@qq1147 确实是，agent 要跟它明确说先不要改。
@sentinelK 尤其是加上测试用例后效果更好。
@bbao 目前还没试过用 AI 搭框架，不过代码里很多基础的方案确实是 AI 提出候选方案然后我来选择的。

有一个高频质疑你好像没有回应：成本。

```
收入（ Revenue / Sales ）
│
├─ 减：销售成本（ COGS ）
│ └── 得到：毛利润（ Gross Profit ）
│
├─ 减：运营费用（管理、销售、研发等）
│ └── 得到：经营利润（ Operating Profit ）
│
├─ 减：利息、税收、投资损益等
│ └── 得到：净利润（ Net Profit ）
```

2024 年​​美团单均经营利润提升至 ​​1.4 元/单（ 2022 年为 1.05 元/单, 2023 年 1.2/单）。
换句话说，一单外卖，不算扣税，美团股东能到手 1.4 元。
假如美团向商家和消费者收取了 30%费用，里面除了 1.4 元，都是成本：配送、客服履约、管理、销售、研发。
而扣完税之后的净利润率，大概 2%，也就是一单价格的 2%是给到美团股东的利润。


另外，我想到一个很有意思的问题。
前一阵美国的编剧和演员工会，与影视制片人联盟间出现劳资纠纷，前者要求后者支付流媒体的重播费。
我很好奇这种怎么在线上达成妥协和合约。这肯定是要组织起来，以集体的名义去讨价还价的，各自为战不可能达成平衡。
而中国是绝对不会允许这种有组织的情况出现的，无论是线上还是线下。

可以啊！这一屏是 500 个单词，6 屏就是 3000 个。够劲儿！

看一下这个（统计各家的 token 用量）： https://openrouter.ai/rankings/programming?view=week
来自 v 站的帖子： /t/1128800

发个招聘，一点诚意也没有。

我来反驳一下。我不懂股票，但是我懂一些基本常识。

投资，无非就是从经济增长中分得一杯羹。自己不创造价值，但是把钱给到那些可以创造价值的人，分享收益。假设经济体平均增速是 5%，那么收益到 5%，就是分享到了经济增长。

除此之外的超额收益，无非就是 2 种：
1 是零和博弈，你赚到的就是别人亏掉的，无疑是在赌博；
2 是你慧眼识珠找到了一个潜力股或者白马股，从而获得了远超平均的收益，但潜力股有风险，白马股有泡沫；

「自己不直接创造价值，但是把钱给到那些可以创造价值的人，分享收益」隐含的其实是，虽然表面上你是在投资，但实际上你是在寻找那些产生更高价值的领域。

可是有多少人擅长这样做呢？仅仅靠一个爱阅读的爱好，就可以做到了？没有什么致胜法宝，容易得来的终究容易失去。

@cry0816 好像 Google 目前只开放给了科学研究人员。

@XerWandeRer 我数了一下白皮书的作者，大概 11 个人，相当于 11 个人做了一次「杂交」试验。轮子转得太快了。

我也很奇怪，为什么不做一个这样的混水阀：
在舒适的温度区间，比如 40 度~50 度之间，转一定角度调节 10%的混水量，在其他区间，转相同角度调节 30%的混水量。这样可以更精细的调节洗澡时的水温区间。

楼上有几个强调他加入一些「他本人的见解」，而不仅仅是「分享发现」。我觉得这是非常不公平的说法！
他自己整理这份周刊的目标，就是因为他「觉得」追踪技术的发展，可以把握住机会。这份周刊的产生自身就表达了某种他的观点。

我对他的 2 个观点印象比较深，1 是「卖时间不如卖产品」，2 是「拥有收入不如拥有资产」，这 2 个观点其实比较相似。它们乍一看会非常吸引人，让人产生恍然大悟的感觉。但是，经过深入分析后，才会发现有些偏颇。这个过程是一个逐步发现的过程，而恰恰是他的观点，让人经历大悟、反思、大醒。

所以，我不认为他提出自己的观点有什么问题。如果这些观点不值一驳，那么早就没人去看他的周刊了，恰恰是这些观点确实能给人带来启发，大家才会去看。一个没有附加个性观点的周刊，在我看来，远不如有作者自己观点的吸引人。

@yidinghe OP 的意思是删除第 2 行代码后，还需要第 3 行的函数改为调用 a 变量，而不是 a_1 。如果说实习生的意思是删了再重写 fun1 ，但是 OP 已经明确说了不需要调用 fun1 。配合后面 OP 说的他们连自己写的代码都讲述不出来，估计八成是用 AI 写的。

OP 估计够郁闷的。即使用 AI ，自己也要理解代码啊。就这样他们能交付代码吗？

我感觉是因为编程是可以**低成本验证**的：

**验证**：
AI 可以自己将编写的代码，在测试环境编译、运行，然后 AI 自己也可以确认结果是否正确。这里的正确性分为 2 种，一种是编译出错、运行崩溃这种，另一种是不符合用户需求，比如组件位置不对、点击后切换的界面不对。这些东西，即使是人，也不能保证一次编码就可以搞定。AI 当然也不能。但是，它可以根据出错的信息，去调试对应的代码！然后再运行，再继续。这是一个完整的闭环，需要的人工介入非常少。因为它可以听懂自然语言，把关键的需求用自然语言描述就可以。像是组件位置不对、切换后的页面不对、API 返回的数据不对，这些甚至都不用人去告诉它就可以自己验证、判断。换句话说，我们只需要用自然语言给他很少的指令，它就可以全自动运行。现在的问题就是，如果让 AI 自己去调试代码，它能不能搞定！我相信 2 ，3 年内肯定可以。

**低成本**：
上面的闭环，都是发生在计算机环境、测试环境中的；而且测试完成后，可以很容易部署到真实环境，几乎无差别。成本极低。


试想一下，其他哪个领域可以做到上述的低成本验证呢？
医疗。AI 提出一些治疗方案，怎么验证它说的是不是对的？或者给专家评估，或者实际测试。这些成本非常高。
同样的，教育、工业、建筑，这些领域都很难低成本验证。注意是低成本的。
动画、视频这些，都有很多主观的标准。你让 AI 生成一个图片视频，怎么评估它是不是符合生成的要求呢？很难自动化。而且目前的 AI 好像也无法做到很精确的生成图片和视频。

我感觉编程对于 AI 来说，是自带飞轮效应的。这也是为什么都拼命挤到编程代理这个赛道上。很可悲。

非常有意思，我决定去试一下。

@catazshadow 我问你敢不敢赌？别顾左右而言他啊。敢就赌，不敢就承认自己对自己的话都没有信心。
而且标准很明确，而且赌注的金额你可以自己定！

不敢赌，以后就别大放厥词！人要对自己的言行负责！

@catazshadow 楼主，你口口声声说 LLM 没有智能，只是统计学鹦鹉。那什么才是你的标准呢？

口说无凭，我最喜欢的就是用真金白银说话，这么着，我划一个道儿，看你敢不敢接：

我跟你赌 10 万块钱，如果你是一个程序员，3 年内，基于 LLM 的编程能力能达到或超过你的水平。

这个也很容易验证，给定任何一个软件的实现需求，双方(LLM 和 OP)作为程序员，去接受需求、并提出关于需求的疑问、然后开发、测试、部署。可以查询 Google 等资料，但是不允许问其他的 AI 。需求提出方、疑问解答方、验收方，都是相同的人类。

这样的水平你觉得算是有智能吗？我敢跟你赌 10 万块！！你敢吗？

@coefuqin 另外，别拿你学的那些书本知识在这儿显摆，我用常识和推理就能打败你。你强的话，回答一下#60 楼我提出的问题，可别在这儿猪鼻子插大葱，自个儿给自个儿抬轿。