我认识的许多工程师使用生成性人工智能来执行各种功能，比如构建概念验证、内部工具或仪表板，甚至学习新知识。我个人发现大语言模型（LLM）解释事物的风格难以跟随。这种风格过于简单，而且根据使用的表情符号数量，有时也有点令人烦恼。在我分析可能会减缓数据中心建设的新人工智能瓶颈时，我意识到芯片生产的许多方面我并不了解。在网上搜索时，我问自己，如果有一个游戏能够帮助你了解在晶圆厂制造芯片的过程，那会怎么样？通过这种方式学习肯定会更持久，因为你可以在游戏中将概念与对象进行映射。这就是我决定尝试的原因，而结果实际上非常好。 流程 我不是单纯地让人工智能解释一个主题，而是使用如下流程：在计划模式下（使用CC或OpenCode），我请模型为X主题构建基础知识。我要求它审查前一步构建的知识库的准确性。接着，我请它构建该主题的低多边形模拟，类似过山车大亨的动画。我还添加了一些用户体验元素，比如页面需要在大屏幕和小屏幕上都可见，具有随时暂停流程的控件等。然后，我将其推送到一个新的代码库并启用GitHub Pages。 结果 你会得到一段100%准确、没有幻觉的美丽动画。对我来说，这种方法比单纯阅读我在谷歌上找到的无尽材料或试图消化由语言模型生成的要点清单要有效得多。我特别针对学习芯片制造进行了这个工作，并在这个网站上发布：ChipTycoon。你可以从收集沙子的那一刻开始，跟踪小车，直到芯片完成并交付到数据中心。视觉上，你可以跟随小车并看到它的变化。由于是低多边形，细节可能会缺失，但它仍然是展示产品在制造过程中经历众多步骤后如何变化的良好指标。 如何进一步改进 假设低多边形设计需要太多想象力来实际可视化离开炉子的石英砂堆发生了什么。为了将其转变为更现实的表现，你可以利用我将图片转化为3D对象的技能，并将得到的对象映射到你的模拟中。这样你就能获得更准确的设计。此外，你还可以在模拟中添加挑战。尝试回答芯片制造过程中的一个先前步骤的问题将极大帮助你保持知识。也可以添加直观的难题，这将帮助你更好地学习。查看我创建的其他页面：火箭发动机是如何制造的，LLM是如何工作的，F1发动机是如何构建的，EUV机器是如何构建的。