AI 发展对大学生的影响

AI 的爆发式发展，各种工具层出不穷，个人开发者，大厂专业团队等等等等，都在探索 AI 的版图。

作为学生，要想在这种浪潮中立足，首先得打好自身的基础，而不是急匆匆地加入 AI 边界地探索，学生使用 AI 应该更多地把 AI 当作学习工具，而不是自身的生产力，应用 AI ，但减少不必要的探索，直接照抄最佳实践，搭建自己的工作流即可，辅助学习，辅助开发。 AI 永远都只可能是工具，工具难以成为技术壁垒，高效地使用工具，才能转化为个人的能力。

我认为 AI 的最佳实践 = 强大的工作流 + 优质的资料 + 模型基础能力。

（框架）工作流处于第一位，因为 AI 大模型的缺陷就是无法具化，在自然状态下不能聚焦于一个垂直领域，只有通过认为的引导，规范约束，才能产出预期的输出。其实，这跟写好一个 Prompt 是一个道理，我们给 Prompt 添加上下文，添加背景，就是希望 AI 大模型能够增加对应领域的权重，然后更加侧重于输出我们预期的回答。现在我们对 AI 的要求不在局限于一个对话了，而是一整个会话，让他持续地产出预期的内容。如果没有一个强大的工作流的话，那么 AI 是很难产出预期的结果的，就好像一个文笔超级厉害的文学家，没有灵感一样，有技术，但是发挥不出来，不知道怎么写，只能乱写，局部看起来很高级，但是整体上看，没用。

（约束）优质资料处于第二位，是因为在有了良好的工作流之后，整个项目能够跑起来，但是，随机变量太多了，不同的项目，都有不同的开发模式，解决一个问题，有好多好多的途径，我们需要提供优质的资料，去指导 AI 完成任务，例如：开发规范，最佳实践，不同的场景应该怎么决策，偏好等等。最常见的场景就是使用 AI 做前端开发，可视化开发如果没有优质的 UI/UX 设计的话， 一眼就能看出来是 AI 生成的内容，没有定制化处理。

（能力）模型基础处于第三位，因为大模型的能力是一个开发者基本上难以干预的，最好的选择就是使用目前能力评分最高、最好用的 AI 大模型，并且，目前大模型的能力已经可以满足大多数的情景使用了，大模型永远都不可能通过一句提示词就能输出预期的内容，大模型更像是一个超级数据库，大模型越强，输出的资料越接近预期。更何况，大模型训练的资料基本上都已经把互联网的数据都训练得差不多了，很难再有巨大的提升。

工作流目前市场上有现成的，可以直接借鉴使用，但是始终比不上自己搭建的专属工作流。没有万能的工作流，但是可以有通用的工作开发范式。

优质的资料，可以自己去收集，积累。同时借助 AI 的能力，快速采集数据，转化数据。

大模型就充钱就行了。

对于大学生而言，我认为，目前最具性价比的实践是，积累优质的资料，工作流跟大模型都是变量，但是积累的优质资料是可以多次利用的，不仅仅对 AI 有显著的提升，还能增加个人的能力，学习优质资料中的经验，转化为自身的能力、经验。这才是站在巨人的肩膀上。