这很 Hype，因为它是 Step Change
Source: Dev.to
“有的十年里什么都不发生；而有的几周里却能让十年都变得活跃。” — 弗拉基米尔·列宁
AI – 哇！
我可以准确地回想起在近三十年的技术工作生涯中，只有两次我经历了工作流程的跨越式改变。虽然有许多变化我会归类为渐进式的改进，但只有这两次的幅度足以让我坐下来惊叹于改变前的生活与改变后的生活的差异。
1. 1999 – 第一次使用 Google 搜索
1999 年是我第一次进入 IT 行业的年份。这一年我们也收到了《黑客帝国》的第一部电影，Melissa 病毒用其宏嵌入 Word 模板的负载冲击了 IT 部门，全年有一半时间都在调校电脑时钟并进行 Y2K‑就绪测试。最重要的是，这一年我发现了 Google 搜索。
年轻人可能不太了解，Google 之前的互联网生活相当艰难：虽然搜索引擎选项不少，但典型的体验是：
- 在重复内容中翻找，
- 遇到死链接，
- “下一页，下一页，下一页”……
……直到终于找到有用的信息。
有了全新的 Google 搜索引擎，你只需 Find What You Want™。原本需要 15 分钟的搜索变成了 15 秒完成。感觉就像一次质的飞跃。
与此同时，技术也在不断前进：更快的硬件、更好的 IDE、托管基础设施、更完善的版本控制、更强大的包管理器、新的编程语言。许多有价值的改进层出不穷，但它们看起来更像是渐进式的，而不是突如其来的差异。（是的，类似 iPhone 的移动浪潮在文化上影响巨大，但对我这份工作的实际影响并不大。）
2. Early 2023 – Generative AI (ChatGPT)
随着全球疫情的冲击逐渐平息，一个全新的聊天服务正席卷科技界。我的 ChatGPT 首次测试是给它一个艰巨的任务：撰写一份信息隐私政策文件。我平时并不常写政策文件，所以当“机会”出现时，我既没有练习也没有太大热情。
我输入了几句话的提示，随后在几秒钟内看到数小时的工作成果在眼前展开。这种感觉简直是魔法般的。AI – 哇！ 它终于来了！随之而来的是我的第二次飞跃：你可以直接 Create What You Want™（随心所欲地创造）。
多年来我一直欣赏机器学习应用的渐进改进，但这一次的生成式 AI 是一次 巨大的跨越——它可以生成文档、代码、测试、图表、歌曲、视频……几乎无所不能。哇！
如果你问我的孩子或同事，他们可能会说我已经有点 deep‑ended（深度沉浸）在 AI 里了。那些独白是真的。如果 AI 是90年代的嘻哈组合，我大概会戴着一块大表盘的项链，名字叫 Flava Flav。
Yo Chuck, imma generate yo some AI.
我想知道我们的前辈是否也有类似的感受？想象一下，在手抄书籍的生活中第一次拥有印刷机——一天可以生产 3,000 页，而不是 30 页。多么巨大的飞跃！再想象一下，邮递员把马换成政府发放的新汽车——送信时既快又有范儿，会有多么 gangsta（酷炫）？
虽然有些职业（例如铁匠）变得过时，但许多职业只是 适应 了变化。那位抄写员兼印刷工可以接更多的工作；邮递员可以增加路线。对我而言，生成式 AI 更像是知识工作者任务的 force‑multiplier（力量倍增器）。我更倾向于把它归入“惊人杠杆”类别，而不是“即将淘汰”类别。
纵观历史，人类往往会转向更高层次、更有趣的任务，而不是因为技术接管而坐等发呆。
Source:
为什么生成式 AI 是乘数效应
快速大量生产内容是其惊艳之处。产出——从一开始就——从足够好到卓越不等。我的介入程度因此在 最小 到 “好吧，我反正也会花很多时间在上面” 之间。
第一次以新方式使用生成式 AI 时，你会感觉自己像个技术黑帮。以下是它已经为我带来乘数效应的几个领域：
| 区域 | AI 的帮助方式 |
|---|---|
| 文档摘要 | 大语言模型在这方面表现出色。对我的 Democrify 应用输入一个简单的 “summarise the bill before the NZ parliament” 提示，就能生成单页摘要，最大化 获取知识的时间比。 |
| 应用开发 | AI 编码代理让我能够创建或复活 Democrify 与 DefProd 等项目，若没有它们我根本维持不下去。由代码编写者转变为 指挥者 的转变是真实存在的。 |
| 代码测试 | 我的开源库 node‑net‑snmp 原本缺少测试，直到 AI 给了它一记强力助推。现在测试已经足够完善。 |
| 文档创建 | 文档与开发者的关系就像饮食与甜点。我现在用 AI 生成的 markdown 与设计填满我的仓库。先用 AI 代理实现功能，然后在对话结束时让它把新特性总结成文档以作永久记录。 |
| 架构讨论 / 辩论 | 我常因小众话题让同事疲惫，但 LLM 能直接跳进这些兔子洞并持续深挖，令人振奋！ |
| 写作工具 | 我长期编写小型 Bash 脚本或 Node.js 实用工具。AI 能轻松完成这些任务。参见我关于 MCP Client REPL 与 llmshot 的帖子。 |
| 语音制作 | 音频模型已经生成了我自己做不到的声乐片段——尤其是非裔美国风格。 |
结论
生成式 AI 不仅是一次增量升级；它是一次 跨越式 变革，使知识工作者能够 以思考的速度 创造。该技术放大了我们的能力，拓展了我们的视野，并让我们能够专注于更高层次的问题——正如印刷术在几个世纪前所做的那样。
AI – 哇！
牧师式的 “采样” 或低强度的咆哮（Phoenix Rise），以及合唱效果（The Day The Thunder Roared）——它们都比我做得更好。就是这样。
视频制作
我开始为上述歌曲制作音乐视频。好吧，得坦白——大约 6 个月前 我尝试过，这算是我最大的 AI 失败。并不是说它很糟，只是我花了大量时间在 角色连贯性、摄像指令 等方面，用了 4‑5 种不同工具，进展有限。虽然得到了一些非常酷的单独镜头，但无法拼接成足够连贯的作品。谁知道，六个月后，这一切可能已经改变了！
博客文章
哈！不——我不喜欢常见的 LLM 生成的文章风格，所以虽然用 AI 完整生成博客文章很诱人，但它既不是
- (a) 我想说的内容，亦或
- (b) 我想表达的方式。
我们仍然需要优秀的内容作者，为未来的 LLM 以及人类撰写佳作！（我会在后续文章中再谈此事。）
校对、引用创意、图像生成 ——我会在某些博客内容上打开 AI 大门！而且我爱用 em‑dash…
清单 / 计划
负责为一次长周末音乐节养家糊口，我把 MCP 服务器接入 Google Sheets，AI 代理生成了完整的 餐食计划 与 购物清单。说实话，没有我妻子来组织，这为全家省下了一个被迫禁食的周末——烹饪不是我的强项，但我们吃得像 17 世纪的国王！
然而 “strawberry” 里仍然有 2 个 r（GPT‑5.2——就在昨天！）
让我惊讶的是，LLM 能做出非凡的事，但有时却连基础都搞砸。
Two Good Questions to Ask Yourself
- “你的职业中哪些工作可以由 AI 做得好？”
- “你的职业中哪些部分仍然需要人的努力和投入？”
AI 目前（尚未）能做好的一块——这正是你的机会！
现在的机会非常大。虽然随着时间推移以及不同行业的差异，这种机会的性质会有所变化，但在未来多年里，仍会有大量将 AI 有效应用于你的专业的机会。能够快速将 AI 工具融入工作的人，将迅速获得优势。
感到不知所措？
我能理解所有被 AI 热潮淹没的人的感受。我见过类似的帖子：
- 有人给他的 AI‑agent 军队下了模糊指令，结果一天后回来看到了一个完整构建的应用。
- 另一个人如此投入，以至于在餐厅里掏出手机，让远程代理在他吃饭的间隙编写功能。
- （这条是我编的）某人使用 OpenClaw 实例编写交易机器人，赚了 $10 000，并预订了巴哈马之旅——全程在他睡觉时完成！
我发现自己很容易产生被落后的感觉。我通过进行小而定期的发现来应对这种情绪：测试、下载 AI 工具，甚至在 AI 帮助下编写它们！或者把这些分享出来！保持稳步前进是你真正能坚持的。我并没有让 100 个代理在我睡觉时写软件——至少现在还没有。
你的时刻
生成式 AI 是一次跨越式的变革，而此类技术时刻十分罕见——一生可能只有两三次。如果你正在阅读此文，这就是你的时刻。把它当作“机会”，大胆投入吧！
我们认为这只是一个简单的拼写错误。
如果你被信息洪流弄得不知所措，先从小处开始。示例：
- 安装一个 AI 编码代理（例如 Cursor、Open Code）。
- 使用本地模型运行 Ollama。
- 注册你选择的 AI API 密钥。
- 编写一个小型 MCP 服务器或一个简单的代理循环。
- 将 AI 融入可能受益的常规流程中。
好处是——你只需向大型语言模型询问如何实现上述任何操作，这样就不必独自进行漫长的挣扎（大多数情况下是这样！）。
关于担忧的说明
有许多关于我们正乘风破浪的生成式 AI 的担忧——我们都已经在讨论中看到并在社交媒体上刷到过，它们都是合理的：
- 劳动力过时
- 能源消耗
- AI 责任 / 安全
- 防止“天网”
这些都是重要的话题，我们将在以后的一天和另一篇文章中进一步探讨。
结束语
AI，哇！