AI正在重塑技术工作的基本形态

在AI工具快速进化的当下，我最近完成了一个个人AI知识库的搭建过程，全程几乎没有写过一行程式码，这让我对技术门槛的改变既感到振奋，也隐约带来一丝不安。

从结果来看，这个系统已能有效整理并调用我过去积累的知识资产（包括数百本电子书与报告），而整个搭建过程，主要是透过自然语言与AI协作完成。这意味着，过去需要一定编程能力才能实现的事情，如今正逐步转变为「用语言组织逻辑」来实现。

具体而言，我首先在AI的建议下使用 Calibre 将约700本 .mobi 电子书转换为 .txt 格式，为后续文本处理做准备。接着，在探索本地AI知识库方案时，我原本考虑使用 Obsidian，但基于自动化与整合能力，最终选择了 PrivateGPT 作为核心架构。

在实际部署过程中，也遇到了一些典型但关键的技术挑战。例如，初始模型对中文支持不足，因此改为安装 Qwen2.5（约4.7GB），成功提升中文语境下的可用性。然而随之而来的是另一个限制：输入内容长度超过模型的 context length。最终透过更换解码器来解决。

值得注意的是，整个过程我并没有实际编写程式码，而是完全依赖语音输入，以广东话向AI下达指令，逐步完成系统搭建。这种以语言驱动开发「vibe coding」的体验，显示出AI正在重塑技术工作的基本形态。

这也带来一个不容忽视的现实：

对于非技术背景的人而言，这是一种前所未有的机会，技术门槛正在下降，创造力与问题拆解能力变得更加重要；但对于传统技术路径上的初阶程式开发者，这可能意味着竞争结构的重塑，甚至某种程度的替代压力。

因此，与其单纯乐观或悲观，更实际的态度或许是：及早理解这种人机协作模式，并重新定位自身价值，从「写代码的人」，转向「设计问题与指挥AI的人」。