这两天沉浸于给自己的项目敲代码和学习新编程语言之中,睡觉的时间很晚。这天下午,当我熟练地打开 Safari 和 Visual Studio Code,准备解决问题和添加新功能的时候,我的光标在 Safari 的地址栏停住了。这一刻,我在犹豫:是要先在官方技术文档和社区论坛找寻解决方案和策略,还是如往常一样,熟练地打开 Gemini、ChatGPT 或其它智能体,通过简单的几句话提交需求,然后坐等她们反馈解决方案呢?
这或许是一个值得我们去思考的问题。这种犹豫,本质上是我们在“效率”与“深度”之间的拉扯。
在过去两年多的时间里,生成式机器学习技术的不断发展确实把我们宠坏了。看着长串的代码在几秒钟内跃然屏上,那种多巴胺分泌的快感让人欲罢不能。但在这短暂的停顿中,我突然意识到:对于智能体的使用方法,应该由我们面对代码时的身份来决定。
当处于「学习者」时,思考可以被快进,但绝不能被跳过。 学习一门新语言或新框架,就像是建立底层认知的地基。如果一遇到报错就丢给智能体,我们得到的是一个可能「跑得通的结果」,却错失了翻阅官方文档、理解设计哲学、甚至在试错中建立代码直觉的机会。知识只会从我们的表面飘过,或短暂地停留,而后扬长而去。她们可以是一位帮你解释生涩概念的超级导师,但绝不能成为替你咀嚼知识的代劳者。在学习中跳过思考的下场,往往是在离开她们后,面对一片空白屏幕的手足无措。
然而,当你切换到「开发者」的实战模式时,态度就该截然不同了:去拥抱「新生」吧。 在实际的项目推进中,我们最大的敌人是重复造轮子和繁琐的体力劳动。写正则、配置环境、生成测试用例、甚至写一些业务逻辑的样板代码……在这些环节上死磕并不会带来技术上的顿悟,只会消耗你宝贵的精力。这时候,熟练地向智能体提交需求,让她们帮你扫清这些障碍,我们才能把核心精力聚焦在架构设计、业务逻辑和创新功能上。
决定我们能走多远的,永远不是智能体能协助我们做些什么,而是我们脑海中对问题的「知能」。
大语言模型时代,思考应如何存在?
大语言模型时代,思考应如何存在?