大语言模型改变了你的工作方式吗

[hitsmaxft]

过去一年都在 AIGC 项目中，也见证了模型工程的起起伏伏，好像是有那么点技术含量，但是说到底还是力大砖飞，作为开发人员参与了，但感觉还是泡沫感大于兴奋。

就我个人而言，有一些改变吧，毕竟分流了一些杂七杂八的搜索需求，比如生活常识啥的。

在专业工作，说到底总不至于比这模型弱吧，基本排不上用场，虽说能覆盖一些知识盲区，但都不如搜一篇深度文章看完来得实在，最后还是直接看代码，模型在总结多文件内容的效果也达不到要求。

说到底一个专业问题，并不存在什么 a b c 单选，就是需要结合具体问题分析出方案。

反而如果这个问题已经被人解决过无数遍的 crud 问题，那确实很适合 chatgpt 。这不正说明了 ai 也就是合适解决重复难度不高的问题。

在低难度一点的方面，我个人 side project 是嵌入式方向的，也就是省了翻书查基础知识，让 llm 从一堆旧 pdf datasheet 帮我把流和引脚对应关系精炼出来，也没成功，最后还是自己看了，坦白说也有 pdf 格式太复杂的缘故，但如果需要给出精准的资料才能得出结论，那基本上我选出合适的资料的时候都有结论了。 这也不难理解，一堆 rag 还得靠底下包了一个传统搜索引擎来保证召回精准度，比如包个 google 🙂。

在和 qmk 社区交流的时候，就发现社区人员非常抵触 chatgpt ，表示这玩意严重误导用户，加重他们的答疑成本。

提个我个人体感不错的方面，gpt 对我学日语倒是帮助挺大的，把不懂的句子发个 chatgpt ，能从语法分析到例句都解释得很详细。考虑我本身还处于入门水平，所以 gpt 确实是菜鸟的好工具。

不过怎么说，chatgpt 的出现无异是最近两年里最令人兴奋的互联网技术了，但是会不会就是昙花一现，出道即巅峰呢？

各位呢？

[phrack]

还是挺有用的，copilot 用一两个月了起码节省了我两个小时的时间。

[msg7086]

翻译从自己翻变成了先让 AI 翻译然后再校对一遍。你还别说，AI 选的词常常比我自己想的好。

[idragonet]

肯定的！之前是 Google 为主，现在 GPT4 为主，Google 为辅。 指导小孩写作业也不怕了，自己现在是“语文数学英语样样精通！”

[charslee013]

同一年 AIGC 项目经验，值得肯定的是目前大模型已经解决了“重复劳动"这件事情了，我自己在用的有：编码的 github copilot ，搜索用 RAG+传统引擎，二次元图片推荐有向量数据库（也可以当作小说检索器），AI 语音以及 AI 翻唱都在用 BV2 或者 DDSP ，公司内就有部署 Dify 作为 Agent 调用 LLM 已经合并到一些工作流中了。

现在感觉 AI 的泡沫还是不够大，明明是改变了世界的玩意看国内融资情况远不如 web3 、区块链时期。

[MeePawn666]

没有，大语言模型改变了我的工作内容（

[murmur]

改变了，现在写项目申请书必用 ai ，ai 写项目背景、社会效益这些编的太好了

[Youkexin]

copilot 确实太好用了, 一用就离不开了, 平时文档和翻译也基本靠 AI 了, 这波大模型还是带来了一些工作习惯的变化的, 很赞

[macaodoll]

什么都能问，不要太方便，就是避免不了各种奇怪的错误

[ZGame]

@phrack 你确定只有两个小时吗

[smdbh]

主要问题是答案不一定正确，如果不过脑子就很坑。传统搜索的结果一般都是博客或是论坛，答案可能不匹配问题，但操作一般都是对的。

[wweerrgtc]

@ZGame #9 应该是每天节省 2 小时吧

[jydeng]

确实有点用，提升了一些工作效率，但还有很大的空间，期待一下。

[kenshinhu]

AI 目前对我最大的用处就是学习和加深对知识内容的了解

[foam]

@charslee013 请教下用 dify 实现了什么工作流呢？

[sunamask]

op 的视角还是局限在“互联网/计算机从业者如何在工作中使用 LLM”。

这一轮 AI 热潮，如果往好的方向想是革命性的，会改变普通人和互联网交互方式，其程度可以比肩界面操作系统改变了“只有技术人员才能用电脑”，或者智能手机改变了“只有会用电脑的人才能用互联网”。

不如跳出工作，畅想一下未来（狂野地畅想！）普通人日常用 AI 的场合（比如刷抖音……），再在其中嵌套 AI 可以介入，可以优化的地方。你可能会发现很多非常据有潜力的点（比如你和评论中都提到的翻译）。而且看现在已经有的应用，虽然还非常初期但未来可期，已经可以变现并产生社会影响（眼看着老黄的股价坐三望二，要冲美股第一了）。所以我觉得这波 AI 浪潮不会昙花一现。

至于你说的“从业者社区抵触”，我觉得一项新技术刚面市时，离变革的台风眼越近的人越会产生抵触。比如中央电视台 -> 中国人民广播电台（“听说你想调岗去电视台？那单位刚成立，啥啥没有谁要去啊！咱们广播电台可是铁饭碗”）-> 网络电视/视频网站 -> 短视频。这种例子太多了，所有的头部大公司都在一定程度的投入 LLM 研究（还有之前的元宇宙/云游戏/流媒体/...），为的就是不在像这样的变迁浪潮中被甩下车（类似诺基亚）。

产生这种情况的原因，一方面可能是利益相关，这没什么好说的；另一方面我想是“智慧的诅咒”，他们知道的比普通人更多，对新技术的优缺点都了解更多，以至于放大了缺点，背负了包袱，承载更多的负面情绪。

[dacapoday]

日用 copilot 为主了，主要负责 各类对象、方法、变量命名候选，编写 shell 脚本，缩写答疑，草拟文档。用传统搜索引擎还要 过一遍大脑 提取关键词，而 AI 无论什么都接受，哪怕错别字。非常适合查询 抽象，难以名状的未知概念。AI 至少能给出相关术语。

[maclon]

我的摸鱼时间是 copilot 给的

[haiku]

llm 最适合语言学习
我用它练英语对话，真有用，能摧毁不少传统语言学习的市场了。

其次是大众领域的代码，Python ，SQL ，JavaScript ，HTML ，这些语料最多，各个公司也会花力气训练

小众一点的知识就差很多了，要结合 rag+prompt engineering 才行

[wangritian]

工作需要转到 java ，还有最重的 spring ，但在 gpt 的帮助下，没有任何阻碍，除了写业务甚至做了不少系统组件，放到 gpt 出现前差不多要双倍时间吧

[hero1874]

@haiku #18 练英语对话，老哥是用的哪个啊。

[haiku]

@hero1874 chat.g.pt app 和 piAI

[wangyaominde]

属于是极大提升从想法到 demo 的过程，前几天公司网络有波动，直接想能不能用 soc+屏幕做内外网监测，想法到实际能用也就二十分钟左右，现在是我桌子上的一个摆件，随时看网络有没有问题

[newshbb]

可以少雇佣员工

[yidinghe]

1. 查百科知识，比如“解释一下硫磺的毒性”，“涨价就一定等于通胀吗”，“为什么维生素 B 服用过量会导致尿颜色变成柠檬黄”等等。

2. 编码，一是简单的代码补完，省去了不少敲键盘的时间；二是给个例子，比如“给个简单的 logback 配置文件模板”，“给个在 Spring Security 中禁用 CSRF 的例子”。

3. 调戏 AI ，比如“为什么集体主义总是导致严重的个人崇拜”等等，然后看着 AI 主动关闭会话。

[charslee013]

@foam 大体上是灵感一类的，用户传入一些描述内容后，我们再根据用户的习惯作为历史记录，让 LLM 补充完整之类的。