AI 没有智慧，你也不会有了
文章批评'不再读代码、不再写代码'的行业风气。作者指出代码可维护性和好架构难以即时度量，其恶果需要数月甚至数年才显现，而有经验工程师依靠长期实践积累的直觉来嗅出代码异味。AI 因缺乏可度量的奖励信号，无法理解什么是可维护的代码，且从质量低劣的野生代码中学习模式，在简化代码、定义可复用函数上表现糟糕。更危险的是，依赖 AI 写代码和读代码的开发者将永远无法达到精通，因为他们不再从错误中学习。作者认为 LLM 只是工具，预言未来会有公司以'无 AI'政策作为竞争优势。
全部文档 / 标签: 观点
3 篇
翻遍X新算法，我发现文章要这样写才容易被推荐
本文作者通过分析X平台新公开的推荐算法，总结了提高内容推荐量的关键策略。文章指出，新算法更看重内容的复制链接、引用和回复等深度互动信号，而非单纯的点赞。作者提出了两类高权重内容：一是具有“带走价值”的干货，如清单、框架、步骤等，容易被复制链接分享；二是具有鲜明观点和讨论空间的内容，容易被引用。文章还提供了一份发帖前的自查清单，帮助创作者优化内容，使其在脱离原始时间线后依然具有独立价值。
“AI 导致人类失业”是彻底的幻想
文章反驳了“AI 将导致大规模永久性失业”的观点，认为这是一种“劳动力总和谬误”。作者指出，人类的需求是无限的，认知成本的降低将通过杰文斯悖论创造更多需求。通过回顾农业机械化、电气化和 Excel 的历史，文章论证了技术进步总是重塑经济结构并扩大劳动力市场，而非简单地消灭工作。
