业知识，它就像iphone一样上手就能用，而且每个人都能创造，它可能是一个更美好的一个未来，一个平权的世界。我们讲程序员是有特权的，在我们的这个麻瓜看来，那这种特权会不会逐渐的可以被评选？
[1:07:44] 说话人 1: Ai原生一定会产生的。就像我们今天的云原生啊等等这些新的这个技术架构一样。我相信AI原生一定会产生的所谓的AI原生，就是我们不再需要程序语言的在中间的翻译，直接把人的意图变成机器的执行指令。这件事情一定会发生的这只是时间问题。
[1:08:03] 说话人 2: 那我我不知道说那个时候就是他一定还存在一群人嘛，就是类似程序员，他是更加理解计算机和代码的工作原理，就那个时候还会不会存在一种新的模范。我不知道啊，那个那个时候，所以那个时候的程序员他应该在干什么。我其实这个是一个潜在的问题，我们可以畅想一下，我猜会。
[1:08:22] 说话人 1: 但是人人和机器之间，它一定还是要有一个人或者是有一个技术在中间翻译的AI,也可以解决一大部分的工作。它可能慢慢的占据的工作量会大一点。但是你真的放开让他去执行这件事情，那不就我们就回到天网叙事逻辑里面去了吗？啊，明白。对，就是没有人的文明，不是文明嘛，这个问题肯定会存在。再者一个我是觉得在未来可能会出现一个情况，就是我们会看到特斯拉在去年的发布会上，他发布了一个人形机器人。你们记得吗？我就是很多人不理解他为什么一定要把这个东西做成人形，你做成一个扫地机器人，它是圆的，对吧？你做成一个工业机器人，它只有一只手。你为什么做成一个有四肢有脑袋，然后可坐可卧，呃，甚至连体重跟人都差不多的这么一个东西呢。如果你今天再看到了大元模型它的能力，比如说这次我们的发布会又完善了这个方式call函数调用程序调用的这个功能。
[1:09:24] 说话人 1: 你会发现，如果我们在他的这个人形机器人里，把能力的调用也加进去，那你是不是就可以指令这个机器人干一件具体的事，别管给你倒杯水，还是给你开个车以后可能没有自动驾驶汽车这个东西可能就是驾驶位上坐着你们家的人形机器人就把这事儿干了，甚至他可以把车锁上下去，给你买个菜再回了家。这你都可以用自然语言驱动他的这些能力执行机构去执行，对不对？所以最终就会变成了好大元模型。行，是一个理解能力，我理解了你干什么。然后他驱动相关的东西去执行它驱动相关的部件。它那个东西好像是有两百多个关节，还是多少关节，我忘了驱动这些关节去完成一个特定的任务。但是中间这些关节怎么协同，他怎么做，对吧？他这个事情可能还是要有人在中间编程去帮助他去翻译这件事情的。他是一个AI的辅助，或者可能将来所有程序员都变成了更高级的提示词工程师是吧？你一个的一个词过来，我帮你完善这个词，变成具体的执行指令，然后我再给到机器人是有这种可能的。
[1:10:30] 说话人 1: 但是咱只是瞎猜啊，今天
[1:10:32] 说话人 4: 那朱峰老师这种瞎猜的意思就是其实就是你们还是更厉害。这个魔法师还是成为了更高阶的魔法师白袍了，我们这帮麻瓜变成黑袍是吧？但是还是要弱一些。
[1:10:44] 说话人 1: 对，这里肯定还有一个中介的角色在里面，他可能永远去不掉。如果我们去讨论这件事情，我们更想讨论。比如现在我们今天的自媒体都说取代了传统媒体和严肃媒体。对啊，大家都是在自媒体上去获取那种在这中国不算啊，咱就抛开中国市场来啊，放在全球的话，你会发现这种传统媒体仍然着掌握着他最擅长的议程设置的这个能力。对，是的，他还是没有去掉，不是传统媒体消失了，而是他要完成的工作可能更高阶了。
[1:11:17] 说话人 4: 所以麻官们还是要放下幻想，现在就开始学习代码吧。如果是这样的话，我们也往白跑努努力，我觉得可以。
[1:11:25] 说话人 2: 我我我们也我们也更深入的不一定是代码。但是你要更深入的理解这个东西背后的一个工作机制，对吧？你不能是简简单单停留在说知道怎么样用AI来解决这个事情。你你就多多少少的要尽可能去理解一些背后的工作机制。对我觉得还是请其他几位主播吧，你们可以各自都说一下，你们对于这个在听的这个听友就是怎么样去更好的去学习和用大元模型。这个事情我觉得可以，每一个人都给一点你的建议和实践吧。
[1:11:52] 说话人 1: 其实刚才nixonse说很好，就是先不管怎么样，你先用起来，只有用起来，你才知道他的能力在哪儿，他的能力界界在儿，特别是他的能力边界在哪儿，这个事儿很重要，先搞起来再说嘛。
[1:12:04] 说话人 3: 对我可能的建议就是大家不要把ai当成那个接是主。大家真正你去用起ai以后，你会发现说你自己面临的问题还是业务问题，更懂业务问题的那个人，能够把ai用的更好。所以你还是要在你自己领域成为专家。然后与此同时，你去使用AI来去解决你的问题，把这两者结合起来，你才能够真正的在这一波AI浪潮里面能够拿到和别人不一样的结果。对，如果你只是AI,你很你很general,可能你你就是一个更general的人从general人里面，你是个更好的。但是如果你又懂业务，又懂AI,然后你有两两个都能够发展。这可能才是你能够从众多的人当中脱颖而出的一个重重要基基础，就还是得做好自己的业务。
[1:12:48] 说话人 2: 哎，今天老白给我转一篇文章，也是说最核心的还是要去理解你原本的那个业务到底是怎么样抛的。如果你碰巧遇到AI了，那恭喜你，你的效率能上一个台阶，对吧？对对对
[1:13:01] 说话人 4: 对，对于个人来说是这样啊，对于企业来说其实也是一样的。呃，刚才其实也聊到了这一点，就是你的ai好不好用？其实跟你的手里有的数据的量和质都是正相关的。就是尤其是当我们要做一些私有的封闭的这种这种AI的系统的开发的时候，作为一个企业，你有没有足够提供的语量。那作为一个个人呢，就是刚才小白有提到的，你理不理解你的你的业务流程，你知不知道你要做的事情到底是什么？它的逻辑就变得更重要了。很多时候逻辑不太重要。就很多人我们做事情就是不去想他底层的逻辑是什么？他就只知道流程，有些人是这样子的。前不久跟我过去的几个朋友同学聊天，他其实是从事某个专业工作的啊。然后在这个关于专业工作里面呢，他有一套计算的算法叫做速算法。就相当于我当我要求一个一个结果的时候，他可以用这个速算法很快的算出来啊，你这个就是多少？比如说这个个人所得税，他有一套那个速算的什么扣除数，你用这种数，你就可以非常简单的把它乘以一个比例，然后减去那个扣除数，就知道你要扣多少税了，对吧？
[1:14:08] 说话人 4: 但实际上它并不是这个税法累计的逻辑。因为这个税法累计逻辑其实是多少钱到多少钱，这个范围内它的这个税率是逐级叠加的嘛，是一套更复杂的规则。对这套更复杂的规则呢，很多人他可能就忽略了，我觉得我我会算那个速算就行了。但你作为一个业务从业者呢，其实你一定是要知道它到底它的底层逻辑是什么。这是一个简单的例子啊，我相信大家在实际工作和生活中，你会面临很多类似的情况。就是我有很多捷径可以走，我知道我这个事情要怎么完成。但是呢有的时候甚至于我走太多了，我都忘记了我这个事情的基本逻辑是什么。那这种情况下呢，其实你就不是真的了解你的业务。那这个业务发生任何的一点点小变化的时候，你再走你那条路就不通了。你那个数上扣扣除数减下去可能就错了。那这个时候如果你已经忘记了底层的逻辑是什么？即便给你再好的工具，你可能也没有办法解决一些变化的东西。因为我们未来引入AI,我相信那个小白你们现在在做很多AI的引入啊，这里面其实一定会涉及到很多变化。
[1:15:11] 说话人 4: 那这种变化呢一旦脱离了底层逻辑，就会造成很很多灾难性的结果。我觉得所以其实对大家来讲呢呃未来的这种要求，我觉得相比提示词啊，可能更多的就是你可能要真的搞清楚逻辑，你要动脑子要动的更多一点，那才能面对一些变化的这个世界，你才能知道啊我我到底应该怎么办的兵来将挡水来土掩。只要你这个逻辑是对的，一切都不会错。
[1:15:36] 说话人 2: 就是叫做AI,都已经帮你把deattywork干掉了。脏活累活帮你干了，你可得用脑子，你你可不能想着整天摸鱼啊，你可得好好用脑子啊。
[1:15:46] 说话人 4: 对，大概是这样的一个状态。希望我们两个台的听友能够忍受我们这些跌位的
[1:15:54] 说话人 2: 差不多了。好，我觉得非常正能量啊。本期节目我们本来是想聊技术工具啊，但没想到还聊出了创造性做蛋糕的的思维，而不是内卷思维，对吧？还聊出了说有AI帮你把脏活累活干了。你你要更认真的去理解这个业务逻辑，哎呀，
[1:16:14] 说话人 4: 最后还上升到了正能量范畴啊，非常希望听完节目的你也能感受到一些正能量啊，很高兴我们这次可以和这个朱峰老师还有小白，我们一起串台。也希望我们以后有更多的机会，我们一起来聊一聊科技圈的一些其他的事情啊。
[1:16:30] 说话人 1: 好，那我们就先聊到这里，谢谢谢谢大家。
[1:16:34] 说话人 2: 大
[1:16:34] 说话人 1: 大家好，感谢大家的收听，下期节目再见，拜拜，拜拜。
[1:16:39] 说话人 2: 感谢收听脑放电波，欢迎在苹果、播客、小宇宙、喜马拉雅等播客客户端搜索。脑放电波，找到并关注我们。如果你觉得这期内容对你有所帮助，欢迎你在评论区留下反馈，这对我们非常重要。
[1:16:59] 说话人 1: 感谢您收听本期节目。本期播客节目由津津乐道制作播出，您也可以在我们的官网DAO点FM找到我们的更多内容作品。如果您喜欢我们的节目，欢迎在微信、微博、朋友圈等社交媒体转发分享您的分享。对我们而言十分重要。如果您希望与我们互动，可以关注我们的微信公公众号，津津乐道播客。天津的津，欢乐的乐道路的道在关注后，按提示操作即可加入我们的听友社群。

Shows are listed from Apple Podcasts' charts and directory, and Podcast Index where it is used. Every show and episode belongs to its publisher and plays from the publisher's own feed; this site hosts none of them.