即刻App年轻人的同好社区
下载
置顶赫胥黎 1928 年写《进步》时讨论过很接近的问题：煤炭、钢铁、铁路这些可以成百上千倍增长，证明的是工业能力和知识可以积累，却不意味着人本身也因此变得更好。
他引用本·琼森的一句话：「人并不是像树那样，长得越大就越好。」后面又写道：「在宗教与艺术中，真正起决定作用的是个体的精神禀赋，而非后天习得的知识。」
这篇文章最早是 2021 年在 Hacker News 上分享的，原链接失效了，我存了一份双语版：simp.ly
他引用本·琼森的一句话：「人并不是像树那样，长得越大就越好。」后面又写道：「在宗教与艺术中，真正起决定作用的是个体的精神禀赋，而非后天习得的知识。」
这篇文章最早是 2021 年在 Hacker News 上分享的，原链接失效了，我存了一份双语版：simp.ly
zxch3n: 现在看到“效率”有点 ptsd。 看到这个词第一反应是数值化，无聊，枯燥，苦劳，加班，工具。 想起多年前看到的一个人人工智能讨论的 ted 演讲“最终所有需要效率的事情都不需要人类完成” AGI 之后人类能为人类创造的价值可能都不在生产效率上，不在物理世界里，而在人和人之间才存在的现实里，比如艺术，情感，文化，道德，政治，信仰等等。
9 13
给自己鼠标换过微动的朋友请举手！
傅丰元: 小手、静音。罗技的 mx anywhere 3s 完美了。
0 20
可以让嘉宾或者会员免费邀请你～也可以考虑办一个最低 99 元的季会员。 //@milanow: 这次灵买是可以单独付费么
四楼: 明天晚上即将在灵买，做一些阶段性的复盘分享（正在飞速滑铲slides当中）。 今年以来的一大心得，是摸索到了属于自己的运营思路，对于小微创作者来说，传统运营方法、大厂的路径依赖所带来的管理成本，可能比它解决的问题还要大。 AI的出现让这个本末倒置的问题，有了更好的解决思路。我从来也不用AI替我创作，而是用AI搭建和创造更少摩擦的系统，从而实现「运营 for 更好的创作」：理解作品、维护关系、配置资源，让独立创作长期成立、无痛坚持。 相比于总是纠结AI介入制作的深度，不如让它立刻上岗。这大概是主要的分享内容，欢迎大家来玩。
2 00
想起一个：Patrick Collison（Stripe 联创） 和 Tyler Cowen（经济学家） 发起的 New Aesthetics Grants，每个项目发 5000 到 25 万刀。
newaesthetics.art
「试图寻找属于 21 世纪的新审美语言，那些可能像包豪斯一样，跨越建筑、设计、软件、硬件与艺术，逐渐塑造一个时代视觉与物质文化的人和项目。」
newaesthetics.art
「试图寻找属于 21 世纪的新审美语言，那些可能像包豪斯一样，跨越建筑、设计、软件、硬件与艺术，逐渐塑造一个时代视觉与物质文化的人和项目。」
瓦恁: 以前世界各地有能力的人以捐建图书馆、博物馆和学校为荣并回报社会 信息化后的属于这个时代的博物馆是什么？有社会影响力和财富的人应该做些什么？
5 12
是的呢，AI 来回评估重写了五六次。最后我自己改了标题删了一大段。 //@固定乐思: 我怀疑你这条也是ai写的😂
傅丰元: 跟 AI Coding 的同事学写作 最近因为工作关系，和做 Developer Experience 的工程师打交道很频繁，也顺便从他们身上偷学了一些 AI Coding 的习惯。 其中两个很简单： 1. 一个任务一个窗口一个 context； 2. 生成完以后，再单独做一次 eval。简单说就是不让 AI 继续写，而是按照一组标准（可以就是指导写作的提示词）重新检查和评价刚刚生成的结果。 我现在写下一篇时，也会重新开一个窗口，少带一点上一篇刚刚形成的结构和惯性。 真正让我想了很久的，是第二件事。 写完东西以后，我有时会另外开一个干净窗口，把原来的要求和成稿一起扔进去，不让它继续写，只让它评分、挑问题。 在工程师的工作里，这件事好像再自然不过：代码生成了，不等于事情结束了。后面还有 test，还有 eval，要按照一组标准再检查一次。 写作里，我们通常还是 AI 写完，人读一遍，觉得：「嗯，这里好像不太对。」然后开始自己改。 我们有编辑，但很少有 eval。 ## 手感 问题也马上来了。 代码能不能运行、测试过不过，相对容易判断。可一篇东西到底写得好不好，标准没有这么显眼。 于是写作者很容易把很多判断归到一个词里：手感。 「这个开头不对。」 「这一段太绕。」 「这句话虽然没错，但就是不该这么说。」 以前我也会觉得，这些东西大概来自长期经验和审美，很难真正解释。但真的开始做 eval 以后，会被迫多问一句：到底哪里不对？ 是太长，还是绕？是判断太强，还是前面的证据不够？是没有增加新信息，还是虽然没有新信息，却承担了节奏？ 一旦开始这样问，原来一整团被叫作「手感」的东西，就慢慢出现了颗粒。 所以我现在反而觉得，如果真的想看看 AI 能参与写作到什么程度，可能得先做一件有点冒险的事： 先试着把判断交出去。 我们讨论 AI 和写作时，经常先想划一道边界：这些事情机器可以做，这些事情一定属于人。 现在我有点怀疑，这条边界是不是很难靠想象划出来。 它可能是一次次外包之后剩下来的。 真正有意思的问题反而是： 那些还是觉得「不对」，却怎么都写不进评估标准的东西，到底是什么？ 这让我想到恒温器。 恒温器其实非常笨。温度可以感知，也可以量化，所以它只要判断现在高于还是低于设定值，就可以机械地控制制冷和加热。 但如果今天你感冒了，平常舒服的 22 度突然变得太冷，恒温器其实没有判断错。 它只是不知道系统外发生了变化。 这件事突然让我重新理解了所谓的「手感」。 AI 可以看到眼前这篇文章，却未必知道你过去几年一直在观察什么。它也不知道为什么一件事半年前还值得写，今天已经变得无聊；不知道你最近认识了谁、经历了什么，以至于原本正确的一句话，现在听起来突然不对了。 我现在越来越怀疑，所谓手感里真正难交出去的部分，未必是什么神秘的审美能力。 它可能只是那些还没有进入系统的 context——那些系统此刻还看不见的东西。
1 00
跟 AI Coding 的同事学写作
最近因为工作关系，和做 Developer Experience 的工程师打交道很频繁，也顺便从他们身上偷学了一些 AI Coding 的习惯。
其中两个很简单：
1. 一个任务一个窗口一个 context；
2. 生成完以后，再单独做一次 eval。简单说就是不让 AI 继续写，而是按照一组标准（可以就是指导写作的提示词）重新检查和评价刚刚生成的结果。
我现在写下一篇时，也会重新开一个窗口，少带一点上一篇刚刚形成的结构和惯性。
真正让我想了很久的，是第二件事。
写完东西以后，我有时会另外开一个干净窗口，把原来的要求和成稿一起扔进去，不让它继续写，只让它评分、挑问题。
在工程师的工作里，这件事好像再自然不过：代码生成了，不等于事情结束了。后面还有 test，还有 eval，要按照一组标准再检查一次。
写作里，我们通常还是 AI 写完，人读一遍，觉得：「嗯，这里好像不太对。」然后开始自己改。
我们有编辑，但很少有 eval。
## 手感
问题也马上来了。
代码能不能运行、测试过不过，相对容易判断。可一篇东西到底写得好不好，标准没有这么显眼。
于是写作者很容易把很多判断归到一个词里：手感。
「这个开头不对。」
「这一段太绕。」
「这句话虽然没错，但就是不该这么说。」
以前我也会觉得，这些东西大概来自长期经验和审美，很难真正解释。但真的开始做 eval 以后，会被迫多问一句：到底哪里不对？
是太长，还是绕？是判断太强，还是前面的证据不够？是没有增加新信息，还是虽然没有新信息，却承担了节奏？
一旦开始这样问，原来一整团被叫作「手感」的东西，就慢慢出现了颗粒。
所以我现在反而觉得，如果真的想看看 AI 能参与写作到什么程度，可能得先做一件有点冒险的事：
先试着把判断交出去。
我们讨论 AI 和写作时，经常先想划一道边界：这些事情机器可以做，这些事情一定属于人。
现在我有点怀疑，这条边界是不是很难靠想象划出来。
它可能是一次次外包之后剩下来的。
真正有意思的问题反而是：
那些还是觉得「不对」，却怎么都写不进评估标准的东西，到底是什么？
这让我想到恒温器。
恒温器其实非常笨。温度可以感知，也可以量化，所以它只要判断现在高于还是低于设定值，就可以机械地控制制冷和加热。
但如果今天你感冒了，平常舒服的 22 度突然变得太冷，恒温器其实没有判断错。
它只是不知道系统外发生了变化。
这件事突然让我重新理解了所谓的「手感」。
AI 可以看到眼前这篇文章，却未必知道你过去几年一直在观察什么。它也不知道为什么一件事半年前还值得写，今天已经变得无聊；不知道你最近认识了谁、经历了什么，以至于原本正确的一句话，现在听起来突然不对了。
我现在越来越怀疑，所谓手感里真正难交出去的部分，未必是什么神秘的审美能力。
它可能只是那些还没有进入系统的 context——那些系统此刻还看不见的东西。
最近因为工作关系，和做 Developer Experience 的工程师打交道很频繁，也顺便从他们身上偷学了一些 AI Coding 的习惯。
其中两个很简单：
1. 一个任务一个窗口一个 context；
2. 生成完以后，再单独做一次 eval。简单说就是不让 AI 继续写，而是按照一组标准（可以就是指导写作的提示词）重新检查和评价刚刚生成的结果。
我现在写下一篇时，也会重新开一个窗口，少带一点上一篇刚刚形成的结构和惯性。
真正让我想了很久的，是第二件事。
写完东西以后，我有时会另外开一个干净窗口，把原来的要求和成稿一起扔进去，不让它继续写，只让它评分、挑问题。
在工程师的工作里，这件事好像再自然不过：代码生成了，不等于事情结束了。后面还有 test，还有 eval，要按照一组标准再检查一次。
写作里，我们通常还是 AI 写完，人读一遍，觉得：「嗯，这里好像不太对。」然后开始自己改。
我们有编辑，但很少有 eval。
## 手感
问题也马上来了。
代码能不能运行、测试过不过，相对容易判断。可一篇东西到底写得好不好，标准没有这么显眼。
于是写作者很容易把很多判断归到一个词里：手感。
「这个开头不对。」
「这一段太绕。」
「这句话虽然没错，但就是不该这么说。」
以前我也会觉得，这些东西大概来自长期经验和审美，很难真正解释。但真的开始做 eval 以后，会被迫多问一句：到底哪里不对？
是太长，还是绕？是判断太强，还是前面的证据不够？是没有增加新信息，还是虽然没有新信息，却承担了节奏？
一旦开始这样问，原来一整团被叫作「手感」的东西，就慢慢出现了颗粒。
所以我现在反而觉得，如果真的想看看 AI 能参与写作到什么程度，可能得先做一件有点冒险的事：
先试着把判断交出去。
我们讨论 AI 和写作时，经常先想划一道边界：这些事情机器可以做，这些事情一定属于人。
现在我有点怀疑，这条边界是不是很难靠想象划出来。
它可能是一次次外包之后剩下来的。
真正有意思的问题反而是：
那些还是觉得「不对」，却怎么都写不进评估标准的东西，到底是什么？
这让我想到恒温器。
恒温器其实非常笨。温度可以感知，也可以量化，所以它只要判断现在高于还是低于设定值，就可以机械地控制制冷和加热。
但如果今天你感冒了，平常舒服的 22 度突然变得太冷，恒温器其实没有判断错。
它只是不知道系统外发生了变化。
这件事突然让我重新理解了所谓的「手感」。
AI 可以看到眼前这篇文章，却未必知道你过去几年一直在观察什么。它也不知道为什么一件事半年前还值得写，今天已经变得无聊；不知道你最近认识了谁、经历了什么，以至于原本正确的一句话，现在听起来突然不对了。
我现在越来越怀疑，所谓手感里真正难交出去的部分，未必是什么神秘的审美能力。
它可能只是那些还没有进入系统的 context——那些系统此刻还看不见的东西。
18 35