学习ai到什么地步能拉开差距

第一阶段：

能否达到不再人工审查代码。

能推动运行长程任务24h以上，任务完成后，达成率90%以上。剩下10%无需人工处理(这点非常重要)，细化描述后，能自发修复收菜。

第二阶段：

针对固定业务流程，二次开发agent/mcp(skill不算)，较通用agent的工作效率和成本，能有较大的提升。

以上都是针对佬问的，用AI的能力差异大阶段。

再往后，真正的差异就是个人了。

我曾经有机会和百万年薪天才科学家对谈过。据他所说，他的提示词能打磨一天，每次会话任务的上下文占用不超过30k(不能理解，瞳孔震惊)。但是他的效率又非常高。只能说人和人的差距，比人和AI还大。

佬的评论非常有价值，已经收藏了。

每次会话任务的上下文占用不超过30K，听听就得了

首先得能做出来，做出来能用，再就是找有意义的东西做（实际需求/痛点）。

各个模型都有自己的特点，不是越贵越好。

MVP阶段拿sol max去做可能需要几个小时，同样拿ds-v4-f，可能只要十几分钟。

越大的仓库编排就越重要，你不去给提示，sol就只会低头猛干，干到最后还不是自己想要的。

了解自己目前的阶段适合什么模型，并能自己组织单仓库多会话进行工作。

哪些自动化啊，工程流啊，都是你已经有一套现成的工作流之后才去看能不能套ai。盲目让ai去搞一套流水线，反而适得其所，废token不说，还影响效率。

能自己组织单仓库多会话，你就已经超过很多人了，像是worktree都在这一过程中能了解到。

agnet并行工作都是一个主agent去给子agent发消息，咱们要做的就是当基础工作不需要自己看了的时候，去以一个主agent的视角看这个仓库。

/goal命令虽好，但了解自己仓库的实际情况才是最基本的。

佬们说的也是对的，用Ai其实就是在学习的过程，咱大多数情况都没有Ai聪明，在这个过程中汲取知识，提升自己才是最大的帮助。

每次会话任务的上下文占用不超过30k

即便是做算法的稍微读一读代码就超过30K了

打磨提示词是真的，但上下文不超过30k有点吹牛了，如果是真的那就完全是LLM自己在跑没有Harness，有Harness的话，光工具占用的就差不多了。

我们公司的美工一行代码没写过 现在已经能用ai运维项目了！！ ^-^ 至于出不出问题那就看造化了

不是 AI 的使用能力差距，是使用的模型能力差距，最关键的是，个人能力的上限决定 AI 能力的上限

之前理想老板采访说的话其实深表认同，ai时代反而差距更大了，因为之前还有生产力的束缚，现在有思想的人，能即可进行实现并且驾驭工具，我自己的经验是能够有自己的一套工作流，并且在实际工作中产生效率增益，我自己是一个changelog,一个contextinfo两个文档+一个检查提示词驱动，最后感觉是ai的互动产生明确的局限意识，知道它的能力边界，各个模型的长处和取舍，遇到新问题能非常熟练地走经验

我曾经有机会和百万年薪天才科学家对谈过。据他所说，他的提示词能打磨一天，每次会话任务的上下文占用不超过30k(不能理解，瞳孔震惊)。但是他的效率又非常高。只能说人和人的差距，比人和AI还大。

呃，嗯，呃。有点像皇帝拿金锄头种地？^-^

抛开这段话，其他的还是很有参考价值的，感谢佬友。

真想拉开差距，要么他自己不努力，要么物理上消灭掉对方^-^

感觉真的天翻地覆，以前做个分析数据系统，服务端2个人做一周，UI做2天 然后切图 客户端根据接口去实现最少一周，然后中间调试修改优化，然后2周过去了，这还是团队经验够磨合没问题，现在AI30分钟出个设计图，然后2天分析完成。。。

可能他用AI是那种研究某个困难问题，但是在流程上不复杂输出量也不大的任务吧，所以需要打磨提示词引导AI+上下文用的少，倒是符合他科学家的身份。写代码这种任务还是要看实际效果，你提示词再好AI也得乱飘，而且大多数提示词没什么复用和打磨的价值，走一步看一步比较重要^-^