即刻App年轻人的同好社区
下载
App内打开
人生现役
102关注9被关注0夸夸
日语很溜的全栈工程师
ENFJ
人生现役
6月前
最近我有个新感悟:把语言当作一种工具来看待,学起来会更轻松自如。熟练掌握后,还能在不同场合灵活切换,选择更贴切的表达方式。

拿日语来说,它和中文、英语有个显著区别:主谓关系不像中英文那么直白,而是靠动词的变化来体现。这种动词变化不仅传递主谓信息,还能表达语气和态度,比如表示尊敬时,主要通过动词的形态来实现。这种语言特点挺有意思的。

比如,中文里说“请坐”,用“请”加上“坐”就能透出礼貌。而在日语中,会说“お座りください”或“お掛けください”,“お”是尊敬前缀,“ください”是礼貌请求,整个表达通过动词变化展现对对方的尊重。同样的,中文里“我去做某事”很直接,比如“我去拿资料”。但在日语中,如果想表达得礼貌些,会说“資料を取ってまいります”,其中“まいります”是“行く”(去)的谦逊说法,全靠动词变化来传递说话者的态度。

所以,在生活和工作中,如果能熟练运用多种语言,巧妙使用语言这把工具,不仅能更精准地表达想法,还能灵活传递尊重或其他情感,让沟通更顺畅高效。
00
人生现役
6月前
在进行大量输出练习的时候,onboarding阶段应该非常大量的输入
最近学英语感觉输入不够
00
人生现役
6月前
这条动态没有价值
你浪费了0.1s
01
人生现役
6月前
当有一个想法,在脑海中特别特别强的时候,一定要尽量让自己冷静下来

因为这时候,就会产生各种幻想,开始幻想如果顺利进展的话会怎样怎样,无意中就把对结果的期待值拉高了

但是实际的结果,不由我来决定,决定一件事的成功与否有太多因素

让心灵能平静的方式,是把期待值降低
这样的话,即使最后的结果再差,落差不会太大
00
人生现役
7月前
少思考,多玩耍
00
人生现役
7月前
写的真好

超级峰: 我想大部分创造者可能对 AI 编程,即所谓的 Vibe Coding (氛围编程)有一些误解。 注:Vibe Coding 指在完全不看代码的情况下,通过自然语言指导 AI 自动编程并进行产品构建的一种新的编程方式 目前业界主要有两种赛道方向,第一种是以辅助编程帮助创造者提效的生产力工具(如 Cursor、Windsuf、Trae、Bolt、Lovable ),第二种是以替代工程师实现自主编程的自主型 AI 工程师(如 Devin 等) 前者是效率工具,后者是“代替人”,而 Vibe Coding 则介于两者之间。因为,自然语言代替了代码语言,但是没有代替思考,所以并没有涉及像人一样,你交代一个模糊的需求,它会自主拆解思考研究并实现。 所以,这就需要你给出更多的思考、目标、检查标准等来帮助 AI 更好地完成你脑海中的构想。如果说在自主型 AI 工程师领域,你是老板,那么在 Vibe Coding 领域,你就是一个团队负责人,你有一个编程能力很强的工程师,但是它业务不是很熟悉,你需要比较懂业务,并告诉它要完成什么,并验收结果。 所以,现在我更愿意将「氛围编程」称为「监督编程」 ,我们并不是不看代码,而是通过界面、业务文档、中文日志,监督 AI 完成产品的构建。 我们的目的是为了借助 AI 编程这个黑盒实现产品构建,但是我们不懂编程。这没有关系,因为自然语言能代替我们实现原先的编程语言。但我我们还需要带着思考与思路。 Vibe Coding 对于复杂项目更会体现出来对思考的要求,AI 编程不能代替人类思考,但是能成为你优秀的马仔(执行者)。 如果按照这个思路,也就意味着我们需要构建如何监督 AI 的体系,包括不限于指令的清晰度、监督的方法、开发验收的标准等。 希望我的一点新的思考有帮助到各位创造者。

00
人生现役
7月前

Kenny_肯尼: 写prompt是不是重要的能力?这是个持续两年多的争议话题,哪怕今天也没有真正形成共识。 最开始,大家认为prompt是开启大模型神秘力量的咒语,Midjourney、ChatGPT都有不少专门的prompt收集网站,一个好的回答,一张酷炫的图,评论区都是“求prompt”,以及很多AI产品背后也是prompt engineering(PE),甚至prompt engineer会成为一个新兴职业。 后面出现一个新声音,随着模型越来越强,能更好理解用户意图,prompt engineering已死。而且我在美国做创作者调研时,普遍也反馈现在他们发现prompt越来越像人话,不像早期的prompt非常复杂且带着各种参数,都看不懂。 那实际呢? 我认为普通用户不需要学prompt,就自然表达需求即可,很多复杂的prompt都是多此一举,就像网上一些修图教程把后期操作弄得贼复杂,实际是忽悠小白的。 但作为AI从业人员,是依然需要掌握PE能力的,这里的PE不是照猫画虎写很复杂的看起来很牛逼很专业的大段文字,而是一方面深入理解业务场景,抽象提炼出要求和标准,另一方面理解模型的能力和特性,把模型当作一个人,聪明但自闭症,你来帮助它在你们业务landing,从而发挥它的才智。 PE没有固定技巧,尤其没有固定套路或格式,因为模型一直在进步,你的某些既定套路,甚至你的先验知识,反倒限制了模型的发挥,就是需要不断调,不断测,不断看 推荐看一部美剧《良医》,里面的自闭症天才医生墨菲,在同事们的信任和帮助下,逐渐成为患者信赖的医生,这里有很多磨合、了解的过程,但最重要的就是感受模型,理解业务,其他的技巧都是表面的。 就像谈恋爱,没谈之前,会纠结女生能不能主动约男生,谁来表白,要不要送对方去飞机场,然后到处问老司机这些傻白甜的技巧性问题。 不要想那么多,先去谈,谈了就知道这些都是表面小问题。更难的也更重要的是,是否三观契合,是否真诚,是否真的喜欢,是否性格匹配,是否妈宝,而后者只能自己亲历才知道。

00
人生现役
7月前
AI是真提高效率
不过期望值尽量压低,就不会失望

刘勿锋: 上周跟研发同学一起吃饭时,看到一个很有意思的现象:搞AI研发的,因为离业务太远,开始对AI的实际落地效果和需求产生了怀疑。 他们跟我说:现在AI圈的新闻,让人眼前一亮的东西越来越少了,也没有什么killer app跑出来;自己用ai coding也感觉一般般,写的代码还是得自己一行行review,提升不了多少效率。 听上去,有一点革命理想被动摇了的意思。 很明显,这就是典型的只通过媒体和自己主观体验,去判断行业发展趋势,而不是实实在在地和客户泡在一起。当然了,研发本来也不需要见客户,所以这个思想工作只能产品来做了。 评论家或是媒体,往往更喜欢宏观的故事和概念,这样才有流量。但真实的需求散落在用户每一次使用AI的尝试里,他们是真的有需求,愿意付费,只要能拿出解决问题的产品。 而评论家是不会去做深入广泛的需求调研的,他们只会站在岸上,凭自己主观体验和想象,去判断行业趋势。而这,一定是失真的。 所谓春江水暖鸭先知,如果这个人都不在水里,怎么能知道水的温度呢? 走出去,多和用户聊天,自然就能听到他们的痛苦和需求,也会对产品更有信心。 比如有用户跟我说,他们以前处理数据,每天都要花差不多半天才能弄好,而现在在AI工具的帮助下,半个小时就够了,节省了8倍时间。 没有哪个人不想偷懒,这就是AI和自动化的价值。 回到最后,这波AI是泡沫吗? 我想,大概率不是的。只要不想着做一步登天的全自动AI,只要还有人因为AI真实地提升了效率,就不会是泡沫。

00
人生现役
7月前
いい事言うね

盛牧磊:

00