2026年8月4日，关于C++和游戏开发他们给了我一个Claude订阅，让我去尽量多用，所以我试着给它一个公平的机会。如今，避免大型语言模型（LLM）越来越困难。即使你避免社交媒体（或者至少整理一个避免大部分垃圾信息的关注列表），并对最终在新闻中被字面理解的宏大营销声明耸耸肩，它很可能会在你工作时找到你。与过去的银弹（如微服务或NoSQL）不同，AI的采用似乎在许多地方是从最高层管理层强制要求的，无论他们中有多少人曾经工作（或学习过）工程工作。我承认，这种做法立刻激发了我的逆反心理，让我对任何AI工具都非常抵触。我不相信从未写过一行代码的人应该告诉我在我的工程工作中使用什么。这在我看来是微管理最严重的案例，这从来都不好（更不用说对个人的侮辱）。无论如何，在过去的三个月里，我使用了Claude及其同类工具进行工作，我不得不承认我发现它稍微有一点用。只要你别让它写代码。请不要让它写代码。但我偏离了正题。人工“智能”你可能已经听说过这件事一百万次了，但人工智能真的没有那么聪明。这都是营销和流行术语。实际上，我们拥有的只是一个（非常）大的神经网络，专门用于自然语言处理。事实证明，我们人类在计算机上做的很多事情都是通过文本进行双向沟通，这个模型可以用来解析查询、根据概率启发式生成文本回应或输出可以通过传统方式执行的命令行，然后将其结果反馈回模型，直到我们达到某个退出条件。并不是说这本质上是坏的，但也不是神奇的。所谓的“代理工作流”（或者在你阅读这篇文章时他们称之为的任何东西）只不过是意识到每一个软件问题都可以通过增加另一层间接来解决，而大型语言模型也不例外。如果可以通过提供更多输入来改进神经网络输出，那就附加更多输入。如果找出那种输入的最佳方法是查询模型生成一个命令，然后通过system()管道传递，那么也无妨。但在这篇文章的剩余部分让我们关注用户的观点。我们家里有谷歌……互联网上有大量有价值的资料。假设我们在保持现有记录完好的方面做了不错的工作，则公共知识的总和只会提高（但是，剧透警告，还有一个警告）。问题在于找到它。这并不是新鲜事。我老到可以记得当你第一次被建议尝试这个新“谷歌”东西的时候。但遗憾的是，自2000年代的黄金时代以来，这种情况变得更糟了。他们与SEO进行了一场艰苦的斗争，而看起来并没有胜利。进入人工智能，作为一种帮助和障碍。作为搜索工具，我发现它通常擅长回答用自然语言表达的尖锐问题，特别是考虑到它的对话能力，允许在当前上下文中细化答案或提出后续问题。在实际操作中，这相当于进行一系列搜索，浏览前N个链接，并重复直到我们认为我们获得了全局图景。撰写较长文本的短摘要似乎是大型语言模型最擅长的，因此利用它来自动化这个过程是有道理的。此外，爬取和总结多个搜索本身就是一个并行的工作，因此看到自动化过程能带来的效率并不难，假设我们有足够的计算资源可用，且它不会幻想这些摘要，稍后我们会回到这两个要点，因为它们非常重要。障碍的另一面自然是，大型语言模型降低了泛滥互联网的文字沙拉的成本，这稀释了已经岌岌可危的信息海洋。Freya Holmér在这个主题上发布了一段非常好的视频，讨论在这场永无止境的SEO军备竞赛中用AI生成内容使网络变得杂乱的影响。今天，手动搜索信息仍然是一种选择，特别是如果你已经知道某一特定主题上的可靠来源。但如果你不知道，那么必须小心翼翼地从真正的数据中筛选出垃圾，而如果你不能指示它哪些来源要保留，哪些要丢弃，那么使用大型语言模型循环进行自动化可能没有帮助。甚至在讨论幻觉之前，LLM生成的摘要只能与它所吸收的来源一样好。……而现在我们在工作中也有谷歌我发现大型语言模型循环对搜索有用的一个特定领域，是内部公司知识库，迄今为止我还没有发现很多讨论。无论你在哪里工作，