近期关于AI的思考
过去，我日常工作一直使用gpt和claude最前沿模型的xhigh模式，对于不那么聪明的模型我向来是不屑一顾、完全不用的，形成了一种越贵->越聪明->越省钱省精力（错误更少）的逻辑链。
渐渐的我发现，前沿模型变的更聪明、价格也越贵了，可于我的工作而言，根本不需要那么聪明的模型，反而要承受价格的溢价，于我而言，gpt5.5的智能就足够了，而现在我需要付出三倍的价格完成工作，显然，这不是一笔划算的买卖。
于是我近期尝试 聪明模型做计划+不那么聪明的模型去执行，效果如何呢，说句实话，并不能达到我的预期，性价比模有时实在太蠢了（像一位新手程序员），细节上总是出现很多问题。为了减少错误，我必须投入更多精力去规划，发生错误我也需要投入更多精力去修复，最终的结果成本没节省多少，又耗费了大量时间和精力。但好在不是一无所获，我对我正在做的项目有了更全面的理解，获取到了不少项目经验（从规划与修bug中习来的）。
性价比模型（glm5.3、ds-v4flash、gpt-luna）能做的远比我想象的多。在处理文字类工作、需要执行力的琐碎杂活（有清晰目的）、编写确定性代码（修改明确知道bug原因以及对应代码位置）是足够用的，我通常会和性价比模型聊这个项目相关的内容、产生的灵感，让他充当考官考察我对项目的理解，有时会擦出别样的火花，我会让它记录下来，再用更聪明的模型做计划。
方案的拆分非常重要。制定的大方案不要想着用聪明的模型一口气实现，模型的上下文窗口是有限的，在一次次压缩中逐渐偏离目标，必须有人类的介入去修正，一次次去修正。我更建议的是做拆分，拆分到什么程度呢——三个臭皮匠顶个诸葛亮
，也即原本方案能交给一个诸葛亮完成，现在要把方案拆分给三个臭皮匠完成，并且臭皮匠完成的最终质量要＞=诸葛亮的交付质量。在这个过程你需要投入更多时间和精力，那这不是效率变低了吗？错误，这是变相的提高效率，因为你获取了经验，并把这个经验内化了，下次就不会踩坑了，重复掉进一个坑是很亏的。那为什么不干脆让AI总结成文档，下次直接调用呢？（小孩子才做选择）。这个过程中非常重要的是踩坑经验内化，这也许就是人脑更胜一步，下次再遇到类似的坑，人的大脑可以快速索引，即使记不住技术详情，也可以发挥第二大脑，你要知道是有“那么一个东西存在”，可以解决自己的问题，接着使用AI调用它！ 反观AI，即使项目中有充裕的“经验文档”，受限于上下文窗口限制，能不能用到这些经验都是问题，更何况还要在合适的时机意识到并使用。AI在这件事上似乎还没超过人类（至少在我身上是这样的）
把“效率”、速率降下来，把自己的经验提上去。对，没错，降低“效率”和速率，作为中间传话人的你，看到自己效率、速率的提升是虚假的，不信你脱离模型的帮助独自去完成试试（当然，允许你使用google～）。想想一下，未来某一天你需要处理一个紧急的事情，你想要借助AI之力快速解决它时，等到的却是“Sorry，你所拨打的电话无法接通，请稍候再试”，那一刻你手足无措，不知道该寻求谁的帮助时，你突然意识到自己本应该有能力解决这个事情的。你当然可以借助AI模型的能力，毕竟“君子生非异也，善假于物也”，但也要能够分清那股力量来自哪里。
在这个人人追求快的时代，我更期望自己能够做到减速，去感受，去享受。