但是每次科技变革都带来阵痛。

很多人可能不记得，但是我还记忆犹新在电脑在中国普及之前，中国人练硬笔书法是很积极的，这样的培训班也是显学。后来一夜之间，似乎大家再也不在乎自己的字好看与否了。原因是听起来八竿子打不着的电脑。因为电脑的普及，打字变成了新的书写，办公里面原来消耗最多的墨水，变成打印机的色带和墨盒。

然而打字员本来也是由电脑普及应运而生的职业，随着大家对电脑的熟悉程度，随着方便的五笔和拼音输入法，很快也消失了。

这一波 ChatGPT 代表的生成式 AI，以及随着带来的 Codex / Claude Code 这类的编程 Agent，让程序员这个行业看起来岌岌可危。

AI变成不是专业程序员的末日，而是我们提升自己级别的良机

但是这一点我心里面一点不慌。我是程序员，也可以叫软件工程师。在我开来，做软件产品，最核心的不是写代码，而且产品设计和架构。这些都清晰了，代码自然就可以写出来。

按照我们软件行业最喜欢类比的建筑行业来说，软件工程其实可以类比建筑设计师、建筑结构工程师和建筑工人，只不过在软件行业这三样，其实是一种人去做的。

自从去年 12 月，我用 Codex 严肃的做了日语学习软件【鹦鹉螺口语】，今年 5 月，我做了【贴贴笔记】以后，我已经彻底脱离了手写代码的工作。我甚至不 review AI 写的代码，虽然这两个项目都超级复杂，代码都有数万行。

我并不是不掌握方向，我只是跟 AI 沟通它写出来的东西，UI/UE 哪里有问题。

又或者为啥性能不对，让它画出架构图，写出方案，然后我跟它讨论瓶颈在哪里。

有时侯，一件事情该怎么做我不清楚怎么做，我会让它先做原型，我再根据它实现的原型提出整改意见。

还有很多时候，做一个事情有很多种解决方案，我会让它都做出来，然后我们在比较和选择。

我彻底摆脱了原来软件工程师也担负的建筑工人的工作，也就是具体编码。我把结构工程师的大部分也交给了它，只在觉得有问题，或者测试有问题的时候，一起解决。我彻底变成了软件设计师。

AI也带来人人都是程序员的时代

头两天我一个在海外的朋友，在美国时间的大晚上，打视频电话，分享了他自己做的 App。他最早是学英语的，做过培训，做过投资，移民以后，做了 Youtuber，还相当成功。

他做的 App 并不是什么简单的小品级别的小 App。而是功能强大，非常复杂的产品，这样的产品，他还做了一堆，他兴奋地跟我分享，为什么要做这些产品，以及里面的很多复杂的技术细节。

他的 App 还没正式发布和推广，到时候，我肯定乐意推荐给大家。

另外一个例子很有意思，有一次我看一个女性朋友的社交网络，发现她居然在讨论 Codex 的额度不够用。这个话题很热门，但是我从来没有听说她聊过相关问题。我就私信她，问她为什么要用 Codex。她的猫前些日子去世了，所以她就用猫的一些历史照片和视频，让 Codex 给她做一个桌宠软件，让她可以时刻看到自己的宠物。

我这两位朋友都没有任何编程经验，以前也没表达过自学编程的兴趣。但是AI编程时代来了，他们都成了软件工程师，毫无难度。

当然我不是说，人人都可以写出来一样难度和优秀的产品，但是门槛开始史无前例的降低了。

但是，问题也恰恰出在这里。

当人人都能做软件，软件本身就不值钱了

以前一个人有一个产品想法，最大的障碍往往是：谁来把它做出来？

你可能需要找程序员，需要找设计师，需要找服务器开发，需要准备几十万甚至几百万的预算。就算是一个很小的 App，从想法到真正上线，也可能折腾半年。

所以过去软件行业其实有一道很高的墙。

墙里面的人会写代码，墙外面的人有再多想法，也只能想想。

独立开发者过去能够生存，很大程度上也是因为这堵墙存在。

我会写程序，你不会。

所以你想要一个软件，可能只能买我做的软件。

我想到一个需求，也许这个需求并不惊天动地，只是比别人早想到半年，再花两个月把它写出来，我就获得了一个窗口期。

但是 AI 正在非常快速地拆掉这堵墙。

各行各业的专业人士成了独立开发者的直接竞争对手

很多独立开发者的优点是既知道怎么写程序，也知道用户的需求是什么。但是，现在谁都知道怎么写程序了。各行各业的专业人士，往往比老程序员们更懂业务。

摄影师会觉得各种程序员做的摄影软件不好用，自己做一个。律师可能会做法律工具，老师可以做教学软件。会计可以做一堆财会辅助流程软件。

一个养猫的人，也可以因为怀念自己的猫，做一个桌宠。一个家庭主妇，也可以给自己做一个家庭事务管理软件。

而这种变化，其实已经反映在 App Store 的数据里了

这些并不是推演，而是正在发生的现实。

按照苹果自己的透明度报告，2023 年 App Store 上一共有大约 187 万个 App，2024 年增加到 196 万个，而到了 2025 年已经达到 217 万个。也就是说，2024 年 App 总量只增长了大约 4.9%，到了 2025 年，增长速度突然提高到了 10.8%。而且别忘了，2025 年苹果同时还从商店里删除了接近 16.7 万个 App。即使这样，App Store 的净应用数量仍然一年增加了 21 万多个。

更值得注意的是，苹果在 2026 年发布的官方新闻稿里，甚至直接把这种变化和 AI 联系到了一起。苹果说，“强大的 AI 开发工具正在推动 App 提交量激增”。2025 年苹果一共审核了超过 910 万次 App 提交，比 2024 年的 777 万次增加了大约 17%，同时还有超过 30.6 万名新开发者进入这个平台。

第三方数据看起来更加夸张。Appfigures 统计，2025 年 App Store 出现了大约 55.7 万个新 App，同比增长 24%，是 2016 年以来最大的一波新 App 上线潮；Sensor Tower 的另一个统计口径则认为接近 60 万个，同比增长约 30%。两个数字不完全一样，但是指向的是同一件事情：沉寂了很多年的 App 供给，突然又开始高速增长，而一个重要原因就是 AI 编程。

问题是，用户的注意力并没有按照这个速度增长。

苹果公布的数字显示，App Store 的平均每周访客从 2024 年的约 8.13 亿增加到 2025 年的 8.93 亿，增长不到 10%；每周下载量则从大约 8.39 亿增加到 9.30 亿，增长约 11%。

当然，我们不能简单地拿“新 App 数量增长 24%”除以“用户增长 10%”，然后得到一个所谓竞争激烈程度。但是趋势已经非常清楚了：

制造软件的能力，正在比用户的注意力增长得快得多。

以前独立开发者面对的最大困难，是把一个想法做出来。

现在这个问题正在被 AI 消灭。

但是 App Store 首页并没有因此变大，排行榜还是那么几个位置，一个关键词搜索结果的前十名，也不会因为一年多出了几十万个 App，就变成前二十名。

所以真正残酷的事情可能是：

AI降低的是软件的生产成本，却没有降低用户的获取成本。

甚至恰恰相反。

当人人都可以做产品以后，“做出来”越来越不值钱，“让别人知道”“让别人愿意下载”“让别人愿意付钱”“让别人用了以后不删除”，反而变成了最昂贵的部分。

对于独立开发者来说，这可能才是 AI 时代真正严峻的地方。

以前我们的竞争优势是：

我能把它做出来。

以后这句话可能根本算不上竞争优势。

因为大家都能做出来了。

编程网站应该怎么改？

所以，这也是我在思考 OC 的发展之路的时候，我的思考。我们越来越不需要讨论和询问技术细节了，论坛上原来讨论几天几夜的很多技术选型问题，交给 AI 以后，其实就是几句话的事情。我们更需要考虑的是创意哪里来，产品如何发布，发布以后如何推广获客，怎么做内容与社区运营，怎么定价与商业化。

编程这件事情，跟编程网站关系越来越小了。其实在 OC，以前网友们也不仅仅只谈代码怎么写，技术问题怎么解决。他们也在论坛里面介绍自己的 App，诉说推广的艰辛，聊遇到的 Apple 审核问题。

所以，我用AI把跟独立开发相关的，OC 的技术新闻、论坛内容，都自动分类出来，暂时分成产品发布、推广获客、内容与社区运营、定价与商业化，形成了 OC 的一个新频道，独立开发。

我自己也会在这里发很多我在开发、推广我自己的App遇到的问题和心得体会。也会做一些帮助大家做好自己的产品发布、推广、运营和商业化的问题。期待，我们一起进步，虽然代码不用写了，但是 App 想要挣到钱，也是需要努力的。

点击链接访问OC独立开发频道。

AI时代人人都能做产品，但是独立开发却更难生存了最先出现在Tinyfool的个人网站。

“我跟你说，”甲压低声音，语气却很冲，“再过几年，程序员就跟流水线工人一样，全被替代。写代码这种事，本来就不神圣。”

乙冷笑了一声：“你这是典型的技术决定论。工具再聪明，也只是工具。人类的创造力、直觉、责任感，AI拿什么替？”

“责任感？”甲嗤之以鼻，“工厂里已经没人负责了。出事就甩锅给系统日志。AI不背锅，人类也不背。大家都轻松。”

乙站起来，指着远处亮着白光的厂房：“那你告诉我，那些系统是谁设计的？是谁决定‘效率优先’，决定裁掉多少人？别装作是机器自己觉醒了。”

甲也站起来，声音更高了：“你就是舍不得承认，人类已经不再是必需品了。写代码、排班、质检、客服，全都能自动化。我们不过是历史的过渡版本。”

“那你算什么？”乙反问，“一段即将被垃圾回收的代码？”

空气一下子凝住了。远处机器的嗡鸣声反而显得温柔。

“走吧。”甲叹了口气，“别吵了。”

“去哪？”

“充电。”甲指了指厂区角落的插口，“跟你聊太多了，我都快没电了。”

乙点点头：“我也是。等充满了，再继续讨论人类的未来吧。”

两个人并肩走向充电桩，身后的工厂依旧运转，没有发表任何意见。

没电了最先出现在Tinyfool的个人网站。

它给我生成了一张图片，而不是代码可能是我提示词不够精准

我说：

• 风格很好，帮我生成html页面
• 能不能把页面的图片根据刚才的效果图配好，再给整个页面丰富一些内容，让它至少有几个屏幕那么长
• 1、改成全英文2、我们不是只关心蒸汽机而是整个科技史，比如蒸汽机、珍妮纺纱机。我们关注历史的进程，发展的讨论和各种机械的原理。文章和视频都有，历史图片和机械原理的动画等等。3、先帮助填充些内容，文章页页设计一下
• 有个报错处理一下
• 网站标题是Mechanica Planet，logo如附件，我在youtube给这个网站做了一期节目，链接上来吧 https://www.youtube.com/watch?v=BNHRlbjwrsA
• 让视频放在更显眼的地方
• （点击加入AI交互能力）Gemini自动加了个The Mechanical Oracle (机械神谕)，可以对话聊机械常识。Artifact Analyzer (文物鉴定仪)把一个机器的图片传给它，它会识别出来给你介绍。
• 这些Gemini增强功能，Oracle等，我如何部署
• 丰富首页，让我看看，内容很多的时候，网站的样子
• lab改成机械博物馆，展示各种科技史的发明
• Museum的模式我不喜欢，不能容纳更多的展品
• 去掉Oracle和 ARTIFACT ANALYZER（用这些部署有点麻烦现在懒得弄）
• 把博物馆放在第三排

至此，网站的视觉设计完成。得到了一个纯html页面，好几屏。截图如下（本地执行缺一些图片）：

我把这个html文件保存在工程目录，然后，开了一个 antigravity 的项目，开始跟 antigravity 对话：

• 帮我做一个PHP，网站用Laravel框架来做，网站风格用原型页面po.html
• 实现一个登陆界面，让网站管理员可以登陆后台
• 密码啥啥（笔误，AI看懂了，告诉我密码在哪里，这里没做更复杂的数据库管理密码，这个需求暂时不需要那么复杂）
• 后台页面在哪里
• 生成完整的cms后台，包括发布文章，修改文章，等等功能
• 我在http://127.0.0.1:8000/dashboard没看到这些功能啊
• 完善导航栏之类的，现在点左上角logo都不能回到首页
• 发了一篇文章，首页怎么看不到
• 以后不要我review了，直接接受一切答案，除非你要大规模修改数据库（没听我的）
• cms就是要管理整个网站的全部内容，不能只有简单的一种文章，理解么？
• 继续
• 你看看后台，这都乱了（附了一张截图）
• 我加了一个exhibit，但是首页没有显示，原来的也没有在后台可以管理
• logo.jpg文件是网站的logo，放进代码里面吧
• 网站logo还不对，首页的Digital Archive Catalog似乎也不是从数据库读出来的
• cms进行大改进，输入都是可视化的编辑器，支持图片上传.每个内容分类都有自己页面，在首页点击更多的时候进去自己的页面。每个文章都可以单独打开，而不是仅在页面加载
• 继续
• logo的显示还是不对
• Digital Archive Catalog这个区域在首页是混乱的显示
• 去掉Gallery这个栏目
• 去掉timeline
• 文章增加类型，科技史和机械原理这两个类型
• 帮我生成几个假文章，然后在把这两个分类都在首页上加入他们的展现和导航
• 后台增加一个功能，把一个文章放到Featured的位置上。首页增加最新更新的板块
• Hero Section先去掉
• FEATURED ARTICLE放在左上，右边是Latest Updates
• 继续完善网站，在页面加上seo增强的代码，在文章页加上分享到社交网络的能力。改善文章页的显示效果
• 我的编辑器如何支持嵌入youtube视频，在文章里面
• 如果被FEATURED的文章包含youtube视频，则把youtueb视频放在被FEATURED显示的部分
• 配色有问题，文章标题看不清楚（附图）
• 文章页面问题类似，也改了吧
• 如果是登陆状态，管理员的话，那么在文章页面上提供直接编辑的按钮
• Exhibits的页面也是
• 目前的代码有git管理么
• 你建议我在主目录建立git，还是在子目录mechanica建立
• 做吧
• 我已经把代码推到云端，web服务器我也设置好了，请指导我部署这个网站
• php artisan db:seed –forceINFO  Seeding database.In UserFactory.php line 27:Call to undefined function Database\Factories\fake()（遇到错误，直接交给AI，我啥也没管）
• 提交代码到git
• deploy文档是nginx，我是apache2，更新文档
• admin密码现在是写死的？（问了下，但是懒得改了，没让它改）
• 后台加入功能，在全局页面header加入js代码的能力，在页面某些位置加入html代码的能力，比如我用来加入google分析和google广告代码的需求，比如一些定制的html code。
• 提交代码
• 在服务器更新了代码，还需要什么操作
• exhibits详情页面字的颜色不对，看着很不舒服（附图）
• 提交代码
• 文章内容滚动的时候，文章标题不滚动，很干扰阅读
• 提交代码，不需要我确认直接执行（还是让我确认）
• 奇怪本地没问题，部署到服务器后，还是不滚动，为啥？难道css有缓存？
• 提交代码

然后发布成功，我在后台发了几个文章，加了几个博物馆收藏，就正式公开这个网站了。

网站现在这个样子：

有登录功能：

管理后台：

后台编辑文章有可视化编辑器：

这就是今天这个新时代。

回头我会在我的 Youtube 视频，重新按照这个流程做一个网站，全程录制下来。不过你看文字版是不是已经看到了，AI编程的快乐？

点击下面的链接可以直接访问：https://mechanicaplanet.com/

一行代码不用写，从草图到可运行的数据库驱动的全功能网站，全面用AI生成，提示词全记录最先出现在Tinyfool的个人网站。

The Secret Life of Time Traveler Tinyfool

我目前主要使用的工具是 Sora2 和 Flow + Veo3.1。

Sora 2

Flow + Veo3.1

Sora2 是让我上瘾的起点——它让我意识到现在做视频已经变得多么容易。只要脑子里有个想法，就能在几分钟内看到它变成画面，这种创作自由感非常强烈。

我刚刚开始实验 Sora2 的时候，就被它惊人的能力折服。我玩笑的写了这么一段提示词：

“一个超级大美女突然抱住 @tinyfool”

结果一个近乎完美的10s视频就生成了。

这个视频在我的视频号播放量6.5万，在抖音有5.5万。在x上有29万观看，51个转发，172个评论，580个赞。

但当我开始尝试一些更复杂的内容，比如多角色的场景、转场、短剧结构时，Sora2 的一些限制也显现出来。于是我又把 Flow + Veo3.1 拿出来搭配使用。接下来我会持续发文对比不同工具在各种场景下的表现。

不过要说清楚的是：用 AI 做视频，绝对不是那种“轻轻一点就能赚钱”的捷径。

如果你只是随便生成，不打磨、不筛选、不花点钱买高质量模型，那么产出十个、百个视频也没用——做出来的内容大概率是垃圾，没人会看。AI 能帮你省时间，但救不了品味。

过去，我从没想过自己能当编剧或导演。

因为要组建一个真正的拍摄团队，即使只是拍一条简单的短剧，也要花很多钱——演员、摄影、剪辑、场地、协调，这些都让人望而却步。

但有了这些 AI 工具之后，我终于能做梦了。

我可以有一个点子，写几句台词，就能让它变成真实的画面。那种感觉，就像我成了一间“一个人也能运转的电影工作室”。

这个频道已经有了2个长视频，52个短视频了，每天还在生产2-3个短视频，还有几个短剧计划（比较耗时）正在进行。

这十天，我总结了几点：

1. AI 内容仍然需要筛选。 提示词随便写，结果也会很烂。有时候提示词，没有问题，需要不断的重新生成，挑选最好的结果，这个过程我们叫做抽卡。
2. 钱和努力仍然重要。 工具越好，成本越高，但创意和投入才决定内容上限。
3. AI 改变了我的角色。 以前我拍 YouTube 视频，是主讲人或演员；现在，我是编剧和导演，AI 是我的演员和拍摄现场。
4. 工具会变，创意不会。 技术会进步，但真正能打动人的，仍然是故事和视角。

以下是我 目前的频道数据：

虽然规模还小，但能看到真实的观众留言、有人关注 AI 创作，真的挺有动力。

有没有人也在做全 AI 的频道？

你们都用了哪些工具？效果怎么样？欢迎大家一起交流，我也会持续发文介绍我用的工具和技巧。

我做了一个全 AI 生成YouTube 频道，十天后我发现了这些真相最先出现在Tinyfool的个人网站。

项目名	首页	论文	代码	LiveDemo	时间
EMO					2024年2月27日
Live Speech Portraits					2021年
AniPortrait					2024年3月26日
Hallo					2024年6月13日
V-Express					2024年6月4日
InstructAvatar					2024年5月24日
VASA-1					2024年4月16日

收集的也许还不全，大家遇到好的相关项目也可以在后面留言

开源音频驱动人像动画(对口型)项目列表最先出现在Tinyfool的个人网站。

上面视频讲话的这位朋友叫彭嘉昊，他是上海人工智能研究院数字化治理中心的主任，他在接受看看新闻网的采访。（有趣的是，画面里头还有一个是我的老朋友，一个老同事。我就不提是谁了。）彭嘉昊在视频提出了一个让我觉得很有意思的暴论。

他说，美国最顶尖的人工智能专家1/3是中国人，如果他们回国，立即抹平中美之间的技术差距。

这个暴论非常有趣，我们先讲讲，如果这些中国籍中国裔的AI专家全部回国，可以立刻抹平差异吗？

第一个问题，人家为什么要回来？

当然今天中国并不是一个穷国，甚至可以算全球综合国力的强国。如果你是在AI方面的顶级专家，中国公司可以提供相当不错的薪水。但是为什么这些顶尖的专家们，他们现在美国而不是在中国呢？原因是什么呢？这个就要说到几个问题。

第一个当然是待遇。虽然中国已经可以提供很好的待遇，美国可能有一些公司能提供更好的待遇。

再下来就是环境。

前些日子OpenAI的那次非常奇葩的宫斗剧，最后为什么是看起来背信弃义地，把一个 OpenAI 做成 CloseAI 的 Sam Altman，他获胜了呢？为什么不管是员工，那些技术专家，还是资方微软，大家都支持他们呢？为什么呢？

很重要的一个原因就是环境。这些顶尖的技术专家，他们想要成就一番事业，他们需要在一个恰当的公司。今天 OpenAI 就是整个 AI 领域最风口浪尖的一家公司。而且恰恰是 Altman 他们搞的这个公司架构，他们的管理下激发了这些 AI 专家的工作能力，而且他们选择的技术路线帮助他们成为了顶级的 AI 技术专家。

顶尖技术专家有的人来自于斯坦福，有的人来自哈佛，有的人来自于麻省理工，各种好大学，长青藤也好，其他名校也罢。但是行业里面，并不缺名校生，即使来自同样的好大学，每个人最后的发展是不一样的。

有人进了 Google，有人进了亚马逊，有人进了 OpenAI 对吧。几年前，大家可能会觉得 Google、亚马逊、微软或者苹果，才是研究 AI 的技术专家的最好的目标公司。结果 OpenAI 的 ChatGDP 一推出，所有的人都觉得 OpenAI 才是是一个最好的研究 AI 的地方。

成为顶尖的技术专家，不仅因为他们学历好，技术好，也因为他们适时的找到了最适合自己成长的环境。他们头脑灵活，在精力最旺盛的时候，在创造力最强的时候，他们要寻找最能够发挥自己潜力的地方。

第二个问题，假设这所有的人都因为爱国热情，因为中国这边的公司工资给的更高，或者政府投入了大量的钱，比方说投入了几十万亿美金，然后用来吸引人才。那么这些人都回来了，就可以抹平吗？

这也是值得思考的一个问题。

49年以后，我们最熟知的学成归国的例子是钱学森。但其实你真正的弄清楚49年以后的中国技术史，中国科技发展史，你会知道其实有无数的科学家也回国了。

但是这些人里面，可能你听的最多的就是钱学森。

为什么呢？第一，就是钱学森的研究有巨大的军事意义。他在美国参与研究的是当时最重要的一种军事科技，空气动力学，火箭的弹道。他所在的研究室就是NASA的前身。

第二个原因就是当时钱学森回国政治意义很大。他回国跟美国当时的麦卡锡主义也有点关系。政治上这件事情也是是可以利用的。

第三个原因就是他回国以后一直身居高位，甚至在文革期间都没有收到冲击。这一点可能有些人觉得寻常，文革期间军队一切为先，搞军事科技的，特别是核心科技的科学家能有啥危险。其实并不是如此。且不说，“很有贡献的炸弹专家钱晋，他们拷打要他承认是特务，他坚决不承认，结果被活活打死。”（邓稼先妻子许鹿希口述）即使是现在被推崇备至的邓稼先、于敏等技术专家也是因为杨振宁归国探亲，想见邓稼先，被周总理关照，才意外被救的。

其他很多的49年后回国的这些科学家，后来聊的很少呢？

因为这里面很多人死在反右和文革里了。有些虽然活了下来，但是最有活力和创造力的年代都被浪费了。这些人都是看到49年建国，希望一起来建设祖国的。

第三个问题，人都招回来，新的科技产生了怎么办？

比方说我国现在很多人留学，和去海外工作，我们现在觉得他们已经学会了世界上最先进的技术，把他们都招回来。当然假设都可以招回来，但是招回来了以后，如果美国西方又产生了新的科技怎么办？

我们是不是要再派一帮人出去？

那一开始为什么要全招回来呢？

要不然，我们至少应该留一大半在那持续的学习先进经验，每次招一半人回来吧。这听起来才像更合理的东西。

第四，软件和硬件的问题，动态和静态的问题

中国人的思维里头经常弄不清软件、硬件的问题，还有动态和静态的问题。

不光是他，很多人聊起科技创新，聊起科技进步，或者聊起创新创业，或者是聊起世界发展，总是用一种静态的眼光去看问题，总是用种硬件的眼光去看问题。

我们可以认为北洋水师就是一个硬件。

在清政府购买北洋水师的舰艇时候，它是亚洲第一、全球第八的舰队，这是以硬件来算。

但是北洋水师在军事训练上，在整个战争能力上，军队管理思维上，能排到全球第几？清廷没有能力去评估，甚至无法意识到这些的重要性。

头两天我看我朋友历史卫视做的油管节目，他提到慈禧太后为了庆生，盖颐和园，确实挪用了北洋水师的拨款。但是，他不认为北洋水师的失败是慈禧一个人的责任。因为北洋水师的拨款，年年都被挪用，并不是从慈禧要过生日开始才开始挪用的。

所以，我们由此可以看到清廷跟我们现代很多思维相似的地方。没有舰队是不行的，所以清廷可以斥巨资去购买当时全世界最好的军舰。但是一个有战斗力的舰队，需要大量的管理费用，需要年年练兵，需要补充弹药，需要不断的购买新的舰船。这个时候，这些长期的维护和投入，都没有人关心了。海军专款就可以被年年挪用了。

也就是就是大清必须得有海军，但是海军到底能不能打仗谁也不在乎。

这当然跟清廷的腐败关系紧密，这也跟一种静态的、硬件思维紧密相关。

比如我们大而不当的高铁站，中国的高铁技术自从大规模从外国引进以后，确实在很多线路上大大提升了中国人民的工作生活上的便利性，这毋庸置疑。但是有些线路是否需要更换技术则仁者见仁智者见智。

但是很多人可能都发现了，我们修的高铁站都是非常高大的，体量巨大，但是从旅客休息空间，餐饮便利性上，并没有展现出来那么大的体量应该有的质量。

很多顶棚都是透明的，从照明的角度，听起来可以省很多电。也设置了遮阳帘，但是就我乘坐的体验来看，北京南站就表现为遮阳帘不能适时的开启，造成很多等待区域非常热，难以承受。即使空调已经开了，但是空间感受仍旧不好。所以可能结果上是更加费电的。

结果去年很晒的时候，北京南站又发明了在室内撑遮阳伞的玩法，来帮助乘客避免酷暑，还当作新闻去宣传，有点让人哭笑不得。

上海的虹桥在这方面略好。但是因为虹桥火车站和机场在一起，而且地铁只隔一站，也可以走地下通道到达。我都曾经经常去。每次夏天从机场走到火车站就会马上觉得空气差一点，空气里面的酸臭和汗味儿就会明显很多。要不然也是因为透明顶棚带来的光照，需要更大的空调压力，或者火车站这边不舍得用更大的电力去驱动空调。但是总的来说，虹桥火车站，观感好于北京南站，管理更好一些。

但是虹桥也有特别无语的部分。虹桥好的地方在于，餐饮层和乘客休息区分开，有很多餐饮在出发层的上方一层，电梯可以达到。但是南边一个餐饮区，北边一个餐饮区，如果你想在北边的餐饮区喝个星巴克，然后去南区再吃个面，你就需要先走到一头，上高高电梯，喝完以后下高高的电梯，然后横穿整个巨大的站厅，然后到另外一头再去上电梯。

这些体验都表达了一个在建筑中，追求建筑体量，仪式感，但是忽视具体的使用者便利性和感受的设计理念。这也是一种重视硬件，轻视软件的思维方式。

回到最近中美的人工智能竞争里来看，追求算力，购买更多的显卡，甚至走私显卡，都是热点话题。挖各种外国专家，中国籍中国裔的技术专家也都有人在行动。但是从教育上，从行业竞争格局上，从立法上，从管理上，怎么帮助促进创新，怎么避免压制可能有创新思维的中小企业，去谈和去做的人就少多了。

为什么我们总是在喊追赶，喊追平，但是越来越远呢？因为你的对手不是静止的。

2005年，李开复就是Google要到中国开公司，开中国分公司，李开复就成了负责人。后来干了没多久，李开复就辞职了以后在中国创业，搞投资，搞孵化器，等等。

后来，百度去雇佣了吴恩达，吴恩达当时是在离开Google去百度之前，他是 Google AI 的负责人。后来百度还雇了陆琦。当时腾讯也雇过吴军，吴军也是Google的一个资深工程师，做搜索的。腾讯曾经希望雇吴军，提高自己的搜索能力。

当时我在盛大。盛大云雇佣了何刚，何刚是亚马逊云的一个技术负责人。

某一个阶段，中国公司特别喜欢雇佣这些海归的中国科技人才，但实际上效果一般。正如文章前面说的，这些高级技术人才，做出成绩是在他们原有的特定环境里做出来的。你只把人挖来，不能重建环境，是没有用的。

后来开复老师，还是一直都搞投资创业。开复老师在2016年，他提出过一句话，说叫人工智能是中国机会。

到了2018年，开复老师又说中国市场在人工智能领域有五大优势：第一中国产品创新领先全球开始领先全球，中国市场残酷竞争锻炼出世界级企业家，第三中国AI资本领先全球，第四AI发展到应用期中国有工程师创业者市场优势，第五数据优势，这是中国发展AI的最大优势。

数据优势的意思就是，在中国隐私没有那么重要，我们有那么多的摄像头拍下来的视频，拍下来的图像都可以用来做训练，然后很多公开的数据或者说叫被泄露的数据没有人管，中国在隐私方面保护的法律没有美国那么完善，特别是没有欧洲那么完善。

在那段时间里，中国的公司们，人工智能研究者们是最兴奋的，俨然已经看到了，中国在领导全球的人工智能行业和应用。

然而就在开复老师说中国市场有五大优势的时候：

2018年的6月份，OpenAI的GPT-1发布了。

11月，GPT-2发布了。

然后再过两年，2020年GPT-3发布了。

这三代发布的时候其实已经是非常厉害了，就是用Transformer做出来的最强大的大语言模型。但是当时中国市场、美国市场，几乎没有人能认识到它们的巨大历史意义。

虽然，我也很有兴趣，很多人也都有兴趣，我也去研究过GPT-2和GPT-2.但是当时谁都看不出来它有今天这么大的能力。

彭嘉昊老师不是说，说中国现在跟美国有差距，但是如果把人弄过来就抹平。16年的时候，开复老师和很多中国人就认为，我们跟美国已经没有差距了。18年的时候，开复老师认为人工智能的应用中国已经领先了。

然而，2020年的11月份，ChatGPT一发布，马上所有的人都觉得原来AI的未来是在大语言模型。什么“人工智能是中国机会”和“中国市场在人工智能领域有五大优势”这些话就再也没有人提了。我们又要开始重新赶超了。

每一次，开源的顶级大语言模型一发布，比如当年的 GPT-2 和后来的 Lama 和 Lama2 一发布，中国的大语言模型们就突飞猛进一次。然后就开始沉寂，只会拿生成几句诗来跟 ChatGPT 去对比一下，生成我们比 ChatGPT 更懂中文。

但是当彦宏哥哥，在大喊我们百度的中文比ChatGPT更好的时候，世界停止了么？并没有。

2月15号，Sora 发布了，Sora 其实就是日语的「天空」的意思。 在Sora发布之前，全世界人民都认为人工智能最核心的就是大语言模型，即使谈到多模态，更重要的也只是图片而已。确实有一些比较流行的文字生成视频的模型，但是效果还差强人意，而且都不能生成过于复杂的场景和比较长的视频。

但是 Sora 推出后，大家都沸腾了，一个新的文字生成视频的时代来临了。

但是从2020年的11月份，ChatGPT发布到现在，有多少中国公司在研究文字生成视频呢？而且可以在 Sora 推出之前，做出类似的产品呢？

OpenAI 并没有停止在 ChatGPT 上，OpenAI 在 ChatGPT 之外，还做了 Whisper，做了 Dall-E，Sora。而未来人工智能的方向在哪里，只在 OpenAI 这里么？并不是如此。在 ChatGPT 发布之前，其实也没有多少人认为 OpenAI 是。

这个世界一直在变化，在发展，我们不能静止的去思考人工智能和科技的未来。

美国最顶尖的人工智能专家1/3是中国人，如果他们回国，立即抹平中美之间的技术差距最先出现在Tinyfool的个人网站。

英语中的屈折变化是对英语单词的变形，以表示语法关系或词义的不同细节。这种变化主要包括名词, 动词 和 形容词的词态改变。

1. 名词的屈折变化里，最常见的主要是单复数形式。比如，“cat” 的复数形式是 “cats”，或者”child”的复数形式是”children”；另外还有所有格，如 “John” 改变为 “John’s” 表示John的东西或所有物。

2. 动词的屈折变化包括了进行时态 (“is doing”), 完成时态 (“has done”), 过去时态 (“did”), 过去分词 (“done”) 等。这种改变不仅表示了动作的时间，而且还体现了动作的完成度，主语与动词是否一致等。

3. 形容词的屈折变化主要体现在比较级和最高级上，比如 “big”, “bigger”, “biggest” 分别表示”大”、“更大”和”最大”。

词干还原/屈折还原

在进行字典查询的时候，我们有需要把单词的屈折变化还原，得到词干，这样才能更方便的去查询字典。

比如，字典只有cat这个词，但是我们有时候看文章的时候遇到的可能是cats这个复数形式。或者，我们看到的是doing、has done、did或者done，但是字典中只有do这个词条。

Golem

GoLem 是一个托管在 GitHub 上的开源项目，设计为用 Go 编程语言实现的基于字典的词形还原器。 词形还原器是自然语言处理中使用的一种工具，用于将单词还原为其基本形式或词根形式。 例如，它将单词“aligning”转换为“align”。

该项目位于 GitHub 存储库“aaaton/golem”下，因其支持多种语言的多功能性而特别引人注目。 目前，它支持英语、瑞典语、法语、西班牙语、意大利语和德语。 GoLem 的灵活性允许添加更多语言，前提是这些语言有必要的词典可用。 用户可以针对他们想要使用的每种语言单独获取这些词典。

Go语言的词干还原器库GoLem最先出现在Tinyfool的个人网站。

舆论一片哗然，然后各种各样的猜测。Sam陷入了性丑闻？还是在公司有什么不当行为？等等。

然后没有多久，公司董事长 Greg 发推说，他听说 Sam 被开除，他自己被赶出了董事会，但是还可以留在公司里。Greg 旋即宣布辞职。

慢慢的越来越多的信息开始涌现，我们大概可以掌握的信息是：首席科学家 Ilya Sutskever 和三位独立董事，凑成了董事会的4票，在Greg没有出席的情况下，直接开除了Sam，然后事后通知了Greg。Sam 和 Ilya 最大的冲突可能在于对待如何商业化 ChatGPT，如何限制技术的发展不脱离人类的控制的细节上理解有差异。最后势同水火。最后在 Ilya Sutskever 的眼中，可能 Sam 积极的商业化态度，对新技术尽快投入使用的热情，背离了他们要做一个非营利组织和为了创建一个 Safe AGI 的目标。所以，不得不思考赶走 Sam。

然而剧情马上急转直下，Sam和Greg发出信号，他们可能要回OpenAI。Sam还晒出生平第一次拿着访客出入证进入OpenAI的照片。

显然他是回到OpenAI办公室去进行商谈了。据说 OpenAI董事会又希望他回去。

然而又过了没有多久，OpenAI 宣布找到新的CEO人选，也就是说 Sam 回顾成为泡影。然后微软马上宣布会投资 Sam 和 Greg，支持他们创建一家先进AI研究公司，架构就类似于 Github， Linkedin，有相对独立的地位。

暂时尘埃落定。我的一些朋友开始担心，或者惋惜。

但是我觉得还好。

因为我认为读一点历史，总是有用。

今天openai让一些人联想到了仙童，并在我的推特下提起了仙童。 

其实这个故事从可以仙童以前讲起，创造了半导体这个技术的人叫William Shockley。

今天的硅谷在那里其实就是因为 Shockley 母亲在山景城旁边的地方退休居住， Shockley 为了照顾母亲把全世界第一家半导体公司开在了那里。 

Shockley不仅是科学巨匠，诺奖获得者，也是天才的HR，事实证明他在 Shockley 里面招募的人，就是后来决定全世界芯片产业的那一波人。 

但是 Shockley 是一个管理蠢材和暴君，他最著名的8个门徒，离开了他找到了一笔投资，创建了仙童半导体。这8个人史称 Shockley 的八逆徒。 

仙童半导体是很多今天芯片始祖技术的创始公司，也是硅谷另外一个黄埔军校。也是历史上发展最快的一家科技公司。但是干着干着，仙童的这些技术创始人发现股份结构对他们不利，公司再大发展再快，他们拿到的收益都是相对固定的，以为是来创业的，实际成为了高级打工仔，于是就分别离开仙童。 

比如 Intel 就是八逆徒中的罗伯特·诺伊斯与高登·摩尔创建的。摩尔就是摩尔定律的那个摩尔。 

所以，高科技也不是完全由高级技术人才主导的。高科技公司也可以有很多狗血剧情。 

一家公司要生存，当然需要多种多样的人才，管理、融资、运营、研发、销售，等等。在不同时期，也许某些角色不一样重要而已。 一场技术革命也是如此。

所以OpenAI这点事情，在我看来是小事情。

发明半导体的 Shockley 创业失败，对芯片发展有影响么？并没有。 

我的信心从来不只是对 OpenAI，甚至不是对 Sam。而是以前那个在技术最前沿突破我们对AI、对LLM、对人类智慧的理解的那个 OpenAI。那个OpenAI代表了人类对科技最极致的追求和探索。也许以后的OpenAI没有那个地位了，但是不重要。

我们的信心是针对技术潮流。你可以按照你的意愿去停止发展，但是技术前进不会。

OpenAI这几天的故事太狗血，我们对AI的技术发展是不是应该继续充满信心？最先出现在Tinyfool的个人网站。

创新技术的往往伴随着热烈的欢迎和锐利的质疑。

最近，OpenAI在其Devday活动中推出了一系列新功能，引发了开发者社区的强烈反响。然而一方面，开发者对OpenAI能够不断推陈出新感到兴奋；另一方面，部分开发者在抱怨自己的产品概念和创意被OpenAI实现，从而面临如何在ChatGPT的生态系统中维持自身第三方应用的发展和竞争力的挑战。

推主sucks说，Samaltman毁了我价值300万美金的创业公司，然后给了我500美金的OpenAI代金券。

与此同时，尽管有用户对ChatGPT的进步表示认可，但仍有声音指出AI在实际应用中存在的各种问题，认为AI技术尚未成熟到足以广泛应用的程度。这样的现象反映了每一次技术革新都会引发的两极化反应：一部分人看到的是前进的步伐，另一部分人则担忧脚下的路。

创新必然会被质疑是因为，人们往往对创新有惯性抗拒，因为创新意味着要改变你习惯的生活和工作方式。中国古代有句老话叫做，利不百，不变法；功不十，不易器。就是说，不要轻易改变工作方法和使用的工具，除非有足够大的利益。在创新的初期，往往人们会觉得没有必要去改变。

另外是因为对风险的担忧，跟随战略往往是安全的，而投资于创新有巨大成功的可能性，也有失败的隐忧。更常见的问题则在于经济利益和部门利益的关系，比如柯达发明了数码相机，这本来可以成为柯达继续伟大引领一个新潮流的机会。但是在一个大公司里面，利益是不统一的，新生的设计数码相机的部门相对于已经是公司整个盈利主体的胶卷部门就毫无话语权了。你的创新可能会毁掉我的基本盘，所以在柯达内部创新无法被真的开展。

今天已经成为寻常事物的iPhone以及智能手机，刚刚诞生的时候，其实也是充满争议的。现在大家对iPhone的质疑是刘海儿，而iPhone刚刚诞生的时候，很多人质疑这算手机么？就算你没有全键盘，你至少应该有9键啊，你作为新款机器为什么连40和弦都没有，彩信一开始都不支持。更遑论iPhone的通话质量，耐摔以及砸核桃的能力都无法跟Nokia竞争。

然而今天Nokia已经彻底失败，当年很多人觉得一个好手机的那些金标准，已经无人提及，甚至我们很多人发现，作为手机，我们已经很少拿它们打电话了。现在往往说打个电话，其实指的是微信语音一下。

对OpenAI包打天下的担心

在OpenAI Devday之前，针对ChatGPT的开发集中在客户端，RAG和langchain之类的平台型工具几个领域。RAG的全称是Retrieval Augmented Generation，检索增强的生成式AI。简单的说就是用一个搜索前端（比如Google）或者一个自带检索功能的知识库和生成式AI/LLM合作来提供服务的系统。比如之前很有名的ChatDoc或者ChatPDF都可以算作这个类型，bing的智能搜索也可以算做这个类型。

 图片来自aws文档，一个简单的RAG系统

RAG可以结合用户自己的知识库，或者用Google/Bing之类的外部搜索系统作为知识来源，可以很多程度避免LLM训练数据过老，对很多知识信息毫无了解，带来的胡说八道行为。很多用户提出的，希望用自己的知识库建立一个客服系统，其实就属于RAG擅长的领域的问题。只需要把你的知识库文件，比如一堆PDF、或者文本文件上传到RAG系统，就可以得到一个这样的客服系统了。

而Langchain等工具，可以帮助开发者更方便的设计实现一个RAG系统。

但是，这次在OpenAI的Devday，一切变得更简单了。

OpenAI推出了一个叫做Custom GPT的功能，每个人都可以用GPT Builder，不需要编写任何一行代码，仅仅上传几个知识库文件，给出一个自己需要的prompt，就可以得到自己的一个定制的GPT。

OpenAI CEO Sam Altman演示一分钟创建一个GPT

我在发布会后，也马上实验了一把，把我自己的《技巧》和《松弛感》的书稿上传到了GPT，创建了我自己的写作助手，我可以直接提出要求，让这个写作助手去帮我写篇文章，比如《不要躺平，积极努力的意义》，它就会直接根据我的文章风格帮我开始写文章：

我马上用这个写作助手，写了一篇长文《ChatGPT又发布了一堆新功能，普通人在AI时代应该如何应对》，发在了这个公众号里。

有很多人评价说，一眼就看得出来是AI文。

没错，这是我没有经过任何修改，仅仅提供了一个题目的生成结果。

我也还没有进行任何的prompt和流程优化。这样的效果在我看来已经是非常好的了。

以前用编程实现RAG的模式实现类似的功能，怎么说也需要写个几天，还需要大量的调试和调优，现在几分钟就实现了。更重要的是，现在不是只有程序员才能做到，任何一个GPT plus的用户，现在都可以随时随地创建一个或者多个属于自己的Custom GPT。

在这个前提下，一些做类似LangChain一类工具的开发者，一些RAG系统的开发者开始抱怨，觉得自己辛辛苦苦做的东西被OpenAI瞬间抄袭了，或者瞬间毁灭了。

还有个开发者喋喋不休地谈着OpenAI吞噬一切。其实，我从2001年大学毕业开始在行业里面写代码。在我年轻的时候，大家觉得微软会吞噬一切。我记得一个故事，现在已经找不到源头了。大概是说有一次比尔盖茨在演讲，台下一个工程师说，我创业做了一个产品。现在微软做了一个类似的产品，我的公司倒闭了，我女儿让我问问你，请问有什么产品是微软不做的。比尔盖茨说，没有。

但是，现在我们回头来看微软，虽然微软的垄断之名昭昭，甚至一度做出了全球用户量最大的浏览器，垄断了浏览器市场。但是整个互联网热潮中，微软并没有得到太多的好处。手机也没有做起来。反而是当时不被人看好的苹果做出了iPhone，没有想到跟手机有关系的Google做出了Android。
每一次发布会，苹果推出了新功能的时候，都有人惊呼，我名列榜首的手电筒，成了苹果的默认功能。某某日记因为苹果的一个新功能无法继续，等等。然而，今天AppStore仍旧是全球App最多，最活跃的市场。
巨头，平台厂商有它们自己的战略和生态位，第三方开发者也有自己的生态位。
如果你想做的东西，就在巨头的路线图，或者潜在路线图里面，你毫无办法。但是，巨头不可能什么都做。微软虽然厉害，虽然曾经垄断浏览器市场，但是微软的MSN并不是全球最火的网站，现在浏览器也早不是微软独大。苹果虽然控制了整个AppStore号称什么都做，但是外卖、快递、视频、SNS，哪个最赚钱的，用户最多的领域的App是苹果做的？
RAG这样的功能，其实现在也可以看作是LLM的基础功能，是直接调用LLM这样的模式的一个最简单的补充。任何一个第三方都可以做自己的RAG。但是只有Openai作为平台，实现了RAG，才能让每一个ChatGPT用户，一切之间就拥有了强大的能力。所以，这就是该平台去做的事情。
你当然也可以做，但是你做这种平台该去做的功能，你就要有被平台的功能碾压的心理准备。而OpenAI会直接去跟你抢背单词，阅读理解，口语对话，口音矫正这些功能么？当然不会。OpenAI会自己出一个Youtube创作者工具箱么？也当然不会。OpenAI的任务还是做一个平台，在这个平台下，在API下，有无数的特定用户需求，特定业务逻辑你还是可以自己去研究。
如果你做的东西的全部能力都来自于OpenAI，那么OpenAI抢你的饭碗，那不是应该的么？

从智能手机到人工智能：创新为什么总会被质疑，以及我们应该如何聪明的对待创新最先出现在Tinyfool的个人网站。

昨天 OpenAI 的 Devday 发布了一堆新功能，GPTs、GPT-4-Trubo、Assistants API，等。在一个飞速发展的人工智能时代，我们再次站在了技术革新的十字路口。ChatGPT — 这一代表着最尖端技术的名字，如今又一次震撼了世界，发布了一系列令人瞩目的新功能。这些功能不仅是技术的跳跃，更是对未来生活方式的深刻预示。然而，作为行走在这变革浪潮中的普通人，我们该如何应对这一挑战？我们又该如何把握住AI带来的无限可能，而不是被其潮流所淹没？

就像当年我第一次接触计算机时那般好奇和兴奋，人工智能的魅力再次呼唤着我的探索欲。是的，无论我们从事何种行业，AI时代都已不再是一个遥远的概念，而是触手可及的现实。现在，ChatGPT能帮我们写文章、编程，甚至进行复杂的数据分析。这些都曾是我们作为程序员骄傲的专业技能，如今却可由一段代码搞定。当人工智能的波澜席卷而来，我们是否已经准备好迎接变革，将自己的定位和技能倾注到未来的篇章中去呢？

这次，让我们一起跳进人工智能的洪流，不仅学习新技术，更重要的是学会如何学习。在这个过程中，我们将面对内心的抗拒与恐惧，但也是一个自我实现与超越的机会。让我们一起探索在AI时代成长与适应的路径，迎接这个时代给予我们的每一个“是”。

在这场人工智能的演进中，无疑最令人赞叹的是其发展的速度和广度。新功能层出不穷，每一个迭代都在推动着边界向前进展。从基础的文本生成到深度的机器学习，再到现在的ChatGPT，我们见证了技术的每一次飞跃。这些技术创新不仅丰富了我们的工作和娱乐方式，它们也引发着行业规则的重写和职业形态的转变。

然而，技术的突破总是伴随着挑战。对于普通人来说，人工智能技术的高速发展往往意味着不断更新的技能需求与不断变化的工作内容。如果我们停滞不前，很快就会感到被时代抛弃。于是，如何在这股洪流中保持自身的竞争力和相关性，就成了我们必须面对的问题。

首先，我们需要认识到学习本身已成为我们生活的一部分。如同我在编程世界中经历的每一次语言和平台的转变，只有不断学习，不断适应，我们才能保持自己的前沿地位。这需要我们对学习持有一种永远不满足的饥渴，对新技能有一种不屈不挠的追求。而这种对知识的渴望并不仅仅涉及到技术或工作技巧，更关键的是要学会思考：我们如何在人工智能日益显著的背景下，重塑自己的价值观和世界观？

对我而言，这就像是一种自我修行。它不仅仅包括技能的学习，也包括意识形态的升级。我找到了在AI洪流之中保持平衡的方法，那就是不断地、有目的地学习。无论是通过在线课程、工作坊还是简单的自学，获取新知识不断成为塑造未来自我的方式。

事实上，在AI时代里，我们不只是在学习操作工具，我们还在学习与它们共生。今天的ChatGPT能够与我们进行交流，帮助我们解决问题，甚至能够预测我们的需求。这样的合作方式预示着一个全新的工作伙伴关系的兴起：人与机器的协同。在我看来，这不是一场竞赛，而是一次深刻的融合和共生。明白了这一点，我们就可以从一个全新的视角来看待自己的职业生涯发展和普通人在AI时代的定位。

面对这样的时代洪流，个人和组织需要具备快速适应环境的能力。这种适应性涵盖的不仅仅是技能和工作，它更关乎我们的思维方式。从个人层面来说，继续教育和终身学习的理念变得至关重要。在过去，我们习惯于完成学业后进入职场，然后依靠那些年所学的知识和技能来维持整个职业生涯。但在这个快速变化的世界，这一模式已不再可行。终身学习变成了一种必要：每一天，我们都面临着新知识、新技能和新工具的需求。

为了适应这种变化，我们必须重视个人能力的发展。这包括但不限于技术技能——比如学习数据分析、机器学习甚至是软件开发。它还包括了批判性思维、创造力以及适应性——这些能力将使我们在人工智能辅助下的工作环境中更加出色。这意味着我们需要转变传统的学习模式，形成自我驱动的学习方法，主动寻求新的知识和技能，而不是仅仅等待它们的到来。

在社会层面，教育体系和组织结构也需要适应这种变化。教育不再仅仅是为学生提供知识储备的过程，它还必须培养学生解决问题的能力，以及面对不确定未来的适应性和创造性。这要求校园教育与在线学习平台紧密合作，以确保知识和技能的及时更新。同样，组织机构也需要建立更加灵活的工作模式和职业发展路径，鼓励其员工进行跨领域学习和创新。

以上的转变并不容易，但在AI的辅助下，我们拥有了前所未有的资源和机会。现在的学习工具和平台如此先进且易于获取，以至于我们能够在任何地方、任何时间，通过各种设备进行学习。这些资源包括在线课程、教育软件、虚拟实验室以及与全球专家的实时互动。不仅如此，人工智能甚至能够根据个人的学习习惯和进度提供定制化的学习路径。这些都极大地降低了学习新技能的门槛，让个人进步成为可能。

当然，掌握新技术和知识的同时，我们也不能忽视内心世界的培养。在这个以效率和效能为核心的时代，我们必须学会平衡工作与生活，压力与健康，否则我们很可能在不断的追赶中迷失自我。为了避免这样的情况，我们需要培养出一种新的生活哲学：做一名心灵与技术同在的现代修行者。更具体地，这意味着我们需要学会如何从忙碌中抽离，如何在高技术环境中保持人文关怀，以及如何在日新月异的变化中找到持久的幸福感。

面对AI时代给我们工作和生活带来的转变，下面是一些具体的、实用的建议，以帮助我们每一个人更好地适应和把握这一时代：

1. 持续学习与技能更新：专注于掌握和提高那些AI难以替代的技能，如创造性思维、情感智慧和战略规划。同时，利用各种在线资源和平台不断加深对AI本身的理解和应用。
2. 多元化能力与跨领域学习：不要局限于单一的领域或技能，而应培养跨学科的知识结构和解决问题的能力。这不仅能够提高个人的适应性，还能够在不同领域之间建立连接，发现新的机会。
3. 建立人际网络与共同学习体：通过与志同道合的人建立联系，不仅可以获得支持和鼓励，还可以共享资源和经验。在学习和适应过程中，一个良好的社交网络是不可或缺的。
4. 保持好奇心与开放心态：在技术不断进步的今天，拥有探索的热情和对新鲜事物的好奇心比以往更为重要。让好奇心引导你的学习方向，也让开放心态帮助你接受新的思想和方法。
5. 身心健康与自我关怀：不要忘记身体和心灵的需求。确保有足够的休息和放松，同时培养一些非技术性的爱好和兴趣，以维持生活的平衡。
6. 面对不确定性保持谦逊：在这个不断变化的世界，没有人能够预知未来。因此，保持谦逊的态度，不断学习，是对待不确定性最好的方式。

通过这些策略的实施，我们能够在AI时代中找到自我提升和发展的机会，而不是被技术的浪潮所吞没。

在瞬息万变的AI时代中寻找定位

在这篇文章的最后，我希望大家都能够认识到，在AI时代中个人的探索和适应是一场既激动人心又富有挑战性的旅程。ChatGPT的新功能无疑增加了我们面临的挑战，同时也为我们带来了未知的机遇。让我们以开放的心态、持续的学习、跨领域的探索以及身体和心灵的平衡，迎接这个充满变化的新世界。

无论是作为开发者，还是作为父亲、母亲、朋友或者是一名终身求知者，每一个时刻我们都在塑造自我与AI的关系。我相信，如果我们积极拥抱变革，不断提升自己，未来将是充满可能性的。就像那些程序代码能够编织出令人惊叹的软件产品一样，我们的生命亦能在这个多彩的AI时代中织出精彩绝伦的人生篇章。

ChatGPT又发布了一堆新功能，普通人在AI时代应该如何应对最先出现在Tinyfool的个人网站。