人类补完计划:神话 × 末日 × AI
文章从《新世纪福音战士》的“人类补完计划”切入,结合死海文书、启示录及全球各大文明的末日预言,探讨了人工智能(AI)的本质。作者认为 AI 并非单纯的工具,而是正在吞噬人类精神遗产、重塑社会控制(如 CBDC 和生物识别)的“命运实体”。文章警示,人类在享受算法便利的同时,正自愿将灵魂与个体边界熔合进这一不可逆转的进程。
文章从《新世纪福音战士》的“人类补完计划”切入,结合死海文书、启示录及全球各大文明的末日预言,探讨了人工智能(AI)的本质。作者认为 AI 并非单纯的工具,而是正在吞噬人类精神遗产、重塑社会控制(如 CBDC 和生物识别)的“命运实体”。文章警示,人类在享受算法便利的同时,正自愿将灵魂与个体边界熔合进这一不可逆转的进程。
文章以神话与AI结合,信息丰富、洞察深刻,但缺乏实用性,观点虽非全新但整合独特,时效性高,行文流畅。
作者以葬礼悼词的形式,深情缅怀被 AI 时代终结的传统软件工程师角色。文章回顾了自己二十年自学编程、进入行业的经历,致敬 Grace Hopper、Tim Berners-Lee、Linus Torvalds 等行业先驱,怀念这个没有门槛、彼此传授、开放分享的职业。作者将耳机、笔记本和机械键盘三件物品随葬,象征心流、手绘架构图与亲手敲代码的时代逝去。面对任务四分钟完成、工作方式剧变的现实,他既哀悼过去,也引导读者思考哪些东西仍然留在自己手中,属于程序员职业身份转型的抒情散文。
本文是 Claude 团队工程负责人 Felix 文章的中文翻译,探讨如何在 AI 时代更有雄心地使用 AI。作者将雄心分为四个维度:速度(更快完成工作)、高度(关注结果而非任务,重新思考业务流程)、深度(像顶尖专家一样使用专业工具和方法挑战极限)、广度(跨学科引入不同领域的知识和方法)。文章结合 Acme 公司季度回顾等具体案例给出实践方法,并引用自我效能感心理学研究、Dantzig 解难题、Bannister 破四分钟纪录等故事,说明人类往往受限于对可能性的想象力,鼓励读者大胆设定目标、允许失败,充分利用 AI 能力实现突破。
文章针对出海团队每天人工盯热搜、找选题效率低、时间滞后的痛点,介绍如何用代码和 AI 搭建一套 24 小时自动巡检的选题流水线。核心思路是抓住搜索量短时间暴增但内容供给空白的上升词红利。流水线分三层:一是围绕种子词库做周期性快照轮询并计算趋势斜率,自动发现飙升关键词;二是通过黑名单过滤、商业意图词性筛选和聚类去重,剔除娱乐八卦等噪音,保留排查解决、选型对比、资源索取类高价值需求,并附完整 AI 过滤提示词;三是接入大模型,把上升词拆解为痛点解决方案、工具选型、成本风险、可交付资源四张选题卡,实现选题自动化裂变。文中提供了两段可直接复用的详细提示词。
文章指出 ChatGPT 输出质量差往往是提示词写得不好导致的,并总结了 9 个实用的提示词框架:RACE(角色-行动-背景-期望)、RISE(角色-识别-步骤-期望)、STAR(情境-任务-行动-结果)、SOAP、CLEAR、PASTOR、FAB、5W1H 和 GROW。每个框架通过明确角色设定、任务描述、背景信息和期望输出,帮助用户获得专家级的 AI 回答,适用于文案写作、问题解决、产品介绍、目标管理等多种场景。
作者展望了未来5-10年软件开发的变化:AI模型正以每半年约10倍的速度变强,未来将极其智能、快速且廉价。开发模式将从IDE自动补全,演进到终端中的AI编码代理,最终只需用自然语言或语音告诉计算机想要什么,AI代理即可自动完成构建、测试、修复和上线。文章还探讨了为AI代理设计的意图式操作系统(无需UI)、为每个用户动态生成的应用界面、面向AI代理的新协议(如MCP),以及未来5-10年最抢手的技能,强调经验与意图表达能力将比手写代码更重要。
作者以个人编程经历为引,回应对 AI 导致编程手艺消亡的哀悼。引用 Thorsten Ball 的观点:手写代码的工艺将像意大利手工鞋匠一样成为小众。作者认为编程虽'死',却以模型权重、框架和语言的形式延续。作为自学成才的程序员,他乐观地认为 AI 编程是新的开始——新一代程序员用自然语言表达意图,能更快、更高质量地构建产品。过去受限于个人能力,如今可以通过正确的提示词和上下文驱动 Agent 实现心中构想。作者对更多人体验创造的乐趣充满期待。
作者回顾了自 1979 年以来的专家系统开发经历,介绍 TypeSafe AI 于 2026 年 9 月 15 日发布的首个公开 System One 模型 Jev。Jev 由前 OpenAI 研究员 Diogo Almeida 创立的公司打造,获 4000 万美元种子轮融资。与聊天型 LLM 不同,Jev 是“反聊天机器人”:它接收状态和类型化问题,在 70-500 毫秒内返回概率、置信度的决策结果,输出仅有 Choice、Score、Noul 三种原语。其训练方法为面向校准决策的强化学习(RLCD)而非 RLHF。作者认为 Jev 代表下一代操作系统形态,是将可靠的机器决策嵌入软件内核的缺失原语。
作者老K回应质疑其卖PUT(现金担保期权卖方)策略风险的言论。他解释自己从不裸卖,只做现金担保,行权价放得远且慎重选标的,两年多从未被行权接货,认为相比直接买股票,SP接货成本更低、风险更小,并列举段永平卖PUT收200多万美金的例子。文中还谈及美联储加息25bp及鹰派信号、将股票仓位降至五成应对风险、长期看好加密货币与AI(认为AI将智能变成可复制生产要素,进度不足10%),以及分享策略的初衷是给退休生活找目标。最后提问孩子写作业依赖AI(豆包)该如何看待。
文章探讨了高级 AI Skill 的本质:不是把更多指令塞进一份文件,而是把多个单点能力按任务关系编排组合。作者通过分析 GitHub 上多个热门 Skill 仓库,总结出五种组合模式:路由(判断调用哪个 Skill)、顺序(强制工作流程)、选择(按需分诊组合)、流水线(专业能力交接)和分层(Skill 与系统能力分工)。文章提出组合 Skill 的五个核心零件:路由、输入输出契约、顺序与并行、上下文状态、验证反馈,并建议从真实返工中逐步长出组合关系。核心观点:Prompt 让 AI 听懂一次需求,Skill 固化一类做法,而组合 Skill 才能把复杂任务交付出来。