这两天没有更新，不是因为我懒（还能因为什么），因为主力写作辅助Cursor忙别的去了——Minimax Music 2.6 现在做活动，每天可以写一百首歌曲，Cursor的主要Tokens额度都花在写生成歌词的提示词、写歌词、写生成音乐的提示词以及写配套的脚本上了。其他“员工”呢？GLM最近终于基本恢复正常了，但是它被捆绑在Oh-My-Openagent的战车上，试图完成一些“伟大”的事情呢，Token额度倒是富裕但是它不让并发；GPT老师还是太权威了，不太好拿来写公众号；Minimax？躲在Claude Code里还被GPT老师训呢。说回Cursor写音乐生成流程这件事，因为确实做的太多了，它居然主动让我制作一个生成音乐的skill，这是我始料未及的。前两天用Hermes，那家伙倒是完成点什么就想记录成一个skill，Cursor用了很长时间，这还是第一次。制作一个skill，代表什么呢？这大概说明Cursor已经自认为完全掌握了整套流程，可以记录下来供以后直接使用。这个节点，大约也就对应着一个人，完成了某门课或者某一个方向的学习，精通了一项技能。马尔科姆·格拉德威尔提出过一个“一万小时定律”，即要成为特定领域的世界级专家，需要经历至少一万小时的刻意练习，这大约对应了四五年学习工作时间。我觉得这个理论可以从Tokens的角度重新看待：人类正常获取信息的速度最快也就是约10tokens每秒（忽略量子速读：）），每小时40000 Tokens，一万小时就是400M Tokens；当然还有一种学习的方式是输出，人类输出的速度也就是每秒2-3Tokens，就算连续嘚啵一万小时，那也就是100M Tokens。这也就是说，对于AI来讲，它完成同样学习的经济成本（按最贵的Claude Opus 4.7算），输入需要5刀*400=2000刀，输出需要25刀*100=2500刀。换言之，你的AI只需要不到5000刀就可以成为几乎任何领域的专家，作为能无障碍与它交流的我们，则可以共享专家待遇：）时间上来算呢？AI的接受输入速度是非常快的，大约在1000Tokens每秒这个级别，一周时间足够接收400M了，输出会慢一些，就当作50Tokens每秒，600小时也足够了，差不多一个月！可是这将会如何影响人类的学习方式呢？我想好的一方面是可以利用按照以上方式训练好的大模型，通过不断的提问-回答的方式，迅速掌握理论的本质；坏的一方面是知识获取太容易，我们也许就不太想再去思考那些原来获取知识过程中必经的问题结点，不太愿意去接触一些艰难的基础部分。比如，以后的小孩子去学习编程，会有古法编程路径和Agentic编程路径，学习古法编程的小朋友A也许会打下很好的基础，但是很难在最初一段时间收获极强的反馈；而Agentic的方式呢？只要小朋友B能够描述自己的需求，很快会收获快乐，这种快乐古法编程可能学习一年都收获不到。那么小朋友A会不会质疑自己的学习方式？小朋友B还有可能再去钻研代码吗？对于这两名小朋友来说，哪种方式才是对的呢？我觉得很难把这个问题想明白，而如果Agentic的方式真的是更优的，这就真的意味着整个学习范式都需要改变。
夜雨聆风
