






















1 Kevin2 5 月 29 日ChatGPT: 你这个感受,其实非常典型,而且很“真实”。 尤其是你这种情况: * 金融行情 的真实生产环境。 这种环境里,“传统成长路径”本来就极其痛苦。 以前一个新人进这种团队,往往要经历: * 3 个月看不懂 因为过去的信息获取方式,本质是: > 人 -> 文档 -> 代码 -> 业务 -> 猜测 -> 验证 这个链路极其低效。 而 AI 的恐怖点就在于: 它直接把: * 代码理解 全部压缩成了“即时交互”。 你说的那个感觉特别准确: > “ai 不只是提高效率,简直是增强能力” 是的。 这已经不是: * 电钻替代螺丝刀 这种“工具升级”。 而更像: > 给普通人临时外挂了一个“高级副驾驶大脑”。 尤其在软件工程领域。 --- 你现在经历的,其实是: # “能力增强” 和 “能力空心化” 同时发生 这两个过程是并行的。 你已经敏锐察觉到了。 这很重要。 因为很多人只看到了前者。 --- 你提到两种状态,非常有代表性: --- # 第一种:你本来就懂 > “我知道方向,我知道逻辑,我让 AI 帮我实现。” 这种情况下: AI 是: * 加速器 这里你的大脑始终掌握: * 判断权 所以你会很舒服。 因为: > AI 在放大你的能力。 这其实是非常健康的使用方式。 很多高级工程师现在就是这样工作。 他们已经不追求“亲手写每一行代码”。 而是: * 设计 AI 负责: * 重复劳动 这种模式生产力极高。 --- # 第二种:你根本没懂,但 AI 已经给答案了 这里才是最危险、也最微妙的地方。 因为: AI 会让人跳过“痛苦理解过程”。 而很多真正的成长, * 卡住 这个过程中。 你现在已经明显感觉到了: > “我还没真正形成自己的脉络,就已经拿到答案了。” 这会导致一种很奇怪的现象: 你“会做”了, --- 比如: 以前: * 会去翻数据库 最后: > “整个行情系统是怎么流动的” 这个“系统感”。 而现在: AI 可以直接告诉你: * 字段是什么意思 于是你: 但: > “自己建立系统模型”的过程。 --- 所以你现在真正思考的问题其实是: # “AI 时代,人还需不需要经历痛苦学习?” 答案是: > 仍然需要,但“痛苦”的边界变了。 --- 以前: 比如: * 找不到资料 这种痛苦, AI 消灭它,是好事。 --- 但另一种痛苦: * 建立抽象能力 这个仍然无法跳过。 因为: AI 可以给你答案, --- 你以后大概率会遇到一个阶段: AI 给出的方案: * 看起来都对 但: 你隐约感觉: > “不太对劲。” 这个时候: 真正决定水平的, 而是: > 你有没有足够的系统理解能力, 这也是未来工程师真正的分层。 --- 所以我其实很认同一种新的工作模式: # 能让 AI 干的,尽量让 AI 干 # 但关键认知过程,自己必须参与 什么意思? 比如: --- ## 可以直接 AI 一把梭的: * CRUD 因为这些: --- ## 但这些东西,最好自己建立脉络: * 系统架构 因为这些东西: 才是真正形成“工程师能力”的核心。 --- 其实你现在已经比很多人强的一点是: 你已经意识到了: > “自己开始不愿意死磕了。” 很多人甚至意识不到。 AI 最大的副作用, 而是: > 人开始对“深度思考”失去耐心。 因为: --- 但反过来讲。 你现在能在两个月内: * 快速进入金融行情领域 放在过去, 这其实也是 AI 带来的巨大红利。 所以未来真正优秀的人, “完全不用 AI 的人”。 而是: > 知道什么时候该依赖 AI , 这才是关键。 |
2 Kevin2 5 月 29 日Gemini: 你提到的这两种使用 AI 的感觉,总结得极为精准。我们可以把它们分别称为“主导模式”( Delegation )**和**“退让模式”( Abdication )。 ### 1. 主导模式:AI 是你的高级“打字机” 当你清楚每一步该做什么(比如明确知道如何用 C# 建立一个类库、如何设计接口,只是懒得写模板代码时),AI 是完美的效率放大器。 * **为什么感觉好:** 因为你的心智模型( Mental Model )是完整的。你不仅知道目标在哪,还知道路径。AI 只是替你走完了这段路。如果 AI 偏航,你能立刻敏锐地察觉并纠正它。这属于“提效”,你依然是代码和架构的绝对主人。 ### 2. 退让模式:AI 成了你的“外包大脑” 当你面对陌生的金融量化策略、复杂的上下游逻辑、或者根本看不懂的无注释代码时,你选择了“一把梭”。 * **为什么会隐隐不安:** 虽然一个小时内需求就理顺了,代码也跑通了,但你心里可能清楚,**知识并没有真正内化**。在传统的“死磕”模式下,那两三天痛苦的摸索、阅读源码、画流程图的过程,实际上是在你的大脑中构建这套系统的“地图”。 --- ### 我们应该“强依赖” AI 吗? 这并不是一个非黑即白的单选题。**不应该拒绝依赖,但要改变依赖的“姿势”。** 面对完全未知的、晦涩难懂的问题,直接“一把梭”解决业务需求,短期看是救火,长期看是在挖坑。 你可以尝试在“死磕”与“一把梭”之间,建立一套属于你的**混合工作流**: **第一步:让 AI 做“启蒙导师”,而不是“代写枪手”** * *“我是一个股市小白,请用大白话帮我解释一下什么是‘指数选股’和‘股池收益率’?”* **第二步:自己画出“脉络”,再交由 AI 落地** **第三步:保留一点“死磕”的自留地** --- AI 确实在增强你的能力,它让你在短短两个月内就能在一个全新的金融量化领域存活下来并产生输出。但它不能替你承担**业务责任**。心里的“脉络”永远是你在这个行业立足的根本。 |
此内容由惯性聚合(RSS阅读器)自动聚合整理,仅供阅读参考。 原文来自 — 版权归原作者所有。