AI时代,工具退到幕后,自然语言来到台前我跟它说，帮我写一个Python脚本，读取一个CSV文件，把第三列大于50的行挑出来，存成新的文件。你知道这种感觉吗，就是你突然意识到，有些东西已经彻底变了。我根本没有打开任何文档，没有查任何API，没有学任何新的工具。如果放在十年前，你跟一个程序员说，直接用自然语言就能让电脑写代码，他大概会觉得你在讲科幻小说。因为从计算机被发明出来的第一天起，人和机器之间的交互，就是由「工具」作为中介的。打孔卡时代，你想让IBM 029读你的指令，你得在卡片上打洞。后来有了命令行，你得记住grep、awk、sed，记住哪条命令后面跟什么参数。再后来有了图形界面，GUI，你不用记命令了，但你要学「用鼠标点击哪个图标」「哪个菜单下面藏着什么功能」。1979年，施乐PARC，硅谷历史上最传奇的研发中心之一。史蒂夫·乔布斯被邀请去参观，他看到了Alto电脑，一台有着图形界面的、用鼠标操作的机器。乔布斯后来回忆说，他进去看了十分钟，出来之后，整个人是懵的。这是人机交互史上第一次大规模的革命，把命令行藏起来，让图标和鼠标变成人和机器之间的新中介。你要用图形界面，你就得学，哪些图标代表什么功能，菜单栏藏在哪，双击和单击有什么区别，右键菜单里有哪些选项。工具换了，但「人需要学习工具」这件事，从来没变过。这个产品的想法非常前卫，甚至可以说，超前了整整三十年。Bob的想法是，你不用学Windows的那些菜单和按钮了，你直接跟一个卡通的管家聊天，告诉它你想做什么，它帮你完成。结果我们都知道，Bob惨败，被载入了「科技史上最失败的products」名单。Bob背后的技术，坦率的讲就是关键词匹配，你说「打开写字板」，它识别到了「写字板」这三个字，然后帮你点开。你说稍微复杂一点的，比如「帮我给妈妈写封信」，它就傻了。「用自然语言跟手机交互」，这个Bob没做到的事情，苹果说，我来。你对着手机说，帮我订一张明天去纽约的机票，它就能帮你订。Siri变成了，你跟它说「帮我订机票」，它会帮你打开携程。Alexa也是一样，亚马逊花了几十亿美元，把Alexa塞进了几千万个家庭。但它的使用场景，99%是「设个闹钟」「查个天气」「放首歌」。你想让它做复杂一点的事情，它就会说，抱歉，我还不会这个。出在，它们所谓的「自然语言交互」，说到底还是触发词匹配。你说「Alexa, play music」，它播放音乐。但你不能说「Alexa, 帮我挑一首适合雨天听的歌，要那种有点忧伤但不至于太丧的」。它不是在理解你的自然语言，它是在匹配预设的指令集。我不需要跟你复盘这件事的意义，因为你应该还记得，那种「卧槽」的感觉。你可以用蹩脚的英语跟它聊，你可以用含糊不清的描述跟它说你的需求，它就能懂。你跟它说，帮我写一个故事，主角是一个退休的杀手，现在在开面包店，有一天他以前的搭档找上门来了。你跟它说，帮我分析一下这段代码的bug在哪，我怀疑是内存泄漏，但我找不到在哪。你甚至可以直接跟它说，我不知道怎么描述我的需求，但我给你看一个例子，你照着这个风格帮我做。你不需要学任何新的界面，不需要记住任何菜单的位置，不需要知道任何API的名字。以前，界面是工具，自然语言是用来描述你想做什么的辅助手段。你不需要「学习如何使用AI」，你只需要「知道你想做什么」。这两者之间的差别，比从命令行到图形界面的差别，还要大。因为图形界面仍然要求你学习工具，而自然语言界面，要求的是工具来适应你。维特根斯坦在《逻辑哲学论》里写过一句话，我的语言的界限，就是我的世界的界限。这句话有很多层含义，其中一层是，语言不仅仅是表达思想的工具，语言本身就是思想的存在方式。当你只能用命令行跟电脑交互的时候，你的思想必须被「翻译」成命令，才能被机器执行。当你可以直接用自然语言跟AI交互的时候，你的思想不需要被翻译，它直接就是输入。当媒介（工具）足够透明的时候，内容（你的意图）就直接传递了。AI做的事情，就是让「自然语言」这个媒介，变得足够透明。透明到你觉得，你不是在跟一个工具交互，你是在跟一个，嗯，有点聪明的同事交互。人类历史上，每一次「媒介变得透明」的时刻，都是一次巨大的解放。古腾堡印刷术，让知识的传播不再依赖手工抄写，知识变得透明了。电报的发明，让信息的传递不再依赖马匹和船只，距离变得透明了。互联网的出现，让信息的获取不再依赖图书馆和书店，搜索变得透明了。但之前的每一次，工具退到幕后之后，还会有新的工具走到台前。互联网普及之后，你还是需要学会用浏览器、用搜索引擎、用各种网站。AI有可能，是第一次，让工具真正退场，而不再有任何新的工具取而代之。它隐形的方法，就是让自己看起来不像一个工具，而像一个对话者。他们最值钱的能力，是「能把用户的需求，翻译成产品的功能」。产品经理翻译成，做一个信息流，支持图片上传，支持点赞和评论。因为用户不会说「我要一个信息流」，用户只会说「我想分享照片」。用户直接跟AI说，帮我做一个网站，我要展示我的摄影作品，要简约大方的风格。你想拍一部电影，你得学摄影机怎么用、灯光怎么打、剪辑软件怎么操作。你想写一本小说，你得学怎么排版、怎么投稿、怎么跟编辑沟通。你想做一款游戏，你得学C++、学Unity、学美术资源的制作。你有创造力，但如果你跨不过工具门槛，你的创造力就无法变成作品。你不会画画，但你可以跟Midjourney说，帮我画一个赛博朋克风格的城市夜景，要有霓虹灯和雨后的反光。你不会写代码，但你可以跟Claude Code说，帮我做一个番茄钟应用，要有统计功能。你不会剪辑，但你可以跟剪映的AI说，帮我把这段视频剪成一个30秒的短视频，要节奏感强的。如果你说不清楚你想要什么样的网站、什么样的画、什么样的文章呢。工具退场了，但「用自然语言精确表达意图」这件事，变成了新的瓶颈。以前是「我不会用这个工具」，现在是「我不知道怎么描述我想要的」。因为前者你可以学，后者需要你真正地、深刻地理解自己想要什么。亨利·福特说过一句话，如果我当年去问顾客他们想要什么，他们会告诉我，想要一匹更快的马。这句话被引用了无数次，用来说明「用户不知道自己想要什么，你需要替他们发明」。顾客说「想要一匹更快的马」，这是他们能想到的最好的表达方式。从「更快的马」到「汽车」，中间需要的不是更好的马，而是重新定义问题本身的能力。当你跟AI说「帮我写一段代码」，这是一个粗糙的表达。当你跟AI说「我需要一个能自动抓取网页数据并存入数据库的工具，要处理反爬虫机制」，这是一个精确的表达。所以工具退场之后，来到台前的不仅仅是自然语言，更是「用自然语言精确表达复杂意图」的能力。古希腊的修辞学，坦率的讲就是在研究，怎么用语言说服别人。孔子的「一言以兴邦，一言以丧邦」，也是在说语言的力量。但以前的修辞学和语言表达，主要用在人与人之间的交流。你要说服你的盟友，你要打动你的听众，你要用精准的语言表达你的思想。你要「说服」AI理解你的真实意图，你要「打动」AI生成你想要的内容，你要用精准的语言「 prompt 」AI给出最好的结果。所以这个时代出现了一个很新奇的职业，叫「提示词工程师」。因为他们做的不是「工程」，他们做的其实是，「用自然语言精确地表达复杂意图」。这更像是一个作家、一个导演、一个产品经理合体的工作。写出来之后我意识到，我从头到尾，没有碰过任何工具。我没有打开编辑器，没有查过任何文档，没有编译过任何代码。这种感觉，就像你走进一家餐厅，你不需要知道厨房在哪、厨师用什么锅、食材从哪来。AI就是那个服务员，而且它还能把你的需求直接传达给厨房，甚至，它自己就是厨房。1927年，贝尔实验室，一个人站在一台巨大的机器前面。这台机器叫「Voder」，是世界上第一台电子语音合成设备。操作它的人，需要用手在键盘上弹奏，来控制音高、音色和节奏，从而「合成」出人类语音。你可以把Voder理解为，人类试图让机器「说话」的第一次尝试。这99年里，我们一直在做同一件事，让工具越来越透明，让表达越来越自然。
夜雨聆风