截止现在我对当下Ai时代的一些碎碎念

在当下这个ai的时代，像我目前的程序员工作已经99%的代码交由ai来写了，自己仅做一些逻辑把控，还是得知道ai写的代码的作用，以及修正ai写的错误代码。

有时候ai写的代码会很冗余，但其实多此一举，所以这种情况时就要告诉ai要怎么做，但是又不能跟ai说不能这样，以及下次也不能这，只能告诉ai这种情况下要避免这样做。

举个我的真实例子：我有个素材列表接口要加个来源筛选字段。

这个字段的值为：手动上传以及ai生成，支持多传，但是ai却在接口上加个两个字段，一个字段为source、一个字段为sources，传一个时用source字段，多传时就用sources字段，虽然能实现我想要的功能，但是有点多此一举了，这里只要保留sources字段即可，这样单传和多传都支持了。

所以结论是：ai还是不能完全代替人。

最近也参加了两场关于ai的技术会议，好像也没啥新技术了，都是诸如openclaw、skills、rag、harness、知识库这些内容，我发现还是有很多人不会这些，甚至基础的内容和原理都不会，这类技术会议更像是一些面向大众的科普。

但也有很少一部分人是真正利用ai赚到钱了，ai也在很多领域开花，也会有很多需求，下图是我在上次会议中了解到的ai的一些政府的需求：

也看到了很多优秀企业在各行各业利用ai开发的能解决问题的应用，才知道原来这些领域也有人在其中，总之ai应用这个方向是目前时代的趋势。

前几天看网上一些信息展示了openai最新的模型gpt-image-2的强大，出的图已经完全可以以假乱真了，贴上几张效果图：这些都是ai生成的，在页面设计领域也有突破，像gork4.3：

我在之前的一些关于ai的技术展会中看到，ai应用的领域多种多样，如：城市交通，ai自动根据车流大小调整红绿灯时间，如果有救护车则直接变绿灯。

还有医学方面的研究，ai帮助研究人员快速分析如何研制出某个病毒的疫苗，等等…

ai时代里，每次的对话都需要消耗真实的钱，这也是一笔不小的开支，如果按正常一天8小时使用ai且是普通模型的情况下，大概每天的开销在3-400元人民币，甚至更高的一天可能要1000元人民币，所以我感觉虽然ai很普及了，但是token的高价值消耗也会阻碍人们使用ai的频次。

要使用ai，有很多渠道，一般是：

自己购买官方的token，国内还方便一点，像千问、豆包、阿里这些头部厂商可以用微信、支付宝支付，但是国内的gemini、openai、claude code这些顶流大模型就得翻墙且有国内的信用卡才能支付，就有一定的难度。
买国内中转站的token，这类中转站的作用就是代理国外的大模型，省去需要翻墙或者需要国外信用卡才能支付的不便，但会存在的问题是：一个不稳定，可能会随时跑路，没有保障。二个是其提供的模型可能是假的，声称提供模型a（贵的），但背后可能用的模型b（便宜的），用户充了贵的模型的钱，但是使用的确实便宜的模型，就好比冲了100块钱买了10块钱的东西，商家把东西掉包了。还有一个问题就是，你调用中转站，中转站可能会把你的输入的内容存下来，你的隐私得不到保障，中转站可能会拿你的数据去贩卖赚钱。所以如果确实需要用中转站，那么需要选择知名度高、大公司的产品。
使用一些公益站提供的token，这类公益站大多是批量注册账号，建立自己的号池，免费给大家使用，遇到这种就且用且珍惜，存在问题的问题第二点中有讲，也会存在随时跑路的风险，因为官方政策并不是一成不变，可能官方政策一变，账号就都用不了了，中转站也会因此提供不了服务。
本地自建算力，自己搭建大模型服务。这种是最省心，不用担心数据泄露和跑路了。因为数据都在本地，只要机器在跑，就能提供服务给自己用，但缺陷也很明显，就是自建算力，往往成本很高，像目前英伟达最强的80g显存的h100型号显卡，单卡售价在20万人民币，普通的能跑稍高参数的显卡也得1万往上了，有预算又想稳定的可以考虑购买显卡自建算力。
通过某些方式可以白嫖一些大模型服务，但此类方式一般不能使用最强的模型，像kiro可以通过批量注册的方式白嫖体验额度。英伟达官方也有免费额度、一些其他中转站也会提供一些弱模型的免费体验。

我呢也还是在ai这个领域工作，做一些ai应用的开发，没有涉及的太深，以上呢是我这些年的一些体验和见闻以及心得。

这个时代技术的发展日新月异，知识是学不完的，出来一个新技术后，可能用不了多久就过时了，ai还没出来的时候，看着自然语言理解这些文字感觉好有技术难度，但随着ai出来，这些现在都没人提及了。

我们使用ai从之前仅仅通过提示词就能让ai有一个好的产出，我们叫它提示词工程，到需要rag来让ai增强回答，随着不断使用，每个技术都出现了瓶颈。

随着和ai对话轮次的增加，上下文也是不断累加，又出现了上下文管理，如何做才能让上下文不超标，就需要在有限的上下文中完成无限的任务。

随后又出现了skills这个概念，提示词越来越多后，管理是个麻烦，总不能每次用ai都输入一大堆提示词吧？claude是涉及了一个command，但是好像不怎么火，实际也是管理提示词，把一个大提示词存到一个文件，使用的时候输入文件名即可，但是不能动态知道要使用哪个提示词。 skills就是为了解决这个问题而生，提问后自动识别要使用哪个提示词，什么场景使用什么提示词来完成什么任务，职责单一。

庆幸自己还有跟上ai时代的脚步，但是好像并没有从这个时代获利，都说风口来了，猪都能飞，我好像站在风口不为所动，我也不胖啊。