AI | Liu的博客

从ACM笔记到AI协作者：一个程序员的十年工作流变迁一、引言：那个在图书馆抄笔记的下午前几天整理GitHub仓库，我无意中点开了那个叫ACM-Notes的repo。看着里面密密麻麻的Markdown文件——从《算法导论》的读书笔记，到ACM竞赛的题解，再到后来工作用的技术积累——我突然愣住了。那是2017年的夏天，我坐在学校图书馆的角落里，笔记本上抄满了红黑树的旋转操作。旁边摊着从CSDN打印出来的博客，上面还贴着手写的便利贴。为了搞懂一道动态规划的变种题，我在知乎、GitHub、各大OJ之间来回切换浏览器标签，从下午两点折腾到晚上十点。那时候，写一篇像样的技术博客，真的是个体力活。二、碎片时代的困境：我们在信息海洋里溺水现在想想，那种"到处查资料"的过程，本质上是在对抗知识的碎片化。互联网把知识的门槛降到了最低，任何人都可以发声。这当然是好事，但它也带来了一个副作用：真正有价值的信息，被淹没在了噪音的海洋里。我记得最清楚的是准备ACM省赛那会儿。为了掌握图论那一块，我需要学最短路、最小生成树、网络流、二分图匹配……每个算法我都能找到十几篇教程，但问题是：有些教程只讲原理不给代码有些给了代码但不讲复杂度有些复杂度分析错了有些用的数据结构太老，现在根本没人用我不得不打开七八个网页，交叉对比，自己拼凑出一个"相对正确"的版本。然后还要自己写代码验证，发现某个边界情况没考虑到，再回去查…… 那个过程，就像是站在一个巨大的图书馆里，书都摆在那里，但你不知道哪几本应该放在一起读。更糟糕的是，有些书里的内容是错的，但你一开始并不知道。三、创作的孤独时刻：面对空白文档的焦虑除了技术学习，写作本身也是一场孤独的战斗。我以前写博客，经常要面对那种空白页面的恐惧感。脑子里明明有一些模糊的想法，但就是不知道如何把它们变成流畅的文字。越是焦虑，越是写不出来；越是写不出来，越是焦虑。印象最深的是2019年，我想写一篇关于深度学习入门的博客。那个选题本身并不复杂，但我就是写不出来。我坐在电脑前，从晚上八点折腾到凌晨一点，文档里只有断断续续的几百字，而且自己读起来都觉得别扭。那种挫败感很难形容。不是简单的"写不出来"，而是一种更深层的自我怀疑——我是不是根本就不适合写东西？为什么别人能写出那么流畅的文章，我就不行？后来我读了一些作家的访谈，发现原来每个人都经历过这种"灵感枯竭"的困境。村上春树说他写小说时，有时候一整天只能写出一页，而且那一页还经常要删掉重写。JK罗琳说她写《哈利波特》时，经常坐在咖啡馆里盯着空白文档发呆，几个小时写不出一个字。原来，创作的孤独是普遍存在的。区别只是，有些人学会了与这种孤独相处，有些人找到了突破的方法。四、AI带来的协作新范式：从搜索到对话我第一次真正意识到AI可能改变我的工作方式，是在2023年初。那时候ChatGPT刚刚发布不久，我抱着试试看的心态注册了一个账号。起初只是让它帮忙翻译几段英文文档，或者润色一下邮件。但渐渐地，我发现它能做的事情远不止这些。有一次，我遇到一个算法问题，是一个图论相关的变种题目。按照以前的习惯，我会先去Google搜题解，然后去LeetCode看讨论区，再去GitHub找类似的实现，整个过程可能要花两三个小时。但那次，我试着把题目描述直接发给了AI，问它"这道题可以用什么思路解决"。让我惊讶的是，它不仅给出了清晰的解题思路，还主动询问我是想了解具体的代码实现，还是想先理解算法的原理。当我说"我想理解原理"时，它用非常通俗的语言解释了相关的图论概念，甚至还举了几个生活中的例子帮助我理解。整个过程大概就花了二十分钟，而且我得到的不是一个死记硬背的答案，而是真正理解了背后的逻辑。那一刻，我突然意识到：我获取知识的方式，可能正在发生根本性的改变。以前，我面对的是一个由无数网页、文档、代码片段组成的静态信息网络，我需要自己去筛选、判断、整合。而现在，我面对的是一个可以与我对话、理解我的上下文、根据我的需求动态调整输出的智能体。这种转变，就像是从在图书馆里独自翻阅书籍，变成了有一个知识渊博的朋友随时与我讨论问题。前者当然有其价值，但后者的体验和效率，显然是更高维度的。后来，我开始更多地尝试用这种方式来学习和工作。遇到不懂的技术概念，我不再先去搜博客或看文档，而是直接问AI，让它用通俗易懂的方式解释。需要写一个工具脚本，我不再去GitHub上找类似的代码然后改一改，而是直接描述需求，让AI帮我生成一个基础版本，然后我再根据需要进行调整。这种改变带来的不仅仅是效率的提升。更重要的是，它让我从"信息的搜集者"变成了"知识的对话者"。五、个人工作流的重构：效率与质量的双重提升基于这些改变，我的工作流已经彻底重构。以前的工作流：有了一个想法或需求花大量时间搜索资料试图从碎片中拼凑出完整图景独自面对创作任务，承受心理压力最终产出可能不够理想现在的工作流：有了一个想法或需求与AI对话，快速澄清和细化需求让AI帮助设计系统化的解决方案与AI协作完成创作，不断迭代优化 AI辅助检查和完善最终产出这个新的工作流不仅效率更高，更重要的是质量也有了显著提升。因为我可以：更系统地思考问题获取更丰富和准确的信息在创作过程中得到即时的反馈和建议不断优化和迭代直到满意更重要的是，这个过程变得轻松和愉快了。以前面对复杂任务时的那种焦虑感和孤独感大大减轻了，因为我知道，我始终有一个可以对话的伙伴。六、未来展望：家中的智能协作者写到这里，我不禁开始想象未来的场景。现在的AI助手主要还存在于数字世界——我们在屏幕上与它们对话，它们帮助我们处理信息、创作内容、解决问题。但这显然不是终点。想象一下，当你回到家中，有一个智能机器人可以通过自然语言与你交流，理解你的需求，并执行复杂的自动化任务。这听起来像是科幻电影的场景，但实际上，实现这一目标所需的技术正在快速成熟。关键在于"Skill"这个概念。就像我在电脑上编写Skill来扩展AI的能力一样，未来的家用机器人也将通过Skill来学习如何执行各种任务。不同的是，这些Skill将不仅仅处理数字信息，还将涉及与物理世界的交互。想象一下这样的场景：你对家中的智能机器人说：“我今晚想做一道意大利面，要简单快速的，你帮我准备一下。” 机器人通过内置的"烹饪助手"Skill执行以下工作流：首先，它快速搜索适合初学者的意大利面食谱，同时检查你厨房中现有的食材库存。然后，它生成一个购物清单，列出你还需要购买的食材，并按照超市的区域进行分类，方便你快速找到。接下来，它将烹饪步骤按照时间线重新组织，最大化效率。比如，它会告诉你"在煮水的同时可以切洋葱"，“酱料煮的时候可以去煮面条”。当你开始烹饪时，机器人通过语音实时指导每一步，回答你的问题。如果你问"这个酱汁要煮多久？"，它会立即给出准确的回答。整个过程中，你不需要去搜索食谱、计算时间、记忆步骤，只需要与机器人自然对话，告诉它你的需求，它就会帮你处理所有的细节。这不仅仅是简单的自动化，而是真正意义上的智能协作——机器人理解你的意图，根据具体情境做出判断，并执行复杂的任务序列。而这样的场景，不只是烹饪。想象一下，当你需要准备一个重要的工作汇报时，机器人可以帮助你收集数据、分析趋势、制作图表，甚至根据你的演讲风格为你撰写讲稿。 ...