AI越强,越要好好生活:普通人如何走出AI焦虑

2022年11月，ChatGPT刚刚发布，@林粒粒呀 所在的公司群突然“炸了”。大家疯狂截图、讨论：这么神奇吗？这么厉害吗？

那时的她还在亚马逊Alexa AI做软件工程师，日常工作就是和NLP模型打交道。另一边，@数字游牧人Samuel 也在摸索自己的下一步。一年后的春节假期，他每天晚上不睡觉，录DeepSeek视频到早上6点。

一个从多伦多大学计算机科学专业毕业，曾在亚马逊写代码，后来成为AI与编程讲师；一个从经管专业转到计算机，在微软工作4年后创业做AI，被称为“AI赚钱狂魔”。他们走过不同的路，却都在AI浪潮里不断寻找新的可能，也都经历过那种怕被落下的FOMO（Fear of Missing Out，错失恐惧症）情绪。

@林粒粒呀 和@数字游牧人Samuel 抖音主页

如今，AI已经可以帮我们写代码、做产品、处理工作流程。过去需要专业技能甚至团队协作才能完成的事情，正在被重新定义。那么，当“把东西做出来”的门槛不断降低，我们真正需要学的是什么？

本期《精选奇遇记》，邀请《搞钱女孩》主播@小辉，对话抖音精选作者@林粒粒呀、@数字游牧人Samuel，从他们各自走进AI的经历聊起，拆解代码、Agent与AI创业的具体实践，一起看看AI时代，一个人的创造力还能如何被重新打开。

今年高考季，@林粒粒呀 做了一个“自我使用说明书”，把历史人物的书信手稿、人生经历、言论日记等资料交给AI，再整理成一个可以根据用户输入进行互动的工具。

这个产品没有试图替考生做一个确定的选择，而是通过一系列引导，帮助他们认识自己，也从不同历史人物的人生经历中，获得一些思考和启发。

她说：“希望这个是发散式的，可能帮助他们坚定已有的想法和道路，不想弄成那种收敛的，或者说指导你要怎么做。”

从想法到落地，她只花了一天半。第一天，她在网上收集历史人物的生平资料，从中提炼他们的价值观和思维模型；剩下半天，用来搭建网站。产品发布后，不少人直接在评论区问“哪里能用”。她便把链接和二维码放到评论区，方便大家体验。

过去往往需要开发、设计等不同能力配合完成的事情，如今一个人借助AI，也可以先做出一个可用版本。

除了自己想做的产品，@林粒粒呀 也会用AI解决工作中的具体需求。作为抖音AI与编程领域创作者，她在抖音分享Codex、OpenClaw等AI工具的使用教程，也通过课程和训练营帮助更多人学习AI应用。

在训练营运营过程中，她发现一些重复性的管理工作同样可以交给AI完成。比如训练营有不同期次同时进行，班主任需要同时跟进几期学员，每一期每一周要完成的事情又不一样。她就把团队原有的SOP直接告诉AI，让它做一个排期工具，帮助相关岗位追踪待办。

“AI很大的一个价值就在于，它可以做很多定制化的东西。”她说。很多具体需求，市面上未必有完全匹配的软件。以前可能需要企业内部的IT人员开发一个网站，现在通过自然语言描述需求，就能先把工具做出来。

如果说@林粒粒呀 展示的是AI如何帮助人把想法变成产品，@数字游牧人Samuel 关注的，则是AI进一步参与执行任务的可能。

他曾经让Agent操作一款游戏。面对一个复杂的游戏界面，Agent并不知道游戏规则，只能一边观察画面，一边判断下一步该做什么。它会自己寻找每日任务，进入战斗，检查任务有没有完成，领取奖励，再继续寻找下一个目标。如果发现某种方法行不通，它还会调整方式继续尝试。

在他看来，Agent和普通聊天式AI最大的区别，是它不仅可以回答问题，还可以调用电脑上的各种工具，完成连续的任务。而Skill则更像是提前整理好的一套方法和流程，帮助Agent知道某类任务应该如何处理，比如先调用什么工具，再进行哪一步。

AI参与越来越多的工作，也让不少人开始思考：如果过去需要新人一步步熟悉的基础工作，AI也可以完成，那么自己还能从哪里开始积累？

@数字游牧人Samuel 给出了自己的判断：“AI吞掉的是那些有经验的人的经验，你本来就没什么经验，你没有失去什么东西。”

@林粒粒呀 也提到这背后的“路径依赖”问题。经验丰富的人往往已经形成了一套成熟的工作方法，知道什么流程更有效、什么工具更顺手。但当新的AI工作方式出现时，过去形成的习惯也可能变成一种固定路径。相反，没有太多既有经验的人，反而更容易直接采用新的方式。

与此同时，AI能完成任务，也不代表结果一定可靠。

@数字游牧人Samuel 分享过一个招聘场景：他曾经让AI帮忙筛选简历，发现AI很容易被一些看起来很厉害的比赛名称、学校头衔等信息吸引，把实际含金量并不高的经历排在很前面。

另一个问题，则来自大模型本身的工作方式。@林粒粒呀 解释，大语言模型本质上是在预测“下一个最有可能出现的Token”，有点像不断进行文字接龙。在面对需要精确计算的问题时，如果没有调用外部工具，它甚至可能一路“猜”出一个看起来合理、实际上并不准确的答案。

所以，在使用AI时，重要的不只是让它完成任务，也要知道什么时候需要重新判断。@数字游牧人Samuel 指出：对于大模型来说，判断一个结果是否正确，往往比直接完成这个任务更容易。比如可以让它检查已有答案，或者把同一个问题放到新的对话里重新验证，而不是一直沿着原来的思路继续推导。

但这些使用方法，并不意味着人可以完全不了解背后的原理。@林粒粒呀 提到，现在确实不用像过去一样背大量编程语法，但基本的编程逻辑和大模型原理仍然重要。例如，一个网站什么时候需要数据库，模型API如何工作，网站又如何部署。了解这些基础知识，才能更好判断AI给出的方案是否合理。

AI工具一直在变化，今天可能是一个新模型，明天又会出现新的产品。但@林粒粒呀 认为，比不断追逐每一个新工具，更重要的是理解那些变化没那么快的底层知识。

她表示：“越底层的东西它可能变化得是越少的，不管是新的产品，新的模型，其实它的迭代都没有逃离中间的内核，你就会从很多的变化之中看到不变。”

AI降低了创造的门槛，但创造的起点并没有改变。在@林粒粒呀 看来，很多AI产品最后服务的，还是碳基生命。

她观察到，有人因为自己需要记账，做了一个聊天式的微信记账工具，后来有两万多人使用；有人因为喜欢音乐，用音乐AI搭建适用于不同场景的音乐工作流；也有人看到制造业和数字化转型中的实际需求，组建团队做商业软件。

这些事情的出发点，并不是先有了一个AI工具，再去寻找它能做什么，而是生活中本来就存在一个需求、一种兴趣，或者一群具体的人。工具提供了新的实现方式，但需求往往先于工具出现。

@林粒粒呀 表示，创造这个动作已经不再稀缺的时候，创造什么会变得更加的重要。“你要珍惜自己的爱好，也要珍惜身边人的圈子。只有真实的去生活，你才能够洞察到这一些的需求。”

在抖音，这种“从生活里长出来”的需求也很常见。有人用AI做拼豆图，有人围绕串珠找到新的创作方向，也有人帮摇滚乐队做符合调性的网站。

@数字游牧人Samuel 坦言，作为一个不买手串的人，自己完全不知道有这种需求存在，但对于真正喜欢的人来说，这可能就是一个具体而真实的问题。“有大量很小的需求，只有那个人自己能做出来，而当它真的被做出来之后，同行可能恰恰很需要。”

找到需求之后，下一步就是去做。

而在AI时代，“做”也不意味着要先把所有东西学会。@林粒粒呀 提到，过去人们很容易陷入一种“先学完、再开始”的思路，但现在更适合反过来：先想清楚自己想要什么结果，再去决定需要掌握什么。有些东西可以自己了解，有些则可以直接交给AI完成。

@数字游牧人Samuel 的建议很直接：“先做一个垃圾出来。”想做什么，就直接用AI去做；想做软件，就先把软件做出来，不知道怎么上架，就继续问AI怎么上架。与其等待一个完全准备好的时刻，不如先完成第一个版本，再根据真实反馈不断修改。

他自己也一直很认可这种方式。做内容时，他不会等到一个视频做到完美才发布，而是在持续发布中观察反馈、调整方向。“我仍然会觉得我每个视频都剪得很烂。但是没关系，下一个会更好，只要有一个地方稍微优化一点就好。”

回到真实生活里寻找需求，再把想做的事情真正做出来。也许这就是AI让创造变得更容易之后，留给我们的另一种可能。

想了解更多AI创作故事或技巧，可在抖音观看视频播客《精选奇遇记》，也欢迎前往小宇宙等播客平台搜索并关注「精选奇遇记」，收听完整对谈。