苔痕上阶绿，草色入帘青。 一个不务正业的科研工作者，在信息荒原里搭一间陋轩，记录些思考与推演。
Joined November 2015
- Tweets9.2K
- Following4K
- Followers3.1K
- Likes13.8K
Pinned Tweet
最近参观了一些 AI 用得很成熟的团队，也研究过一些很优秀的agent和工作台。发现照搬过来完全行不通。
原因是违反了Gall定律了。
【Gall 定律：一个能正常运行的复杂系统，一定是从一个能正常运行的简单系统演化而来的。从零设计的复杂系统永远无法运行，也无法修补成可运行的状态。】
这很好地解释了为什么“抄最佳实践”经常失效。
我们看到的是别人已经长成的系统，却看不到它是怎么一步步长出来的。
那些流程、规则、Skill、Agent，很多都不是一开始规划好的，而是在业务里先跑一个简单版本，再根据一个个真实问题慢慢加出来的。
所以现在我研究优秀的 AI 团队，不关注他的大而全的工作台。而是：“他最开始解决的那个小问题是什么？下一步为什么会多出这个东西？”
成熟系统可以用来理解方向，但自己的 AI 系统，还是得从一个真正能跑的小系统开始。
复杂是长出来的，不是规划/抄出来的。
怎么面试 vibe coding 工程师？
现在还是手搓时代的末尾，面试还能问实现，实际开发都是 AI…再过一年咋面试🤔
其实这个问题也不难，我作为一个产品去面技术的时候，虽然不聊技术细节 也大概能判断一个技术靠谱否。以后就可以让开发者带上自己常用的 AI 来面试，看用什么 AI 和账单，就能先筛掉一部分了。现场再给需求，现场开发。跟招人看技术博客或社媒一样。
有了 AI 以后，判断自己有没有用好 AI，我觉得可以多问几个很现实的问题：
睡眠质量更好了吗？
陪家人的时间更多了吗？
自己更健康了吗？
人际关系更好了吗？
工作更轻松了吗？
收入更多了吗？
这些可能比“每天用了多少 AI”“又学会了什么新工具”更接近真正的标准。
AI 本来应该是杠杆。
如果用了很久，现实生活并没有因此变好，甚至每天花更多时间追模型、折腾工具、优化工作流——
那可能这个人不是在燃烧 token。
而是这个人，才是被 AI 燃烧最多的那个 token。
最近在思考 Claude 和 GPT 的区别，想到可以用《三国演义》的人物来比喻。
1、GPT 有点像诸葛亮加张飞，Claude Opus 5.5 则更像姜维。
2、GPT 的不同模型需要合理分工。比如 GPT-6 Astra 就像诸葛亮，擅长深度思考、战略谋划，处理复杂问题很厉害，但资源消耗也比较大；Codex 里的 GPT Terra 则像张飞，行动力强、执行效率高，适合处理大量具体任务。
3、很多人没有分清两者的用途，什么事情都叫诸葛亮来做，连搬砖也要亲自上阵，结果额度很快耗尽。后来改用张飞，又发现它的谋略不够，于是觉得 GPT 不好用。
4、Claude Opus 5.5 则像姜维，能文能武，既能思考，也能执行，不需要刻意区分，直接交代任务就能干。
5、后来openai发现问题了，出了GPT-6.1 Sol，但更像张辽，同样有谋略、有执行力，能够独当一面，只是综合能力可能比姜维稍逊一筹。
6、有些复杂任务，Claude 可能一两次就能达到我的预期，而 GPT 需要三四次调整。当然，这只是我的个人使用体验，并不代表所有任务都如此。
7、但我更关心的是长期交付的稳定性。假如一个团队长期依赖 Claude，所有工作流程都围绕它建立，某一天突然因为地区限制、账号或服务问题无法使用，整个团队的交付就可能受到影响。
8、如果一直使用 GPT，虽然某些任务的效果可能只是次优，但如果服务能够持续获得，交付就更容易保持稳定。
和一朋友路过友谊医院。
我说这家医院是三甲，消化科很强，背靠首医，学术能力不错。
朋友听了摇头说，不了解，名字听起来很野鸡。
我说，它有自己的大模型。你想想，全国这多家医院，有几家有自己的大模型？
朋友说，懂了，马上停下来致敬。
突然意识到，
1) 大模型是一种新的社交资本？
2) 我可以去当某种主题游的导游？
