@florentino 从这点也能看出，外行 AI Coding 真的不行，产品设计一套一套，但实际还是落不了地。

他说了半天各种 AI Coding ，重构，删了几千行代码，最后还是要招聘一个全栈。

如果抛开生意，只聊 AI Coding 的运用逻辑，我理解是视角不同。

破局者在入局时，对于行业内新事物会认为是理所当然，且不假思索的接受。没有任何历史包袱
局中人接受新鲜事物，且合理结合自身能力，是需要时间调整和整合的。


然后回归现实，就是视频、直播是他目前的生意，生意就有运作。
不要相信“没有团队”，“从零开始”，“没有剧本”，“纯外行”这种典型的营销手段。

大模型交互模式和 AI 编程能力有一毛钱关系吗？
各种形态，只影响观感、以及上下文获取难度。和其他无任何关系。

为何一上来是问答模式（不管是网页还是插件）？因为当时的大语言模型上下文短，且没有合理的检索能力，导致只能人工决定上下文内容。

为何演进到了插件？因为当时编程环境都是各种 IDE 或者编辑器，不做插件怎么自动获取上下文？

为何又演进到了专业工具？因为出 AI Coding 的公司贪图利益，构造生态壁垒+更全的信息掌控。和你手机里为何都是 app 一个道理。

为什么又冒出来 cli ？因为各个通用大模型公司看到 AI coding 是当时唯一能可靠落地的产品，防止 AI 泡沫破裂，和股东交代，急于和 copilot 、cursor 抢占市场，所以先搞再说，就都是命令行形态。

openClaw ，这和 AI Coding 有哪门子关系？

目前“评测”存活下来的就两种商业模式。

1 、挂羊头卖狗肉（说是评测实则广告）。
2 、放弃时效性，靠整活+段子博流量，然后溢价卖周边/带货（变相赛博乞讨）。

当然，最没良心的还有二者混合经营（美其名曰搞个什么暗号）。

但其实这两种模式产出的内容对于消费者都有致命伤。
前者报喜不报忧，后者因为没有时效性，为了博出位，难免尬黑、尬吹。

早到王自如的 zealer 时代就证明了，免费观看的“产品评测博主”这个模式，从逻辑上就是站不住脚的。
无数人的失败已经无数次的证明了这点。

真实、盈利、时效性，三者是不可能兼得的。
任何试图在三者中反复横跳的尝试，都以不同形式的分崩离析而告终。

btw：这也侧面说明楼主的网龄不长。因为远在 AI 下围棋破圈之前，有个叫“打码平台”的东西。

首先前提就错了。

目前的验证码的目的是为了防止非善意请求。不是为了区分是不是真人。
核心是成本效益比。

AI 请求的目的与行为如果和真人一致，那验证码也没有拦截的必要性。

@GabrielGarcia 面试和工作实践永远是脱节的，更不存在有没有必要一说。

面试的唯一目标就是考察与筛选。没人能凭空预测面试考什么。

这个问题就像是建筑工地的搬砖工问要不要继续钻研分子物理，从而提高自己的搬砖技术。

对于软件开发而言，从一开始算法、刷题、八股就是应试行为。
所以不存在“AI 时代还有必要 XX”的情况。

因为软件开发是工程学，不是象牙塔。

最让我印象深刻的是，copilot 最近的更新让其可以自主提问了。会质疑缺失关键的上下文，弹出模态窗口让你填写或者引用某个文件。

输入端对用户提示词进行再加工与过滤。
输出端杜绝直接返回大模型结果。大模型输出的内容要经过数据清洗和审核。

在系统提示词中要求大模型以特定格式输出结果。如果大模型输出的结果格式不符，说明系统提示词和既定上文被污染，放弃。

讨论隐私你得先聊到底什么是“隐私”。
不计成本的聊安全就是耍流氓。

另，在乎隐私的也绝对不会在常用设备上跑 openClaw 就是了。

有差异。
1 、各家 AI 产品的系统提示词不同。github copilot 是开源的，可以去看。
2 、各家对于上下文供给的逻辑，调用的搜索、压缩模型不同。
3 、各家产品会有一些功能性差异。比如最新版本的 VScode 会对于缺失的上下文提出疑问，并弹出模态窗口要求你补充。

@AoEiuV020JP 这样的结果就是你只能得到一个当年 flash 游戏水平手感的平台跳跃游戏。

“claude 能不能帮我搞定编码部分”
可以，但是：
你如何在你能接受的提示词长度范围内，无歧义的描述你的编码需求？

举个简单的例子，请问怎么用语言描述 FC 超级马里奥的物理性能？

btw ，在上世纪 80 年代末的机器学习算法，确实是符合楼主的这个思路的。
毕竟那时候还没有 transformer ，也没有神经网络算法实现的强化学习。

所以机器学习结果的过拟合效应很强。

所以在我看来，楼主说的几个点的逻辑都不成立。

1 、统计学模型只给出最大统计学解，且有一定随机性，所以“AI 搞不定”这个结论很难证真、证伪。
2 、简短的上下文就可以完美实现功能，只能说你的功能定义逻辑很清晰且统一，没有歧义，最优解的统计学优势很强。并不能证明是历史的过拟合。
3 、反之亦然，你无论如何都无法生成满意的结果，只能说明你输入的上下文没有明显的统计学优势，导致最终输出的内容不断的落入各种小的“局部最优”解中。

目前的 AI 模型体积与上下文可以说庞大，对于统计学上的相关性挖掘的是非常深入，且远超人的理解的。
所以 AI 视角下的“相似”、“轻而易举”，并不意味着人类视角中无意义的重复。

举个不恰当的例子，网上订火车票和电话订火车票，无论是操作流程，还是交互形态都相差巨大，但其系统流程是非常接近的。

相反的，在用户眼里，12306 就是个劣化版本的携程。
但本质上他们是完全不同的系统与业务逻辑。