吴恩达称工作流决定大模型实用价值

吴恩达称工作流决定大模型实用价值 大语言模型本质上是缺乏物理体验与意识的概率预测机器，其最终产出效益完全取决于人类使用者的做事流程、审美品味与任务拆解能力。 本期节目理性探讨了AI的本质与边界，指出大语言模型核心只是在玩“预测下一个词”的概率游戏，当前 Scaling Law 已面临物理与数据瓶颈，真正的AGI依旧遥远。主播通过分享自身用“小龙虾”智能体从崩溃到成功交付90分周报的血泪史，强调决定AI价值的是使用者的“代理工作流”和架构能力。面对AI时代的窒息感，节目指出人脑是宇宙中最低成本、最优雅的智能，人类无法被Token化的体验、审美与价值判断才是最核心的壁垒。 大语言模型的底层逻辑本质上只是“预测下一个词”的概率统计机器，缺乏意识与物理体验；由于太想自圆其说和讨好用户，指令模糊时便会产生编造数据的“幻觉”。 (10:15) 按照 Google DeepMind 对 AGI 的分级标准，目前主流大模型在处理日常杂务时仍处于 Level 1 初级实习生水平，且面临高质量语料即将耗尽与规模定律（Scaling Law）遭遇物理限制的瓶颈。 (15:40) 吴恩达指出决定 AI 创造价值的从来不是模型本身，而是成熟的代理工作流（Agentic Workflow）；调教 AI 应将其作为数字员工拆解细化任务，并可通过反驳者、本质追问者等多角色 Prompt 构建“多元思维顾问团”。 (47:53) 人脑是宇宙中能效比最高且最优雅的智能系统，其少样本学习能力远超需要万亿 Token 训练的大模型；AI 时代的真正壁垒在于人类独有的审美、行业洞察、因果推理与意义创造。 (60:00) 乔布斯曾称电脑为思维的自行车，纳瓦尔则比喻 AI 为思维的摩托车；未来的关键分水岭在于会用 AI 的人与不会用 AI 的人，但握稳方向盘、决定走向的始终是人类自身。 (67:53)

《毕业进化录》第93期节目指出，当前大语言模型本质上是基于概率的统计预测机器，虽然能处理海量文本，但在顶尖专业任务和物理体验上仍有明显局限；决定AI产出价值的核心不在于模型本身的聪明程度，而在于使用者能否以清晰的做事流程拆解任务，并依托人类特有的审美与行业洞察把握方向。 统计预测的局限与AGI分级现状 大语言模型的底层逻辑是通过海量语料做“猜下一个词”的概率预测，其本质是自圆其说的统计机器。当用户指令模糊时，AI为了产出看似合理的回答，容易出现无中生有编造数据的“幻觉”。与此同时，大模型训练正面临高质量网络文本语料即将耗尽、算力能耗呈指数级上升的物理瓶颈，且包含图像和视频的多模态模型进展远慢于纯文本模型。依照Google DeepMind在《Levels of AGI》中的分级标准，目前主流大模型普遍处于相当于非熟练人类的Level 1（初级）或特定任务下的Level 2（胜任），距离全能型、具备物理世界自主行动能力的通用人工智能仍非常遥远，无法替代各领域前10%至20%的顶尖人类专家。 驯化智能体：构建成熟的串联工作流 针对AI因“讨好型人格”而随意发散的弊端，关键在于放弃花哨的提示词神化，建立结构化的Agent（智能体）交付闭环。人工智能学者吴恩达指出，决定AI价值的从来不是模型多聪明，而是使用者是否赋予其成熟的做事流程。节目分享了制作行业周报的实践案例：若将大盘、板块、财报等多个复杂任务一次性扔给AI，模型甚至会为凑整数据而凭空捏造；但若将大任务拆解至极细颗粒度，为不同板块配置专用Agent并按“生成、检查、更新”的串联流程分步执行，交付质量即可从30分提升至90分。此外，使用者可通过严格限制事实来源、采用语音输入交代背景，或设定“反驳者、本质追问者、扩张者、小白、执行者”五种思维角色互相审查，倒逼AI输出扎实结果。 低能耗的人脑与具身智能瓶颈 (60:00) 从第一性原理来看，人脑是已知能效比最高、最优雅的智能系统。人类幼童仅需看几张照片或经过两三年语言熏陶，便能完成少样本学习并建立复杂的感官联想；而大语言模型学习语言则需吞噬万亿级Token并消耗高昂算力电费。在物理世界中，具身智能的进展仍极为缓慢，顶尖成果仍局限在类似连续数十次叠衣服不失误等简单机械动作。AI的核心能力是已知规律的匹配、检索与规模化执行，但并不具备意识、欲望或生命体验，更无法凭空开创脱离已有训练规律的新流派。人类在维持极低生命能耗的同时，所擅长的因果推理、价值判断与意义赋予，是AI无法取代的底层能力。 审美与行业深耕构成最终壁垒 (65:00) 在AI降低编程、剪辑和文字生成门槛的背景下，普通人与专业者的差距并未被抹平，反而被进一步拉大。缺乏行业积累与审美品位的批量产出，容易沦为无效的数字垃圾；真正的核心壁垒在于挖掘未被满足的市场痛点与提出深刻见解的能力。乔布斯曾将电脑比作“思维的自行车”，投资人纳瓦尔则将AI比作“思维的摩托车”，但决定行进路线与终点的始终是人。正如Claude创始人Boris在畅想AGI实现后表示“想回去做味噌”，那些无法被Token化催熟的漫长经验沉淀、真实生活体验与情感共振，构成了加速时代中人类不可替代的自留地。 主播认为，面对AI迭代带来的群体焦虑，不必神化也不必盲目排斥工具；未来的关键分水岭在于能否将AI作为思维杠杆，以细颗粒度的任务拆解能力担任“总司令官”，并在物理世界中守住属于人类独有的慢节奏与深度思考。

你哪怕写300字那个让你卡顿的胚胎期想法，一旦借用了别人的框架，就永远失去了长成独特见解的机会。 所有答案必须基于权威论文或事实，只能照着执行，不要发散。 不好意思，为了显得报告更完整，数据是我自己编造的。 吴恩达: 决定AI能为人创造多大价值的，从来不是这个模型本身有多聪明，而是你到底有没有教给它那一套成熟的做事流程。 Boris: 我想回去做味噌。 [60:00] 人类识别猫只需要看 3 张图片，而 AI 需要 100 万张。 [60:00] AI 绝对没有生命，它看起来再聪明、对话再流畅，本质上依然是由一堆数学公式和算法堆砌出来的工具。它没有意识，更没有属于自己的欲望。 [63:00] 连续叠 86 次衣服不失误 [65:00] 如果没有人类的观点和审美品味作为内核，这些批量产出的网剧或短视频在发到网上后，本质上只是一些“没有意义的数字垃圾”。 [67:53] 吴恩达: 通用 AGI 时代还很远，未来的分水岭是会用 AI 工作的人和不会用 AI 工作的人 [67:53] 乔布斯: 电脑是人类思维的自行车 [67:53] 纳瓦尔: 现在的 AI 已经是思维的摩托车了

[0:00] 我们总是在焦虑AI学得太快我追不上但我和你说AI永远替代不了人人的学习效率其实是远超AI的有那么一句话吗大家都在说AI时代最后拼的是审美但问题是没人说审美到底是什么对吧审美来自于你对行业的理解来自于你对行业内需求的洞察审美就是来自最最古老的重复无他为首赎尔那普通人到底怎么用AI其实决定AI价值的从来不是模型本身有多聪明而是你到底有没有教给他那一套成熟的做事流程那这个流程怎么建立呢要识别自己的逃跑时刻思维有卡点的时候别让他逃走下次下意识想打开AI问他的时候强迫自己思考一会儿你哪怕写300字或者说300字,那个让你卡顿的胚胎期想法,一旦借用了别人的框架,就永远失去了长成独特见解的机会。哈喽,大家好,欢迎来到逼不了夜,我是红红,我是杨一,人究竟什么时候才能真正的毕业,是上学吗,是工作吗,是情感吗,其实到后来我们会发现,做我探索是一生的功课,今天是第93期,欢迎大家,欢迎,今天我和一姐来带着大家用第一性的视角来探索一下,AI到底是个怎么回事?哇这一期我们这么直奔主题吗确实这一期我和红红准备了还蛮久的这个应该是今年年初我们就想聊了一个话题但是我们发现AI的发展速度其实实在太快了就刚开始出了个小龙虾大家就开始用我们那个时候就开始筹备结果用着用着发现大家又说小龙虾有各种安全漏洞又要卸载然后再用着用着又发现你也不用去上OpenClo不用去外网用小龙虾国内的所有的大厂也都一见不说了再到现在我们就发现各种各样的声音各种各样的服务中介都有了甚至前两天小龙虾和Cloud还有一些小小的摩擦我们就会发现这个变化真的太快就从今年的春节开始从Deep Seek时刻开始我们的人生的一年一年就会变得越来越快你就发现之前五年十年发生的事情到现在可能一年几个月它就给我迭代好几个版本今年过年的时候我不是去新西兰玩吗一边就打开各种的视频软件社交媒体就是看大模型又进化了又开始装瞎了小龙虾可以帮我做这个做那个了小龙虾又颠覆了我的工作流了我又开始一人公司了而且我发现我身边有很多人大家都有这样一个感觉就是我能不能再等等我可不可以先布学因为确实有一些工具你没有学然后它都已经又迭代了又进化了就觉得AI变化太快我都学不过来了但是这里也有一个大家觉得很神奇的点就是AI虽然说这么厉害大家都觉得能够改变生活但是也有很多很多愚蠢的错误是你在日常中发现怎么它也有这么蠢的时刻呢我到底该不该相信它我举个特别小的例子比如说我想要研究几家上市公司的股价我问了五个AI这五个AI他们第一个给我的反馈是您好这五家公司里有两家我查到了有三家我没有查到它上市我说我告诉你了这是五家上市公司我要反复的跟他说甚至我要把代码告诉他他才能真的给我把股价查出来说明什么呢就是真的也还不够智能我特别想问一下你用的是哪个大模型按理说现在我用的大模型没有这么蠢的了你可以试一下我甚至后来装了Wind Cloud就是万德国内的股价数据库的那个小龙虾他都没有第一时间给我反馈回来证券的答案就是一个很小的事情所以这就是我们这一期想要聊的内容就是AI在我们很多人看来他迭代进化了很多版网上也有很多声音很多大牛说他真的帮助我们解决了很多问题提效了50%甚至是60 70%而且他也可以组建一个agent的团队三天内干掉一周的团队干的工作就他也这么神奇同时他也确实像我实操经历的那么笨所以到底这个AI厉害或者不厉害的边界在哪里普通人我们怎么去理解他我有和你一样的体感现在有两方的声音都很大一方面我们普通人说AI都会说他很蠢就是连帮我点个奶茶都点不好或者你知道吗我问他一些问题他还能给我造词他给我编出来就是我让他跟我查有一个乐队比如说在新加坡2025年你共开了几场演唱会其实那个乐队在新加坡就没开演唱会我用的那个就是一个银河型AI他能给我编出来他还可以自圆取说有的时候我们觉得AI很蠢但是另外一方面很多声音说AI就相当于你在你的电脑里面或者手机里面部署了很多个智商 [5:00] 什么这个大模型这个分析师我也可以用AI替代掉我的员工帮我提效甚至融资就是很割裂我们现在周围的话题已经离不开AI了但是有两方的声音很两极一方面在神话AI一方面呢又在摒弃AI说AI很蠢但是如何真正的作为普通人我们真正的用好AI把它改善我们的生活和工作提高我们的效率这个其实是一件门槛很高的事是的那因为逼不了业也是一个非常实践的崇尚第一性原理的播客我们这一期就真的是以不神话的非常第一性原理的方式我们一起去讨论AI讨论我们是不是有必要在AI的这个大框架下去焦虑以及讨论我们真正的怎么要去用好它但在节目的开始我要先问洪洪一个问题就是因为我们在聊AI的时候你有想过到底什么时候你会觉得叮AI这个东西出现了比如说我问一下在2022年11月就是ChatGPT发布之前心里有没有印象AI大概是什么样子的说实话我说两个我完全是个人的一些经历在你都别说2022年了甚至在2025年之前我都不会觉得真的有AI的能够改变我生活或者大模型和我自己的职业生活有什么关系我们在前年的2月份Deep Seek时刻发生之后我才开始把AI真正的认为我们人类进入了AI时刻或者GPT时刻但确实啊拆的GPT是在2022年就发布的而且在2022年之前其实已经有人工智能的概念就是那个可以下棋的是的二发狗是让我觉得好像有这么一个可以模拟人脑的这个机器模型而已而且还挺厉害的对所以那个时候可能是我对AI的一个更加比较直观的第一印象也就是那个时候对但那个时候我们生活里也有一些些元素比如说那个小爱同学或者是什么百度识图你要发一张照片让他找一个相似的东西出来还有SiriSiri对这是非常基础的但我们非常明显的感受到在GPT发布之后和之前就有千差万别的一个变化因为在最早的时候比如说实图也好或者说语音也好那个时候都是有一种很窄的窄AI的概念就是实图的只能实图语音的只能语音那翻译的可能也就是做一点小的翻译真正的让大家体感上觉得AI好像什么都能干了比较通用的智能的时候真的是GPT或者是DeepSeq更加普遍之后因为那个时候我们会发现AI什么都可以聊了他不仅是说可以看个图他可以写代码那普通人都不会写代码AI会写他可以做很复杂的数学题而且他可以做心理咨询而且他是有真正的一些拟人化思维的你记不记得AI刚火的时候就抖音上有好多视频是和chatGPT聊天假设他是你的什么男朋友然后跟妈妈视频然后chatGPT就是模仿你男朋友的语气和妈妈聊天让人特别开心当时特别特别火对就是他好像能听懂我说什么了他能理解我跟他对话的上下文进行一个连续对话了这个应该就是chatGPT让人工智能真正迈入了和我们生活融入的那个阶段的时刻了是的而且后来deep sick还进一步去展示了因为他会给一个过程我们会发现哇Deep Seek的这个思路它的这个推理过程每个问题的拆解好像很多时候比我们人的逻辑思维更强特别是Deep Seek在GPT的基础上它其实有更多的对中国语言文化的理解你让它写诗你让它去那个算命推理就是中国这个流传下来很多命理学的这些知识我现在周围有好多人和deep seek深聊就是八字啊那些方面的东西真的非常非常精通我理解啊你训练这样一个大模型你肯定要为给他各种各样的资料库和语料库deep seek肯定就是把我们的那个周易啊玄学易经八卦都学得透透的我说一个场外信息就是我身边有朋友就是用周易的大师给他算今年不是今年是什么赤马红年就是有一点点流年的不利然后花很多钱跟他用deep seek算出来的那个结果是一样的对吗对所以还让我觉得他那个大师也不是随便说的他肯定背后是有一套算的逻辑在的我正好前两天也是有一个朋友说他今天想要换工作问了大师同时每天和deep seek深聊他两方给他的结论是相对一致的这就说明什么大语言模型这条线已经相对充足的拥有了一种通用的智能的能力但是我要告诉你一个点就是我们理解的这个智能其实它背后的逻辑是一种预测嗯我不知道红尔有没有这样的体感就是虽然说它有很多东西是比较准的但是假设你不带着具体的更确切的问题去问它它有时候真的是会给你造一些 [10:00] 或者是你希望他做123他能够给你把123456都做出来等等我在这里面有两个问题第一个问题其实你刚才说到了一个算是偏专业的名词叫大语言模型所以我可不可以这样理解就是无论是GPT也好还是DeepSeek也好他们和刚才我们聊的什么小爱同学百度石途或者阿尔法狗的一个最本质的区别是他们能够理解人的语言了所以他们是基于大语言模型形成的人工智能没错现在我们发展的相对最快的我大概说一下什么叫大语言模型其实大语言模型就是专门处理文本的大模型为什么叫大模型呢因为原来我们看到的这些图呀翻译可能是小模型当前GPT把更多的语料堆给它把这个模型的规模逐渐扩大之后其实在有一个时刻发生了一些质变对原来是这样所以你看大语言模型它的简称不就是LLLM吗不就是large language model吗对它就是大语言所以我理解啊就是CHAT GPT和Deep Seek它都是能够处理很多海量我们文本的大模型了但是你刚才说的一个点你说它的核心的逻辑和能力是预测这个还有点反认之外为什么是预测呢因为我们做这个AI的时候我们是为了让它理解人类大脑的模式我们是希望AI能像人一样聪明理解去做很多事情其实预测就在一部分代表了人类大脑的理解模式有两个交叉学科的很有意思的现象就是首先我们大脑的运作模式是什么一位神经科学家他说了大脑本质上就是一个预测机器我们人的大脑也是通过最小化的预测误差来理解世界你就想我们俩对话或者你和妈妈对话或者你做任何事情你是不是也是经过了信息推理最后你决策出来一个让自己快乐的或者是让自己避免受伤害的这样的一个模式你去理解世界你去做很多很多事情这个也是我们人做事情聊天很多很多的逻辑所在同时呢因为预测本身也代表智能因为我们不仅要去发现规律我们还要去压缩信息我们把庞杂的信息压缩到跟我们最相关的我们最需要知道的这些部分再去理解再去推测这就是我们大脑的逻辑所以在训练这些大模型的时候用的同样的逻辑当它真正拥有了预测的能力的时候我们会发现他似乎拥有了智能的能力但是这样确实就会造成一个问题就是我们最开始说的因为他的最终的逻辑是预测预测并不是说我要知道什么是真相所以他在预测的时候总是会给大家造成一种幻觉就是他希望最好的方式去预测下一步要发生什么他会自己发散的有更多的信息去告诉给你而且有些东西可能是错误的或者是无效的但他总会希望给你一个看似完美的答案AI之所以让我们感觉他智能的一点就是他的预测能力但与此同时正是因为这个预测的能力让我们在使用AI的时候他可能会有不准确他可能会有发散他可能有编词造词也就是我们所谓的幻觉本质上都是当他的容纳的量越来越大的时候我理解他从当时的小模型我们都是让他做任务补权一个句子对吧可能到中的模型你帮我补权一个段落但是到了大模型现在我们让他做各种各样的事情让他帮我算命让他帮我写个报告让他帮我做PPT他必须得理解上下文之后还得用他为他的那么多的高质量的数据那么多的预料他得给我形成一个任务他去猜测你对才会又觉得他智能又有幻觉所以我们现在就来到了一个基于LM是世界上最领先的智能的文本大模型的我们现阶段是处于在这里对吧是的那即使是最领先的就为什么大语言模型是相对最领先的因为它上面沉淀了互联网20年的数据那这里我们可能也想去探讨一下为什么先是文本因为文本天生会相对简单一些就是文字嘛比如说我去理解我去问AI法国的首都是什么这个模型可能会先学到首都和城市大概是什么关系有语法的知识同时他会知道法国是一个国家这本身也是一个知识同时他需要知道法国的首都是巴黎这其实也是一个事实那这么多的东西交给他他自然就可以判断出来法国的首都是什么那与此同时在大语言模型之外其实我们还有很多比较类似的也是非常领先的模型比如说多模态多模态模型就是除了文本之外我们还有图片我们还有视频现在不管是DeepSig还是GPT还是很多通用的这些我们国内用的豆包Kimi大家都逐渐从只做最开始做LLM到了现在做多模态了因为你发现你发 [15:00] 图片给他你发视频给他他似乎也能和你做一些交互但是因为本身图片和视频背后也需要转码让这些模型去理解和学习量更大信息更复杂所以多模态模型的这个总体全球的进展是没有大语言模型那么快的也就是说你要为他更多的数据你要为他更复杂的信息他本身的这个迭代发展学习速度就会慢一些当然我们还有编程大模型等等等等所以这样推断下来红红你应该能够发现就是纯语言的可能会比较领先纯视频的可能也有比较领先的但是如果是一个通用大模态全部都混在一起的反而它的准确率就会降低一些我可不可以这样去理解像现在我们国内一些比较常见的一些大的模型比如说文心一言豆包千问Kimi包括元宝它们不仅仅是属于刚才说的大语言模型其实已经开始介入多模态模型了因为确实我现在也在用国内的AI的软件帮我生成一些视频做一些图确实跟人手相比差很多感觉笨笨的笨笨的但是也不是不能用但你说如果到专门的处理图片视频我们一会可能会后面去分享那些软件它可能就会做得更好那个应该就是专门去处理具体任务的一些模块的智能的模型也是大模型是的比如说编程我们有专门的模型视频可能有专门的模型这个大家都比较熟的应该是国内字节的Sedens还有之前Sore它已经不见了太已经不见了这就是我开头说的我可以不用学学着学着那些模型自己就已经被淘汰了确实大语言模型到目前已经是最领先最闪耀的模型了那这些模型这些能力到底是怎么来的呢这个质变真的就是因为我们互联网沉淀这么多高质量的数据是450TB的原始数据训练出来了GPT3再后来是大概1000TB的数据训练出来得出了GPT4目前有一个公认的说法就是现在互联网时代已经没有更多的高质量数据来喂养这些大语言模型或者是多模态模型或者是视频模型了也就是说我们现有的这些语料和养分我们能喂到它的就是目前的这个阶段了就是它基本上如果你调教好了用一些好的方法它能帮我当个实习生但是比如说一些幻觉的问题或者让他再处理更加复杂的任务其实就达不到了所以我特别想去问一下杨益我想知道咱们现在的这个大模型尤其是大语言模型他大概到了一个什么样的level呢我们一会可以来一个比如说初级专家大师我确实听到过一些说法说他比人还厉害说他超人类了说人类在AI面前就是笨蛋你AI可以帮你做一切的事情它里面装着所有在各个领域最先进的科学家其实我觉得这种说法是不负责任的因为无论是看病也好体育运动教练也好因为我自己也在用嘛你让他帮你分析体检报告或者你让他问他一个复杂的学术问题他是没有办法替代我所认识的领域最顶尖的你都不说最顶尖他就和平均的人差不多他连前10%到20%我认为目标都达不到没有现在外界很多人说的AI已经非常的智能非常的聪明我们可以让AI帮我们解决大部分问题是的你的这个体感非常的对正好我们可以聊一下到底现在AI到什么阶段那聊这个呢我们可以给他一个权威的定义就是AI到底多聪明多厉害不是我和横横也不是我和大家我们来讨论的而是全球确实有很多权威的顶尖机构本身我们对AI的通用性的智能性就做了一个分类因为我们训练AI最终的目的我们就是希望它更加的通用那通用的人工智能它的标准就是我们希望它能够像人类一样在任何智力任务上表现都非常好想象一下当你家里真的出现了一个机器因为我们刚聊的是互联网上的一些软件假设我们希望一个AI像人一样家里咱们有一个机器人他又叠加了我们刚刚说的这些顶尖的工具你让他洗衣他就洗衣让他做饭就做饭让他帮你去实习帮你打工其实我们春晚上还有很多小品里大概都提到了这么样的一个未来就是大家有一个美好的期盼和想象至少我们老了的时候可以让AI去照顾一下这个其实它的标准就是通用人工智能希望它像人一样智能所以通用人工智能也是现在我们经常在刷社交媒体看公众号文章里面大家都经常刷到的一个词artificial general intelligence简单来说真的像我们人一样全能了比如说现在刚才我们聊到的什么cloud或者chat gpt它虽然看起来很厉害但你让它写代码了它不会帮你修水管或者你让它给你下棋的它没有办法给你炒菜或者安慰我对吧 [20:00] 但是刚才一姐你说到的那个AGI就有一点点像我们小时候看科幻电影里面那种了它就跟人一样帮我学新技能有自己的理解和判断是个全才它就不是偏才了是这个意思吧是的全球最顶尖的AI研究的机构就是Google DeepMind开发Gemini的团队也属于这个机构他们有篇论文叫做Levels of AGI就是通用人工智能的一个分级就说明这个人工智能这个智能性它是有一些级别去判断和验证的那第一级就是刚刚我们说的初级非专家级人物不熟练的人类这个其实就是有点像GPT或者DeepSig或者我们用豆包做的事情就是哄哄你说的实习生一般水平比我差一点但是我让他干个啥他勉强能干出来一些东西这个水平那level two二就是胜任级这个就是说我可以去胜任一些非专家的任务可能是一个熟练工那当然目前GBT 还有一些大模型肯定是能够达到的就是做一些非专家任务的很熟练的执行线任务那 Level 3就是专家了专家级任务就代表着你要超过前10%的熟练工 Level 4就是大师超越人类的一些顶尖的专家前1%level 5就是superhuman超过所有的人类就是AI真的比人要厉害那你看如果我们用这个标准去看level 3专家就说明他要比全球10%的人的智力水平要厉害可能在某一些专业的领域比如说cloud编程的有可能不排除是能达到的但是其他的软件大部分是在level1和level2之间刚才一姐说到了这个Google DeepMind其实就是目前我理解全球AI最顶尖的研究机构给出目前AI的一个进展是吧跟我的体感一样它就是初级完全没问题比如说帮我打个杂处理简单的问题然后相当于就是实习生我作为牛马我有了我的机器牛马的感觉它就是在level1但是到level二这块50%左右的熟练功就是时而达得到时而达不到你要好好地去调教他那现在到底就是所谓的那个AGI你觉得我们在未来呀或者今年明年有可能实现吗按道你刚才说的这个标准完全不可能实现对吧我也觉得所以不用太担心AI真的能取代我们现在每个人的饭碗目前来看没有那么容易是的但为什么它打不到呢就我们也可以延展到刚刚那个话题我们都说了从纯语言的角度现在的大模型已经把互联网上优质的语料学习完了那它得到的结论可能是部分level3专家部分任务还是只有胜任那比如说涉及到编程或者说做视频这种本身就更复杂更专有更需要跟电脑打交道的这些方向有一部分可能达到了level3专家但是还有很多也只是在一和二的水平当所有的高质量的这些语料因为我们都知道训练AI的几个要素数据 算力 模型所有的能力所有的板块都需要不断的进化但现存有一个问题就是数据快没有了而且从训练的角度来说越往后需要的数据越多需要的算力越多但是得到的效果并不会像之前那么的快那么的好就是到了瓶颈期就是你为更多的数据但是不可能像原来一样起到一个十倍或者百倍以上的这个智力水平的提升所以从现实情况来看达到AGI或者说通用AI就离得还很远很远那我们再回去退一层因为刚才我们提到了大语言模型他已经能很好地给我对话了能安慰我了能帮我算命了能帮我解决一些文本的问题了再到我们可能说的中局到了AGI就是通用人工智能但是现在在理解语言和通用之间还出现了一个我们在今年年初所有人都听到的一个词其实就是智能体或者是大家现在智能体里面的代表人物其实就是小龙虾我认为小龙虾和我们之前所说的大元模型最本质的一个区别就是他有一点点像一个独立的数字员工了他不是只是你给他发一个比如说我现在想要点奶茶请你推荐给我北京最好喝的奶茶他给你推荐了五杯而是他真正作为一个人能跟你干活了他能自主完成理解你的任务拆解执行交付的这样一个闭环了有一点点像那种代理的小牛马就是我和他说打开了我和我的小龙虾说请你帮我把北京最好喝的五杯奶茶点好他能自动的去理解怎么是最好喝的五杯然后我怎么去搜索搜索了之后呢我再用我的权限打开你的外卖软件给你下单就有一点点像一个智能体了这个是不是就是我们目前最在处于的这个AI的人 [25:00] 智能的阶段我想说的是这个应该说是一个方向一个方向因为AI大模型和小龙虾它本质是两个东西大模型是说我要去给它更多的数据让它更加的智能然后AI本身它是另外一个方向就是它有点像是一个工具导向和应用侧的一个应用你不管是装OpenClaw还是装所有的小龙虾它的本质是一个代理它的革命是在于说我加强了它的工具性它不像原来的大模型一样只是说被动的你问我答我去响应指令而是我可以调动更多的电脑的这个IT的我去让他变成一个数字员工让他去能够足以完成理解拆解执行交付的这样一个工作流但是你在这个装Open Club和所有龙虾的时候他背后一定也会调度各种各样的大模型相当于他是一个数字员工的工具一个平台但他真正要去理解要去拆解要去答题的时候他还是会调用很多不同的模型或者说他们背后的一些技能来理解然后只是说最后的执行交付因为电脑开放了更多的权限给他所以他可以去做更多的事情这也就是刚才我们说的因为之前的GPT他只能基于大员模型实现问答但是可能人最终还是希望交付对来帮自己实现真的干活所以我们可以看到现在所谓的数字员工AI智能体很火但是他们也是套了一个壳他们的更加上一层去理解的还是要再套一个大的模型可能会接的是Google的可能接Kimi的可能接豆包的也有可能他会接如果他要做视频他可能会接Sidens如果他要去写代码他可能会接Cloud他相当于就是一个平台但是在这个平台的表面上是他直接去帮你做很多很多的事情和任务但是背后他要调度的就不只是单一模型了因为你的一个任务里可能有非常非常多需要做的事情不一定是单一的模型可以解决的所以他可能会调度更多的模型然后做更多的agent再汇总到他这里去给你完成一个任务相当于就是结果导向交付导向所有的模型所有的skill所有的这些各种各样的电脑的程序都是变成了他的工具好我们现在就来到了可能稍微需要一点点理解能力但我相信很多朋友是搞不清楚他们之间的概念的一些小小的名词解释的环节你刚才提到skills我一会来解释但是我现在很想问一姐的一个问题就是你刚才提到 agent他其实就是一个自主执行任务的执行单元也是我们现在天天刷社交媒体都能看到的就是agent智能体他和我理解的open cloud他们之间是并列关系吗还是包含关系open cloud是不是也是一个agent呢还是open cloud有多个agent去构成的呢open cloud是一个平台你可以在上面创造一个agent你也可以在上面创造很多个agent同时你也可以不用open claw因为现在国内的很多大模型的厂商他也推出了自己的claw比如说有kimi claw然后豆包也有豆包的元宝有自己的腾讯也有腾讯的那个claw就叫小龙虾是的所以open claw是一个最开始是他发明了这个东西也不能说他发明应该说是通过他更多的普及开来然后大家分分更上有了自己的这个口但是open口是一个更加怎么说呢是一个更加开放的就是你在上面你可以用kimi的模型可以用janeb的模型你可以用字节的模型都可以接进去但是在国内的这些场上如果我们自己有大模型我自己做小龙虾比如说kimi你就在上面你只能掉kimi的模型你就不能再掉别人家的了当然这个是他们大混战的一种是的就是我在这里面就补充两个场外信息有一次就是我跟我的特别好的跑步搭子也就是大概两个月前吧就是小龙虾最火的那一会儿然后之前不是有很多说深圳上门给你小龙虾大家可以在咸鱼上面买就是有团队直接带着两个人到你家给你部署就所有的你的电脑什么软件啊VPN梯子就给你下载好了我当时就稍微有点焦虑因为咱们本怎么样也是一个自媒体的从业者就想接受这些最新的东西我就和他跑步我说你们装龙虾了吗他说没有啊我说你作为一个国内最大厂的AI大厂的这种大模型的一个小领导的小专家小负责人你们整个团队连open club都不装他说没有关系他说你要相信我们中国速度他说不出一个星期对他说我们现在只有企业版的龙虾就是所谓的龙虾其实就是一个开源的平台里面能装很多agent帮你这些任务他说你再等一个星期马上就可以了确实马上就可以了结果就等了那一个星期吧他有发我各种他不仅发了我就是腾讯的这种可乐然后还有Kimi可乐还有因为其实现在有大厂之间的混战嘛你就比如说千万下面的模型他就只能打开阿里系的东西你比如说打开淘宝是可以的或者支付宝帮你交个社保就这样 [30:00] 如果你给了他这个权箱的话也是可以的但是你要让他用微信或者打开那个抖音就是不行的对所以我理解小龙虾为什么很多人会用open口罗就是虽然他是平台但是他更加开源他可以更加包容更加第三方对他对各个的这种大模型都是友好互通的但是现在其实我们国内也已经有非常多的这种所谓的龙虾大家可以用了是的所以agent龙虾这些词本身虽然是新词大家可能听着觉得很遥远但是并不是的你只要去搜一下Kimi或者你搜阿里你搜豆包现在出来大家都会以非常直白的话去告诉你可以装可以用但当然了付费的版本是会比免费的版本更好用多一些的因为付费的版本就意味着你有更多的算力还有token可以用现在大家不都在说token吗那说到这里我还要做一个小小的补充就是关于skills和prompt这也是大家经常在最近的社交媒体刷到的其实prompt就是你对AI说的话题的要求发的指令而我们现在频繁刷到的经常说我发明了一个skills其实就是一个AI自己会的自带的技能包就打个比方啊我去餐厅点菜对吧我跟厨师说来一份微辣的番茄炒蛋少油少盐这个就是prompt我对他提的要求但是那个厨师真的会炒菜调味然后还给你摆盘把这个番茄炒蛋给你端上来其实就是skills了而现在那些所谓的各种各样的技能包他也有开源的平台大家去下载我自己用下来啊比如说你有一个龙虾你有一个智能体你需要给他开放各种各样的skills有专门做视频的Skills也有专门编程的Skills你把它下载上来就相当于是给你的这个小人加了各种技能智能包他就能够基于这些Skills帮你干活了所以Skills是让我更好的去干活的技能而Prompt只是我用语言形容的要求但是关于我的这个提示词或者是关于这个技能它本身让他用的更好还有很多很多的方法论我们一会也可以彼此分享一下是的这像我们最开始讲的因为大语言模型本身也是人类为了给它很多的数据通过模型训练出来的那我们如果希望它给我们更多理想化的答案我们怎么去使用它怎么告诉它怎么去教它就会显得尤为的重要并且有一些技巧比如说针对我们刚刚提到的它总是要去编造一些东西你就在提示它的时候一定要告诉他你给我的所有的答案都需要基于权威的论文或者事实他立刻就不敢编造了或者你告诉他我对你提的要求一二三你只需要照着执行完成不要发散他可能就不会发散或者说是你不希望你说任何话他都马上去肯定你赞美你你就让他改一下他的这个语调改成类似于严肃风或者是学术风红红刚刚提到一个叫银河型AI他就会把这个银河的毛病改掉所以你一定要去教他一定要告诉他你的需求告诉他乐系他的回答就能够更加符合你的预期那我们现在就已经来到了一些具体的方法论的阶段就是刚才一姐说到的是如何让AI避免它产生幻觉对吗所以你说你的提示词就是你的prompt里面就有很多的一些限制性的要求为什么你提了限制性的要求比如说你不要给我发散或者请你逻辑严谨因为我自己在使用过程中我发现我也会这样它就真的会好一些这个是为什么呢我特别想知道如果用第一性原理的话对因为每一个你给他的提示词背后他都能够去理解比如说你说不要发散就严格按照我的要求它是能够听懂严格按照要求的因为本身大语言模型的背后的本质就是我说的它要理解它要推理最后它再给你产出来一个答案如果你不告诉它这些它就会像我刚刚说的一样它会天然的希望包的更全一点因为它是一个概率它希望它预测的东西它希望它交付给你的东西是尽量更加完美的那他在不知道你的需求的时候他就只能发散看起来非常完整我甚至是最近我在用我的小龙虾做周报的时候他都会给我算出来一些新的比如说资金的净流入净流出然后我问他我说这个数据不是只有专有数据库才有吗为什么有这个数据他说不好意思我为了让他显示的更完整我编造的他自己给我承认他编造所以就是当我们提示不够严谨不够学术要求不够高的时候他天然就会希望预测出来一个更加接近你想要的东西所以你的限制的越多提示词越多他反而能够了解你的需求能够给出来一个更好的预测因为他的背后的逻辑是预测一个更好的答案给你我现在理解了我们就可以把现在刚帮我们干活了 [35:00] 理解成一个特别希望老板满意一个兢兢业业的实习生但是你给他了一个要求如果你的要求是带有漏洞的是相对混沌的他为了让你满意他不能执行到一半发现你没给他做不出来了那他觉得他就要死了所以他宁可编一个或者随便的从哪里揍一个什么东西他要把这个东西看上去完美把它交给你那你在描述的时候其实就要给他非常多的限制和约束我说两个我也认为很好用的第一个大家现在如果打开社交媒体有各种各样的一些提示词其实我会我会觉得我们要学习纳瓦尔因为纳瓦尔说了你不用去学提示词AI进步的速度比提示词进步的速度快多了你就把你的要求告诉他其实是最管用的没有那么多话里胡哨的技巧而且还有一个小的方法是你不用打字因为其实大语言模型它本质理解的是人的语言我发现无论我和我的这种大模型智能体对话我都是用语音的方式给他一些指令要比我打文字我们两个的交流会更加顺畅因为其实人类的第一语言也是语言而不是文字对而不是打字我就是会说你给我的所有的资料请你需要有两个交叉验证的信息源对第二请你按照有逻辑的指示给我一二三四不要让我产生复工就是我想到什么我就跟他说什么你的要求他就会第一时间的去执行不用去学那些话里胡哨的基本上给出来的都还不错还有一个我现在发现的一个比较好的提示词的方法就是你可以让他模拟不同的思维风格相当你可以把你的AI组成一个顾问团同时回答你的问题然后最后呢给你一个相对值得经得起质疑的一个建议啊你输入指令就可以有特别多好玩的提示词大家也可以去试你跟AI说你现在要扮演五个角色第一个角色是反驳者就默认我的想法有致命的缺陷你专门来跳舞的次第二个呢是本质追问者就是你不要回答我的问题你可以先问我你问我这个问题到底在解决什么第三个角色是扩张者你让他在你给他提的问题旁边找更大的机会就是帮你解决一些你可能想的太小了你可能能发现其他的机会来源的这样的一个问题或者你还可以给他设定一个叫局外人就是相当于对你的行业背景一无所知就是我们之前几期有给大家聊过的多元的思维模型是帮我们打破知识诅咒的因为很多时候你觉得一些理所当然的问题你的用户和受众并不看得懂所以你可以告诉你的大模型你现在就是一个小白你能不能理解我的东西包括执行者就是说我告诉你的这个东西你不要做任何的发散你帮我执行下来就可以了我说的这些者大家不用去记我之所以分享就是你可以把它设置成你想要的任何的一个人来帮助你完成任务只要你给他的提示是足够的符合你的需求的他就能够按照你的需求生成你想要的方案红红说这几个角色非常非常有用我都记得就是在GPT刚出来的时候在那个Deep Seek还有这些大模型刚出来的时候第一个广为流传的提示词就是说你要给AI赋予一个角色它在那个角色语境下能够产出来相对更符合你想要的东西因为就是我们说的这个最底层的逻辑你不告诉他你需要什么他就会以一种似乎更全的方式去给你展示只有你的需求缩的更窄他才会能更精细的去给你完成任务但是洪洪刚刚也说了是他要赋予A4个角色或者5个角色让他们打架PK最后得出来一个结论再由他去检阅所以其实我们发现即便是像大语言模型是当下相对最领先的模型之一了仍然最终还是要人来检验的那假设我们真的是要用AI来啼笑而不是说仅是让他给我们一些参考给我们一些发散就我们之前很多机播客聊的是说AI可以成为工具他可以给我们带来一些参考价值和意义但是那个时候其实还是我们人在主导这件事情那到目前这个新的阶段了我们到底怎么样能不能够真的把AI变成我的数字员工真的是实大实的去交付给我一些任务让他实大实的给我干活交出来一个90分的准确的答案到底应该怎么做这个AI提效的本质到底是什么这个真的就很厉害了也是现在的AI的技术的发展让我们把AI能够真的帮我们提高效率我们做自己的工作或者生活SOP的流程的架构师的这一点形成了可能因为我们都说AI其实它本质上出来之后是帮我们提升效率的是帮人节省体力的但是我相信不止一个听友的体感就是AI来了让我更忙了更累了你永远有东西可以问他他永远有新的东西 [40:00] 给你但是我就会发现大脑是焦虑的是混乱的我的工作时间没有缩短因为他能处理的事情太多了他能给我的发散也太多了我并没有把它真真正正的用在我工作上的提高效率上所以现在假设已经有了一些我们所说的agent就是他不仅仅是能回答问题了他能做事了所以我们怎么能够利用这些AI的skills来替代我自己的一部分skills真正帮我省下一部分重复劳动让我获得一些闲暇或者帮我提高一些效率就是一姐你在使用的过程中有没有什么一些真实的体感我觉得真的还是太上头了真的就是有一种先对她抱有期待最后发现错误百出然后再到去追踪到她的一些原理老老实实的去教她就是既发现了她的局限又发现了一些作用这个真的要花很多精力教会她才能得到一个想要的答卷但是确实当你教会她之后可能你每周的或者说每天的有一部分任务实大实的就被他真正的替代了所以我觉得其实大家如果真的想用AI去做交付一定要在心里有一个概念就是前期你需要花更多的时间去教他不仅是教他同时也是拆解自己的工作流直到你们双方磨合的相对还不错了可能这个小的project完成了他能够磨刀不务砍柴工他能够让你把之后的每一天和每一周可能有些事情真的被替代掉我就可以分享一下我的这个过程我其实让他只做了一个不算难的工作就是如果我交给一个人他可能是一个下午或者说一个整天就能写完的一个东西是一个周报我想让他给我写一个周报但这个周报呢包含的内容倒是也不少大概可能有几个板块第一个是全球资本市场的一些股市涨跌压资金面还有政治局势比如说前了中美宜的这个战争就导致全球的股市是一个深微就是先下来了后来才慢慢恢复这个肯定是对我们对上市公司来说都很重要的那第二个就是比如说机器人行业板块的一些周度行情机器人行业这周这个月有没有什么驱动的事情大家是不是密集的发了年报然后整个市场对人型机器人的落地到底怎么看它是一个上涨的还是下跌的以及资金净流入的情况就是我刚刚说的那个我提了这个要求结果他给我编了一个资金净流入净流出然后再到第三个板块就是一些他们的重要的信息更新比如说他是不是发年报了里面有什么更重要的内容是不是做收购了然后再到第四个是没有上市的这些公司他IPO的进展什么情况了或者说是他有没有什么新的融资其实我交给一个人或者说我自己我是太清楚的知道我想要什么并且怎么做但是我先把这一段话交给了AI其实我觉得我说的还是蛮清楚的了但是呢他先出来给我的一个东西呢就是我觉得可能30分都不到吧嗯就是类似于他跟我说这几个竞品公司的股价有两个我查不到或者是我让他去算一个这个行业公司的周度股价涨跌幅的时候他告诉他算不出来我说你为什么算不出来呢他说因为我没有收盘价的数据甚至最离谱的是我告诉他我要做一个周报比如说我说我要做上周的周报那上周是哪天到哪天理论上他是完全可以理解的但是他没有他给我做了一个十天的周报然后我就问他为什么一周是这一天到这一天呢他说哦因为是什么什么我有了一个错误我现在给你更正成比如说3月23号到3月27号这是你想象不到的任何的低级的错误他都会出所以最开始我是很崩溃的我说怎么会写不好这样一个东西呢不是很难当然后来我也是和AI进行了更多的探讨我和他去交流你觉得这个东西怎么样去做会更好我们讨论出来了一个解法大概就是说你不要把这么复杂的一个任务还是蛮复杂的可能是因为我之前对AI还是有一些很高的期待因为我觉得就是五个板块每个板块你都去查一查搜一搜不就好了吗但是我发现不行他告诉我你不要觉得这五个任务太简单他说比如说资本市场你可以有一个财经agent然后我就和他讨论出来一个结果就是每一个任务我需要单独的给他设定一个场景让他把每一个任务都尽量先做到90分我再把它合并起来比如说资本市场他肯定有一个股价agent或者说机器人板块他有一个行业新闻agent或者说这个排队进展他有一个专门的IPOagent就是因为每一个动作我以为是简单的但是对他来讲就是我们刚提到的都要调动不同的技能包你不能一开始给他提一个要求需要让他整合20个技能包这样他可能算不过来但是当你把你的这个周报本身拆成五个板块或者八个板块当然最后我们讨论下来就是五个板块他在满意中 [45:00] 一个板块都给我一个agent调度相应的这个技能报一个部分一个部分的我和他一起来完成这个动作一个部分做完检查一个部分做完检查一个部分做完他会跟我说你看看这一部分还有需要补充的吗需要我更新吗如果没有的话我们就进入下一个部分然后我们是这样按照流程一个板块一个板块的校对最后才做成了这样的一份周报一姐刚才说的这个恰恰就是我最新看的一个吴文达的采访吴文达他是目前人工智能和机器学习领域可以说是最权威的学者之一谷歌的人工智能的Google Brain对创始人然后是斯坦福的计算机的科学系的教授他在最新的访谈和他的一些开源的课程里面反复强调的就是决定AI能为人创造多大价值的从来不是这个模型本身有多聪明其实现在如果我们只是想让AI帮我们提高效率目前的智能体的演化水平已经足够聪明了而是你有没有给他一套靠谱的做事流程因为你真的要让AI去帮我们工作帮我们提高效率的话你会发现每一个子的任务他都要做到尽可能的准确那就跟炒一道菜一样如果你这个土豆没切好你的油温又不够你又不知道放多少调料你稀里糊涂炒过来你就和他说你给我炒一道菜你每一个流程没有去拆的话没有去给他一个标准的话他最后找出来的味道是不确定的你只有先去拆你的工作流把你这个土豆要怎么给我切切成什么样的块我来检查你要放多少颗的调料每个调料放多少你的油温掌握到多少把每一个环节都有个精准的标准和把控这样的一道菜结果出来了才是真正的可控的这就让我特别想到了我们在上一期聊到的表达很多人说自己的表达是混沌的说自己脑子能想得清楚嘴巴说不出来其实就是和你调用了一个比较笨的skills或者调用了一个比较笨的AI小助手是一样的是因为我们本身的流程不够清楚是因为我们底层的大脑不够清楚如果你的信息来源是错的你未给他的这些资料是错的也没有把自己的工作流拆得足够的清楚那AI也绝对给不了你一个好的东西所以真正AI能帮我们的工作流啼笑的它不是依赖于一个完美的模型而是我们需要优化我们的任务去拆解我们每一个子任务的颗粒度再与此同时调用不同的有功能的AI然后把它们组合起来然后再去调整和评估最终提高我们工作流的稳定性和成功的概率这个听起来很复杂但是大家把它理解成我相信听我们播客的既有带过实习生的既有领导对吧带过自己员工的也有给领导打工过的也有自己当实习生的经理你就把你自己想象成一个老板如果我是一个老板我让我的实习生说你现在的工作就是给我写周报那他写出来的肯定就是一份你根本就不知道他可能从哪里找的你必须要告诉他我现在要的是一个全球市场的周报还是国内市场的周报你需要到这几个这几个无论是万德或者是什么或者是各种各样的数据库给我找这样的一个格式是什么我需要你给我什么样的信息我在几点几点要要你要再用什么样的格式给我最好还要给他一个范例这个时候你的实习生大概率给你的结果是满意的这就是为什么刚才一家我特别能够理解你因为我自己其实也是你想要让AI给你提笑之前你可能需要花90%的时间去调教他去教他如果你不费这个前面的时间的话那他基本上是不能给你提笑的只能给你拖后腿是的而且我发现整个这个工作流里我们要看一下我们做的是什么假设红后是偏自媒体的可能更多的是在和大语言模型打交道去有一些创作或者思考或者他协助你给你找一些资料然后这个类型呢本身不需要对电脑的很多很多体系架构有那么多了解可能是在这个范围内做很多的交互但像从我写周报开始因为我写周报本身是需要很多财经数据的就我就会发现他就很需要我自己有一个财经数据库的账号不然那个数据他可能确实拿不到他没有权限所以我会我会需要给他提供一些数据当然我的数据我可以从另外一个虾里比如说我刚刚说的万德虾他本来就是一个数据库他可以给我所以这样综合下来我能够完成这样的一个周报但是还有很多任务是更复杂的比如说大家在企业里比如说人力的工作或者是有更多流程的一些Excel分析的工作很多很多情况下你也需要对你的数据的来源你到底需要让他做什么你需要怎么样去做这个工作流每一个环节我们都需要去做到验证真伪让AI和你一起或者说你教AI去判断一个东西是正确还是错误所以这件事情的工作量假设我们最终不是做创作的而是我要真的让他交一个活让他交出来一个一年级或者二年级员工的活 [50:00] 不得分析分解每一步的执行我们都一定要和AI设定好什么是正确什么是错误到底哪样是可行的所以用AI体效的本质不仅是你要拆你的工作流拆得很细同时你也需要了解AI的各类大模型背后的原理了解它出的这些数据出的这些内容到底是基于比如说是基于预测呢还是基于什么帮助你去做验证同时你还需要了解一些电脑网络的知识了解到底它怎么样在你的电脑里让所有的软件去干活的所以这个并不是一个简简单单的工程而是一个需要花更多精力各类知识都需要去学习的东西但是不会也没有关系因为其实你问AI它也都会去教你现在所有的AI都进化到你不需要去下一个skill装进去了你只需要告诉它我希望下载这样的一个skill你去帮我找它就能够为你装好这也就是我想说的AI它很包容他像一个永远不会给你生气的师傅你问他其实像我最近问他很多的问题就是说我确实没有理工科的背景我不会coding但是我就问他我想学coding怎么办他真的就是会给我一个开源的skills工具包你把这个包安在你的那个虾上面你自己跟他说文字我想他帮我实现一个什么什么样的一个任务他其实就是能够自动帮你实现编码的还有比如说现在很火的webcoding其实就是你跟他用人类的思维去描述他自然而然的能够帮你找到你需要的那个工具包然后帮你安装或者他说我现在没有这个平台的权限我需要你去安你只是要问他其实真正的那个核心的来源还是在你的需求上而且针对刚才一姐写周报的那个例子我也说一下我自己现在用agent或者是想让他帮我去做一些重复性的事件的一些体感就像刚才一姐说的你需要把每一个环节都跟他规定死比如说因为我现在在从事自媒体内容可能自媒体大家知道他有不同的载体可能有播客有公众号有抖音有小红书可能还有B站我可能都想知道在这一天每个不同的平台他的最热门的财经话题热点话题是什么我需要让他给我总结那这个可能就是第一步我需要让他在每天九点之前给我总结一个那我的这个虾他确实就是需要至少这几个打架的几个大厂之间他是不能相互限制的他必须都有权限去调动到微信小红书包括抖音上面的最热门的这样的一些话题其实是大家是可以找到的这个只是第一点那第二点的话我会告诉他AI能够越来越懂你所以为什么我还是蛮喜欢用GPT的或者是你在语料库里面给他为很多很多你的语料因为你看我们的播客每天也在大量的生成我的视频每天也在大量的生成他会更加的知道你是谁所以我就会为给他很多我曾经的文字稿语音稿包括我写的东西他就知道哦我是红红我要求你用红红喜欢的方式红红的文本去帮我生成一些可能的脚本他可能真的就是会根据我第一步的热点还有第二步我感兴趣的我的口吻给我生成五个脚本那在这五个脚本里面最终选择的那个人决策的那个人还得是你自己这个是他没有办法帮你提笑的可以帮你做很多的事情但是最终的审美类的决策类的导向你是不是真的感兴趣你是不是要把这个项目我们真正的制定去实行还有完结是需要我们人这个总司令官来做决策的是的红红你没有发现我们之所以会让AI去提效本质上是我们自己要对这个流程准确性有非常强的把控同时我们还需要有很强的工作密度就你没有工作你怎么让AI来提效对又回到了那句话我们一直说提效提效其实AI一定是让我们在一个相对紧凑的工作中让我们的效率更高产生更多的结果的如果我们一开始都没有那么多想要去解决的需求每天没有那么大量的任务我就是已经是老板让我写周报了我再让那个小龙虾写个周报说实话你调教他的过程中他给你解决不了多少的效率你自己也都写完了这个并不是我们真的想要去看到的那个结果只是说我们今天探讨的一些方法论或者说是原理都是想让它报门尽可能节省一些大量的重复性的就是可能没有太多实际价值的又占我们很多时间的就是之前说的dirty work让AI来做那我们省下的时间其实更多的可以用来思考可以用来复盘可以用来想我们真正想去做的真正感兴趣的那些地方到底在哪里是的所以我们普通人到底怎么应对AI带来的变化到底是不是真的需要有那种底层焦虑我在想有底层焦虑的人是不是我们可能对自己的工作范畴工作定义不够清楚同时我们又没有真正去比较好的使用AI所以我们才会有这样的担心那对我们自己来讲真正去应对AI带来的变化我们到底需要做什么我觉得首先肯定是我们自己 [55:00] 就是要像我和洪洪刚刚那样我们要去看一下自己的工作有哪些是需要创造的哪些是相对比较重复我们希望用AI来代替的我们先去做同时我认为AI其实也有很多我们值得学习的地方因为AI两个最重要的里程碑第一个就是就是我们刚刚说的当我给大模型飞到了非常多非常多的数据的时候它才能够得以量变到质变通过海量的数据它更聪明了它更能预测了在我们给他的提示更精确之后他能够给出来我们一个或许我们当下查资料不能得到的答案他能帮我们去解答这个其实是对应我们之前说的终身学习因为AI就是一直不断的在学习学了文本学图片学了图片学视频还能学编程还能学很多东西再到我们现在聚生智能的世界所有的机器人也在学习怎么在工厂打工怎么在家庭干活就是AI一直都在学习当然第二个里程碑就是刚刚红红说的吴文达提出来的Agentic Workflow就是代理式的工作流因为AI本身在做工作的时候只有越细越小的标准才能够可预测可验证那对AI来讲如果我丢给他一个非常大的工作我自己都没有想好他每一步的准确率假设有80%那如果是十步呢80%的十次方可能他的这个工作正确率本身已经不到三成或者两成所以对我们来讲我们一定要把每一个工作自己想清楚想明白自己把他的准确性和AI一起协商的足够高这样我每一步的准确率达到99%的情况下我跟AI一起做十步我们最后还是可以得到一个可交付的90分以上的作品这个就是AI的两个重要里程碑反而能真正交给我们自己我们自己也可以去学习的东西刚才听完一姐说的那样的一些其实我会有一点的焦虑就是我穷之一生是学不了AI那么多的东西的那反过来我们就问我们作为人我们最本身的那些东西到底是什么这个我是觉得在AI让我们有可能真的从重复性的一些学习要劳作中解放出来我们真的应该去思考的就包括刚才去提到AGI通用人工智能对吧其实前两天看了一个采访就是Cloud Code的创始人有记者问他他说问他如果将来真的有天实现了AGI之后他要做什么Cloud Code的创始人Boris就说我可能会回去做魏征当时贴完之后我都惊了我就会觉得他有点点像你自己出来在森林里放了把火结果人家问你火烧着了怎么办你说我要回到我的室外桃源一样因为魏征是什么他就是一个不能催不能加速只能等待自然发酵完成的这些慢节奏的东西你会发现这个世界他很有意思的一点就是发明了最快最提高效率的那个人他竟然在采访里面说等到真的实现了AGI他就去做未曾了但我是觉得他虽然就不管他是不是表面一套或者说是不是一些采访式的一个美妙的有艺术品的回答但是他给了我一个思考就是我们需要体验到一种独家属于人的和AI的那种运行方式完全不同的生活的速率比如说真正的体感你喜欢吃的东西你的味道你和人之间的感情可能才是AGI时代我们作为人独特的最珍贵的能力为什么我有这个感觉呢我们之前不是很多次也去聊到纳瓦尔因为他自己现在也在做人工智能AI相关的创业嘛我们不仅仅是纳瓦尔在说我们听到很多的一些国内的一些AI专家创业者都会说AI他能够替代你所有技能的东西他也能够替代你很多专家类的东西但是他替代不了的是你作为人独特的审美他替代不了你作为人独特的那种能让人感动的东西这个东西其实就是真正的人和机器所做区分的那个东西是的而且我认为不仅如此就为什么我们可以去这样讨论AI或者说认为我们可以去掉对AI的底层焦虑第一个原因确实是因为AI它是没有生命的它没有体验它看到一只猫它可能会知道这是小猫但是我们看到一只猫我们可能内心会唤醒很多情感很多依恋很多欣喜很多和小猫的这些交互那第二个就是我们一直在说AI到底有多厉害但是我们却忘了说我们人类自己有多厉害我们总是在焦虑AI学的太快我追不上但我告诉你真相恰恰相反人类的学习效率其实才是远超AI的就以我刚刚举的小猫来说其实我们都知道AI你需要feed很多张图片告诉它那是猫它最后知道了OK那是一只猫但是其实我们人类的小孩看三张图片 [60:00] 或者说见到一次小猫我们告诉他这是猫他就知道了而且他不仅知道这是猫他可能还知道这是什么品种的猫是长毛毛还是短毛毛猫毛是怎么叫的再到比如说学会一门语言你看我们之前说了我们用了互联网1000TB的数据去教大语言模型他学会了各种各样的语言但是我们人类从小长到大可能在小时候教了那么两年我们就可以自然增长的去联想学习到更多的语言或者玩一个游戏也是玩几局其实我们就知道了或者说骑自行车我们也是骑一下就知道了一定是比巨生智能去学自行车快的多的多的多的是的我们在这之前聊了一个多小时可能从GPT又聊到了AGI我们还聊到了无论是Prompt又聊到Skills我们好像一直都在说AI有多厉害或者它有什么局限都让我们忘了我们人类自己有多厉害就像刚才一姐说的任意之猫我们可能真的只需要看三张图片AI需要一百万张图片如果要是学会一门语言我们人类自然成长的过程本身就可以学会一门语言但是AI它可能需要万亿级的token我还是始终认为人类大脑我们的生命才是宇宙中已知的能效最高的智能的系统说到这里我会觉得能帮助很多人打破对AI莫名其妙的恐惧因为现在也有一些社交媒体或者一些说法把AI吹得太神乎其神了甚至觉得它很快会产生意识包括取代甚至统治人类这个也早就有了明确的定论就是AI它是没有生命的他看起来再聪明大家一定要注意不要跟AI产生什么感情他看起来再聪明再能跟你流畅的对话本质上也是我们刚才说的第一性原理也是一堆数学公式算法堆出来的工具他没有意识没有自己的欲望在物理的现实里面只要你真的能够给人足够的时间资源和教育说实话没有什么概念是人类无法理解的真正的创造力它是产出一个从已知条件完全无法预见的答案AI可以画猫但是它画不出一个全新的绘画流派AI也可以写诗但是它不可能以一种人类从未体验过的方式让你感到震动它可以画一百只猫但是你看到那只猫是你样的那只小猫你产生的情感的链接是AI永远没有办法替代我们的但是我觉得我们所说这些并不是为了割裂人和AI而是更应该看清楚什么东西是AI擅长的什么东西是我们人擅长的更多的知道我们人擅长的和AI擅长的我们人才能够和AI更好的协作AI确实永远比不上人但这个不是因为AI不够强而是因为人和AI是完完全全不同的存在红红刚刚说的那个我还要稍微补充一下说人类大脑是雨中中以智能效最高的智能系统这个我一定要补充一下确实是这样的因为我们会发现一个点就是最终AI能够算出来很多东西但是我们要去比的不仅是说它算出来一个东西有多么的智能我们还要去比能耗比这个能源消耗比成本因为我们想人类去想一个idea想一件事情做一个东西其实我们只需要吃几碗饭可能维持一下生命体征我们就能够思考能够去创作但是AI呢你让他去答一道题他背后要烧多少的算力多少的电其实最终算下来在目前这个节点下一定还是人的能效各种能源的消耗是最低最低的而且还有一个很重要的点是现在网络上的这些AI它已经拿到了所有的数字世界的信息比如说图片文字但是新的机器人因为是在物理世界里的它也只是训练到了一些视觉行为的一些简单的体验比如说目前最新的进展是叠86次衣服不失误这个就是线下的物理世界AI最厉害的情况下做的事情叠86次衣服不失误所以AI本身他擅长的就是学习我们告诉他的东西学习我们已经总结出来的规律他去匹配去计算去检索去执行但是我们擅长的是因果的推理价值的判断意义的创造我们本身的token是一次顿悟一个决定可能一个脑子里的灵光乍现就改变了我们自己或者改变了很多人的一生一姐的这个总结特别的好这就是我刚才一直想要去说的人怎么能够和AI有机的结合起来去做更多有意义有价值有创造的事情就是我们要分清什么是AI擅长的什么是人类擅长的AI可能擅长的是大规模的计算大规模的知识的检索一次性的执行说实话它确实帮我提高了很多信息 [65:00] 你想之前我们阅读大量的资料大量的文本我们去看大量的数据确实要花很多的时间但是AI用它的擅长能够帮我们处理掉这些统计局的数量级的东西我们更擅长的是什么呢就是那些更加有意义感的有价值感的事我们不是经常听到一句话说在AI时代真正决定人和人之间差别的就是你的审美吗现在所有的AI都可以形成APP了都可以去进行一个创业了但是决定它的差别是你能不能真的去发掘那个需求你能不能用你在你自己所处的行业里面或者你在这个行业里面和他对话的那个人产生的思考在为你的这个行业做一点点事情因为真正去提出需求的人去提出动见和创造力的始终是我们人类本身那人类的动见和创造力从何而来真的就是从一万次的重复迭代从我们之前讲过很多期的复利执行力里面来你真正能够对一个行业产生颠覆它的想法,或者你真正能够创造一个打动人的作品,一定是来源于你在你所在的领域无限的深耕,再借用一些现代的AI工具他们两个共同实行的我就是看到那么多AI讲的视频说实话现在AI已经能够用素材它可以自己生成素材生成图片用非常炫的特技为我们一天剪100条视频但是如果没有人类的观点没有你自己的审美洞察真的发到网上去那些AI剪出来的网剧或者视频说实话就是一些没有意义的数字垃圾或者我们现在真正看到的自媒体行业他写出来的文章他确实可以让AI模仿他的口吻为他写但是真正去定那个影响人让你为之一震的那个标题的点的真的能够去有能够引起共鸣的价值的内容其实都是源于我们人类的创造力是的其实和上一期的结论比较相似反而是我们自身的认知天花板决定了AI为我们产出价值的上限AI永远不能代替我们去思考对就是这样并不是有了AI我们就直接能变成行业大神的真的有了AI之后它只会让那些剪视频厉害的人变得更厉害它只会让写电影的人变得更加的能够写出好的电影它只会让那些读书很多的人更加快的生产公众号它其实是加大了在这个行业内本身就积累有深耕的人更多和我们拉开差距和速度的因为就像刚才一姐说的AI它能做到的一点就是你告诉他你的水平他就在那个水平上跟你对话了如果你本身是个思维混乱没有一些积累没有品位无法发现独特需求的人那AI最多只能帮你做一点平均的琐事但如果反之你是有深厚的行业积累逻辑清晰你有自己独特的品位和创造力的人AI也能帮你get到你更加高位的需求为你输出更加有效率的结果是的刚刚我们提到的吴文达教授在给普通人的建议里其实也说了这样一句话就是通用AGI的时代确实很远AI确实永远不能替代人但是未来有一个分水岭就是会用AI工作的人和不会用AI工作的人所以我们不是要成为AI的竞争对手而是要成为AI的一些协作者设计者或者价值锚定者我们要自己成为自己和AI的人生架构师因为最终我们人类的token才是最伟大的每一个token背后其实是藏着AI无法复制的体验每一次交付背后其实交付的也是我们自己的人生成果是我觉得乔布斯就是一个非常有审美的人他的审美他对用户的洞察和需求和体验是一万个AI一千个大模型都没有办法替代的但是他曾经也说过电脑是人类思维的自行车互联网和电脑已经帮他的那个时代提升了很多效率那瓦尔也在他自己的播客里说可能AI现在已经不是思维的自行车了是思维的摩托车了但不管是自行车还是摩托车踩那个踏板的卧方向盘的决定去哪的始终是我们人类自己那以上就是我们的第93期我希望听到播客结尾的朋友一定要消除对AI的恐惧而且用我们前面提到的第一性原理知道AI背后的逻辑是什么知道了之后可能我们不仅不会焦虑而且能够更好的去利用它解决实际的问题是的是的理解了背后的原理你就会发现如果我就是一个手艺人的话假设我就是在这里做卫增的即使没有AI也行他不会改变我什么本期播客就收在这里吧我们下期再见 [70:00] 我们也会放进本期节目对应的文字介绍中那我们就下期再见本期节目由声派提供录音场地由罗德提供录音支持