20 天，2000 美元实测试下来，聊聊看我对 AI 的看法。结论先行，目前以 Claude Code 为例，已具备全栈中文或英语作为编程语言，完全可商用的能力。

相较聊跨端如何跨端使用和组织的变化，这次专注聊用法。神兵在手，能不能用好，全看个人，差异会特别大。同一件神器，有些人会觉得这是如意金箍棒，有些人会觉得不过是大铁坨。

【❓你是否真的相信？】

什么是相信，张津渐的播客中的分享，我觉得比喻很好。他说你买股票，你说相信它的前景，结果它涨了你说你看我一直相信，跌了你说唉就知道不行，这就不是真的相信。

我觉得真的相信是你基于自身判断力，形成的底层 principle，知行合一的表达和实践。为什么要谈信仰，因为在使用 AI 的过程中，你会发现它时而聪明的离谱，时而愚蠢至极。

不断挑战你是否相信，聊天中途放弃了印证你的结论 AI 是真的不行。反之问对问题，就是需要几次正确的沟通解决复杂问题，如果做对了大概率给你惊喜，但惊喜的前提是你相信，否则到不了这一步。

AI 其实从头到尾一点都没变，只是你的用法，形成了你对事情的认知。符合你预期的时候觉得聪明，得不到结果觉得愚蠢。不是真的坚信，会看不到前者。

我目前对 Claude Code 的认知和相信：已经观察到此刻的 AI 能力远在我之上。信息完备的情况下，如果错了，一定是人的错。信息不完备的情况下，如果错了，是因为信息不完备，重点是换思路或者补充信息。

【1️⃣ 信息完备使用 AI】

反直觉的结论先行。和提供方给你提供的无限聊天的感觉不同，AI 并非可以无限使用。

以 Claude 3.7 完整版为例，上下文宽度是 200k。也就是说，在处理复杂代码的情况下，允许你最多只能问出大概 6 个问题。如果 6 个问题无法解决你的问题，这个聊天就废了。

这是模型本身能力侧的上限，是你能够获得准确答案，上下文的制约。在此基础上，如果你提供的信息完备，目前的 AI 已经具备极强的逻辑能力，和解决问题的能力。

信息完备的情况下，如果错了，一定是人的错，提问或者用法有问题。

【2️⃣ 信息不完备使用 AI】

信息完备受制于原始信息是否完备，足够解决问题，以及上下文宽度是否足够，足够提供充分信息

如果提问超过 3 次以上，AI 还没有解决你的问题，说明信息不完备。可以把待解决问题当作解一个谜题，AI 在信息完备的情况下解决问题的能力不亚于神助。

但反复失败和 AI 沟通，你以为是要不断逼出来那个答案，其实是方向错了钻牛角尖，或者信息根本不足以提供正确的解法。

你的每次提问，都很重要，人必须带着脑子。不然很容易浪费上下文，把讨论带偏了，真的到快重要时刻上下文资源又不够了，实在可惜。

此刻最关键的，是直接把缺乏的信息以补充资料的方式给 AI，你会发现大部分时候问题就解决了。昨晚，Oran 在处理心光安卓端小红书集成这个问题。把小红书的 SDK 和官方文件都喂进去了，死磕了 2 个多小时，发现问题就是无解，怎么写 AI 都写不对。

这时候就不要死磕，和 AI 对话，它会告诉你真实发生了什么问题。问题的本质是小红书文档太老了，和包的内容实际上不一致，这样任凭怎么做都不可能写对的。

和 AI 聊，帮助它一起发现缺失的信息。正确提问后，AI 竟然去反编译了小红书的包，自己读到了正确的接口，然后很快就修复了。这个复杂的问题被解决的时候，剩下上下文宽度还剩 17%，这个宽度的余地很重要，还有进一步推进的资源。

—— 

你相信吗？

我相信的底层逻辑，是看到 AI 已经具备解决一切问题的能力。基于此逻辑，信息完备与否该如何使用 AI，这个话题才有意义。

✅今天午饭后顺路看了中国动漫博物馆，Oran 说好神奇，其实背后的人没变，每个时代的人都想做出好动漫。但每个时代，做出来的东西就是不一样。

究其原因，人没变，工具不同了。