serrakura

大模型时代,学新知识的迷茫问题

  •  
  •   serrakura · 9h 3m ago · 1137 views

    在大模型时代学习新的编程语言或开发框架时,有一个困惑的点:究竟“哪些部分仍然要痛苦地自主思考”,而“哪些细节可以放心让大模型外包”?不知道别的人目前在学习新技术时,是如何把握这个平衡点的。

    以学习 Next.js + ts 为例。在前大模型时代,学习路径一般是通读官方文档,或跟着类似《 Learn Python the Hard Way 》这类教材,按部就班地理解概念+细节,并实操大部分工具、代码操作。如今,部分记忆工作显然可以移交给大模型,因为人脑在记忆力上尝试与大模型竞争,是必然落败的。但另一方面,像 Vibe Coding 那样在毫无前置学习的情况下,完全依赖模型去实现功能,我认为也会有问题,因为这种知识背景下,开发者完全没有对生成结果细节的审查与纠偏能力,如果恰巧是在开发有高可靠要求的应用,很容易出锅。

    PS:学习的目的是为了自己日后方便通过开发手段实现一些想法,以及独立接外包项目,没有面试背概念的需求。

    13 replies    2026-06-28 17:22:14 +08:00
    yidinghe
        1
    yidinghe  
    PRO
       8h 50m ago via Android
    你的问题,按我的理解就是想知道,一个人是否需要培养自己在没有 AI 的情况下的自学能力。笼统的回答就是,自学能力是很宽泛的能力,有总比没有好吧。
    serrakura
        2
    serrakura  
    OP
       8h 44m ago via Android
    @yidinghe 并不是。问题是 ai 时代,自学东西的关注重心是否会上移(即更 high level ,让模型接管一定粒度的底层记忆),以及多往上移是恰好合适的
    QingXuJiaZhi
        3
    QingXuJiaZhi  
       8h 43m ago   ❤️ 6
    如果不是做到很高层次,那么多数编程工作其实不是科学研究,而是工程学。工程学的重点不是学习,而是练习。学会、学懂既不难,也不重要,重要的是熟练度,而想要提高熟练度就必须大量练习。

    因此,用上一切便利工具(包括 AI )去大量练习吧,练习的量上去了,一切问题都不是问题,反之练习的量太少,懂就是假的懂。
    iixy
        4
    iixy  
       8h 29m ago
    你这个问题为什么不问 ai 呢,我问到 chatgpt 的建议是别 vibe ,最好网页版一个个问,手动解决问题。哈哈。
    yidinghe
        5
    yidinghe  
    PRO
       8h 26m ago
    @serrakura 那就一两句话说不完了,这个 AI 答案还算不错:
    https://www.kimi.com/share/19f0c760-11e2-889f-8000-00006f22f4e7
    easonhui
        6
    easonhui  
       8h 9m ago
    一个古董的单片机程序员,我理解是不是应该自己掌握业务框架,然后把分割好的 API 让 AI 完成更保险
    GeruzoniAnsasu
        7
    GeruzoniAnsasu  
       7h 33m ago
    我都不理解为什么会困惑。你用全新的技术栈起一个项目就知道了,你总会有必须亲力亲为规定好代码结构、理解框架到底怎么用,有哪些 API 的时候的
    rocmax
        8
    rocmax  
       7h 0m ago via Android
    nextjs 开发讲究的地方挺多的,服务器组件和客户端组件拆分,数据获取用哪种模式,suspense boundary 怎么安排等等。如果在 plan 里将这些细节都写上倒是可以让 Claude 按要求实现,但只描述功能 vibe 的话写出来只能说能跑通,review 时可优化的地方不少。
    我现在完全放心让 cc 写的是 helm 和 terraform ,不仅一点错不出,还经常给我提供更好的建议。吭哧吭哧学半天 aws sap 不如问 ai 。
    kuhung
        9
    kuhung  
       6h 57m ago
    开干,然后总结踩坑,然后再系统阅读。这是我的学习新板块的方法,在前大模型时代也是。
    YYDC
        10
    YYDC  
       3h 52m ago
    我上 v 站就是为了看这种东西,而不是《我结婚了,新娘不是她》
    justdoit123
        11
    justdoit123  
       3h 48m ago
    @QingXuJiaZhi can't agree more
    Cu635
        12
    Cu635  
       3h 36m ago
    从问题描述来看,op 其实已经认识到问题所在了。至于“哪些部分仍然要痛苦地自主思考”和“哪些细节可以放心让大模型外包”是互相影响的。

    op 提问是在 2026 年 6 月底,那么在这个时间节点,如果侧重于大模型投入生产使用的角度,可以确定的这么说:

    问题 2“哪些细节可以放心让大模型外包”的回答是:none ,没有任何细节能够“放心”,大模型出来的代码仍然必须经过人工 review 才能投入生产环境。当然,人工 review 的强度,看生产环境是什么、代码 bug 带来的后果有多严重决定。

    从原理上也可以理解:一方面,大模型是通过输入训练数据拟合“训练”出来的,输入的训练数据并不一定是完全没有 bug 的,导致了结果也不能保证完全没 bug ,并且,确实很多领域有着大量的训练数据————受到自由软件运动和开源软件社区的影响,同时也有 CC 这种“开放知识”运动的功劳,这些给了大量的训练数据输入,但是也有更多的领域是封闭的、讲究技术保密的,没有相应的“自由”和“开放”运动,这些领域的训练数据很少,怎么保证训练结果是“好”的呢?当然我这里的表达可能比较笼统而且侧重于代码领域的表达,其它非代码也是一个意思;另一方面,大模型是概率模型,类似与“1+1=2”这种确定性的知识,作为训练数据输入之后,训练结果也不能得到 100%的“1+1=2”了,造成了大模型大量的幻觉。

    因此说,在 op 提问这个时间节点上,没有任何细节能够“放心”的交给大模型。

    而这就影响到了问题 1 的回答:理想的大模型,应该是人提出需求交给大模型实现。对业务、对需求的思考这个必须要由人来自主完成的,因为这个是技术与“人类世界”的接合部,AI 无法代劳,这个是省不了的。理想大模型的输出直接就能用并且的到反馈,反馈再修改业务需求,这么循环。

    但由于问题 2 的影响,对于输出结果的 review (包括但不限于代码领域)这一部分也需要自主思考,人工 review 不能省略。

    我自己之前在用 ChatGPT 的时候,让它生成过一份关于“安乐死合法化”的调查问卷,结果出来一看,它生成的从问题到选项设置,都是非常偏向“安乐死合法化是合理的”这个结论一头的,我们大作业小组几个人花费了很多时间进行 review 和纠偏。

    综上所述,大模型能够代劳的,其实是中间过程,两头不能省。

    如果说侧重于学习角度,那么问题就更要注意了:大模型的幻觉很严重,学习时候向大模型提问,必须让大模型给出它回复的依据,让它给出 reference ,之后人要点击去看。而且人对官方文档的阅读也不能省略,不能说大模型给什么就是什么。

    当然,侧重学习方面大模型能够发挥的作用也更大:在你对某个需要学习的领域没有思路、没有了解的情况下,通过“每次回答都让它给出 reference”的方式,能够知道该去看哪些书籍、哪些技术文档,开头这最困难的一步能够让大模型帮助完成。



    @YYDC #10
    没错,也更不是封建遗少,在双方没有过错的时候也要故意挑拨男女矛盾。
    wetalk
        13
    wetalk  
       3h 26m ago
    二三十年前,老司机需要熟练掌握车子的基本维修常识,并且具备常见问题的解决能力,才敢正常上路出远门;
    现在一通电话直接呼叫救援,驾驶员的核心能力其实是慢慢弱化的
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Solana   ·   2862 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 56ms · UTC 12:48 · PVG 20:48 · LAX 05:48 · JFK 08:48
    ♥ Do have faith in what you're doing.