大语言模型改变了你的工作方式吗

[hitsmaxft]

过去一年都在 AIGC 项目中，也见证了模型工程的起起伏伏，好像是有那么点技术含量，但是说到底还是力大砖飞，作为开发人员参与了，但感觉还是泡沫感大于兴奋。

就我个人而言，有一些改变吧，毕竟分流了一些杂七杂八的搜索需求，比如生活常识啥的。

在专业工作，说到底总不至于比这模型弱吧，基本排不上用场，虽说能覆盖一些知识盲区，但都不如搜一篇深度文章看完来得实在，最后还是直接看代码，模型在总结多文件内容的效果也达不到要求。

说到底一个专业问题，并不存在什么 a b c 单选，就是需要结合具体问题分析出方案。

反而如果这个问题已经被人解决过无数遍的 crud 问题，那确实很适合 chatgpt 。这不正说明了 ai 也就是合适解决重复难度不高的问题。

在低难度一点的方面，我个人 side project 是嵌入式方向的，也就是省了翻书查基础知识，让 llm 从一堆旧 pdf datasheet 帮我把流和引脚对应关系精炼出来，也没成功，最后还是自己看了，坦白说也有 pdf 格式太复杂的缘故，但如果需要给出精准的资料才能得出结论，那基本上我选出合适的资料的时候都有结论了。 这也不难理解，一堆 rag 还得靠底下包了一个传统搜索引擎来保证召回精准度，比如包个 google 🙂。

在和 qmk 社区交流的时候，就发现社区人员非常抵触 chatgpt ，表示这玩意严重误导用户，加重他们的答疑成本。

提个我个人体感不错的方面，gpt 对我学日语倒是帮助挺大的，把不懂的句子发个 chatgpt ，能从语法分析到例句都解释得很详细。考虑我本身还处于入门水平，所以 gpt 确实是菜鸟的好工具。

不过怎么说，chatgpt 的出现无异是最近两年里最令人兴奋的互联网技术了，但是会不会就是昙花一现，出道即巅峰呢？

各位呢？

[haiku]

@hero1874 chat.g.pt app 和 piAI

[wangyaominde]

属于是极大提升从想法到 demo 的过程，前几天公司网络有波动，直接想能不能用 soc+屏幕做内外网监测，想法到实际能用也就二十分钟左右，现在是我桌子上的一个摆件，随时看网络有没有问题

[newshbb]

可以少雇佣员工

[yidinghe]

1. 查百科知识，比如“解释一下硫磺的毒性”，“涨价就一定等于通胀吗”，“为什么维生素 B 服用过量会导致尿颜色变成柠檬黄”等等。

2. 编码，一是简单的代码补完，省去了不少敲键盘的时间；二是给个例子，比如“给个简单的 logback 配置文件模板”，“给个在 Spring Security 中禁用 CSRF 的例子”。

3. 调戏 AI ，比如“为什么集体主义总是导致严重的个人崇拜”等等，然后看着 AI 主动关闭会话。

[charslee013]

@foam 大体上是灵感一类的，用户传入一些描述内容后，我们再根据用户的习惯作为历史记录，让 LLM 补充完整之类的。