输入输出全是文本的场景，尝试用大模型去提效
软件开发领域
市场调研
需求分析
PRD撰写
图形元素绘制
技术选型
代码生成(文本输入+GPT4V)
代码审查
编写测试用例
运维
最好最新的模型带来更好更新的能力
编程能力是大模型各项能力的天花板
技术leader
训练数据质量高
结果可衡量
编程语言无二义性
训练编程可提高大模型的推理能力
使用AI编程，除了解决编程问题以外，更重要是形成对AI的正确认知。
AI编程的适用场景
1.技术我懂，不想自己写。
- 帮我完成重复性工作
- 帮我完成也要费费脑子才能写出来代码
2.技术不大懂，让AI先做，自己边用边学。 - 当心ta犯错
- 当心给的不是最佳方案
- 如果完全不懂技术，AI编程的帮助不大
如果一个机器绝对不会犯错，它就不可能是智能的。-阿兰图灵
AI的幻觉不可完全消除，只能尽可能压制。
所以，使用者的判断力，决定了AI能力的上限.就像团队领导，是团队的上限一样。
AI能力定律：
AI能力的上限，是使用者的判断力 。
AI能力 = min(AI能力，使用者判断力)。
AI提效定律：
AI提升的效率，与使用者的判断力成正比，与生产力成反比 。
效率提升幅度 = 使用者判断力/使用者生产力。
解读
- 使用者的判断力，是最重要的。
- 提升判断力，比提升实操能力更重要。所谓”眼高手低”者的福音。（认知水平高也需要持续地努力，不要认为懒就是眼高）
- 广阔的视野是判断力的养料。
任何东西都有两面性，GPT也不例外，需要抑制使用它的缺点，发扬使用它的优点，可以不那么严谨地类比搜索引擎对使用它的人影响。