ARTICLE · 1183869
AI能编程,不代表你能用它做可交付的软件
AI能编程,不代表你能用它做可交付的软件从杭州回来后，一直处于学习状态。 学习的意思就是打开书读，打开网页浏览，打开CLI探索。 直到碰上一个项目，发现不会。 项目是制作软件，有AI功能。 
先说工业，工业领域有很多分工，常见的有土建，环化，热工，机务，运行。 有一次我有一个任务，要加一套设备，对方跟我说，需要打光谱。这是我第一次听说还有这么个工序。而专门打光谱的人，拿着设备一测，说管道是碳钢，我问为何？他指着仪器说看Mn含量，那是化学元素锰，多少年我都没接触过了。 我负责的任务并不难，但是遇到了太多没接触过的器件和专业，这些知识没在我的认知范围，自然也就无法调用。比如垫片需要退火，而同时资产转固也是长长的流程。 这就是笑来老师所说的search scope。 哪怕有AI，也并非短期内可以全部知道。 软件也是如此，AI再强大，它能开发出来，可是后期维护也是个问题，新增功能也是问题。 现阶段，小的任务可以用AI辅助来完成，而稍微复杂的系统还是要专业人员，最好是对AI有深度理解的程序员。 这让我转变了思路，找既懂AI又懂软件的人，幸好平时团队里有这样的人。 接下来就是大家一起解决业务问题。 
这个过程让我认识到，学无止境，不能只学习，不实践，不然那些知识散落在各处，串不起来。 学习是最简单的，实践中会碰到协调，意外，摩擦，这是书上没写的，我最近在读《Build》，书里写得多么好，现实中就有多么脱节，根本用不上。 Thomas Sowell说，用嘴说话是简单的，用真金白银投票才能看出实际想干什么。 他说的是那些经济学家们，可日常工作中，我们也会遇到这种情况，你说自己干什么，以及实际在做什么，是两回事。 实际业务中也需要分工，并非AI可以解决一切，也可以说现实还没有为AI准备好一切，但恰是在这个阶段，每多做一点，就是经验积累。 这也让人看到能力边界，不是什么都能做，AI做出原型没问题，后期维护却是长期的过程。 做一个不断迭代的产品，起步可以。 做一个可以交付的产品，需要稳定。
