土豆姐https://x.com/poteto 最近很火,分享一些我对于土豆姐言论的思考
-
先简单介绍一下土豆姐,https://x.com/poteto
https://www.youtube.com/watch?v=O_zcc6Xl12g&feature=youtu.be
前cursor的核心开发者,目前在grok。土豆姐的爆火不言而喻,一定有grok、x、马斯克的商业策划营销在其中(包括土豆姐本人的形象在2023年后也有本质的蜕变,详见:https://x.com/kylewmi/status/2121945182082040132 )。但土豆姐本身分享的知识还是很值得玩味的。核心一句话就是,AI时代,我们应该尽可能的通过可量化、自动化手段来审核AI产出。(从而烧更多的token,让马斯克赚更多钱)
1、不要用正常的人类验收思路。
土豆姐讲了一个实例,她通过定制一个编译器,来审核AI生成的react代码是否符合她的设计规范。不符合是不能编译(严格说是转译)通过的。这个思路就非常的值得借鉴。既,生产力无限的前提下,是不是有逻辑链条更短,更简单粗暴的路径来验证产出呢?
2、在AI生产的过程中,我们应该用管理学的视角来解决问题。
把AI看成是手下的员工,想象一下公司是如何管理职员的权限,以至于员工不会捅出无法弥补的篓子的。是不是应该根据当前项目的需求,因地制宜的禁用Agent的一些tool,以及bash、目录的访问权。是不是尽量的把能够用到的信息都集中到统一的目录中,从而束缚AI的自由发挥?
3、AI生成的工作流、代码,人尽量不要临时插手打局部补丁
她的例子是,如果你发现了一个小问题,有时候我们会因为偷懒(懒得和AI陈述全貌)而直接上手做一些临时性修改。看似性价比很高,实则其实是污染了整个工作流的设计思路。后续再进行AI生产与修改时,AI就会去模仿你的这种短视、劣质的行为,从而带偏整个项目。
4、尽量少人工写解释型文字(注释),能不写就不写。
对于AI而言,代码与数据就是最好的”注释“,人为注释有几个问题:
1、时效性。你很难保证文字叙述和代码、数据是同步更新的。如果二者之间出现矛盾,对于LLM来讲很难处理。Agent发现矛盾往往会去搜寻更多的上下文试图寻找哪个信息是错的。这样就导致了更多的噪声以及更大出错的概率。
2、束缚逻辑通路。这个土豆姐没举例,我个人发散思考就像是:想象一个场景,你要到达的目的地就在墙的对面。你自己的能力不足以翻过墙,但AI这个巨人可以。原本AI可以直接把你扔到墙对面的,但你非要在墙上贴一个“此路不通”。大概是这种感觉。
-
我的玩法是,首先用gpt策划一些开头,我自己亲测观察真正的出品,大约有达到合适我的方向,就叫gpt总结handoff ,我带去其他agent继续,然后不管他了。。。
-
我的玩法是,首先用gpt策划一些开头,我自己亲测观察真正的出品,大约有达到合适我的方向,就叫gpt总结handoff ,我带去其他agent继续,然后不管他了。。。
-
先简单介绍一下土豆姐,https://x.com/poteto
https://www.youtube.com/watch?v=O_zcc6Xl12g&feature=youtu.be
前cursor的核心开发者,目前在grok。土豆姐的爆火不言而喻,一定有grok、x、马斯克的商业策划营销在其中(包括土豆姐本人的形象在2023年后也有本质的蜕变,详见:https://x.com/kylewmi/status/2121945182082040132 )。但土豆姐本身分享的知识还是很值得玩味的。核心一句话就是,AI时代,我们应该尽可能的通过可量化、自动化手段来审核AI产出。(从而烧更多的token,让马斯克赚更多钱)
1、不要用正常的人类验收思路。
土豆姐讲了一个实例,她通过定制一个编译器,来审核AI生成的react代码是否符合她的设计规范。不符合是不能编译(严格说是转译)通过的。这个思路就非常的值得借鉴。既,生产力无限的前提下,是不是有逻辑链条更短,更简单粗暴的路径来验证产出呢?
2、在AI生产的过程中,我们应该用管理学的视角来解决问题。
把AI看成是手下的员工,想象一下公司是如何管理职员的权限,以至于员工不会捅出无法弥补的篓子的。是不是应该根据当前项目的需求,因地制宜的禁用Agent的一些tool,以及bash、目录的访问权。是不是尽量的把能够用到的信息都集中到统一的目录中,从而束缚AI的自由发挥?
3、AI生成的工作流、代码,人尽量不要临时插手打局部补丁
她的例子是,如果你发现了一个小问题,有时候我们会因为偷懒(懒得和AI陈述全貌)而直接上手做一些临时性修改。看似性价比很高,实则其实是污染了整个工作流的设计思路。后续再进行AI生产与修改时,AI就会去模仿你的这种短视、劣质的行为,从而带偏整个项目。
4、尽量少人工写解释型文字(注释),能不写就不写。
对于AI而言,代码与数据就是最好的”注释“,人为注释有几个问题:
1、时效性。你很难保证文字叙述和代码、数据是同步更新的。如果二者之间出现矛盾,对于LLM来讲很难处理。Agent发现矛盾往往会去搜寻更多的上下文试图寻找哪个信息是错的。这样就导致了更多的噪声以及更大出错的概率。
2、束缚逻辑通路。这个土豆姐没举例,我个人发散思考就像是:想象一个场景,你要到达的目的地就在墙的对面。你自己的能力不足以翻过墙,但AI这个巨人可以。原本AI可以直接把你扔到墙对面的,但你非要在墙上贴一个“此路不通”。大概是这种感觉。
-
-
首先,普通编程人员的作品是比不过AI的。这个言论才成立。
就目前的情况看已经初步成立了。
唯有感叹人类的存在感在进一步降低。 -
首先,普通编程人员的作品是比不过AI的。这个言论才成立。
就目前的情况看已经初步成立了。
唯有感叹人类的存在感在进一步降低。 -
AI也因为本身生产力水平决定,它是一个必然性的产物。
就当前需求分析。
这是一个必然的进程。
人类也几乎快到完全放手的时代了。
完全放手即是 AGI时代。 -
AI也因为本身生产力水平决定,它是一个必然性的产物。
就当前需求分析。
这是一个必然的进程。
人类也几乎快到完全放手的时代了。
完全放手即是 AGI时代。 -
@kos-or 营销角度讲,感觉就是这样的思路,利用美女+程序员+励志,然后推广激进的AI工作流。
但是确实我在其中也受到一些点播,感觉找到了一些思路盲区,确实应该思考目前的工作逻辑是不是要去匹配无限廉价生产力。
很多过去根本不敢想象的思维惯性,如今其实几乎0成本。 -