很久没有写些东西。想到哪写到哪。
其实很多时候也会冒出些想法，想要记录下来。但一直重复着 上班忙死 + 下班躺尸 的循环，“写文章”就变成了一个优先级很低的事情。而工作过的朋友都明白，“优先级很低”=“这个事情不存在”，于是就无限期的拖延了下来。每个人都只能关心最重要的TOP2甚至TOP1，往好听了说嘛，这个叫“第一性原理”，直白点说就是 “Boss-Oriented Programming”。这也未必是坏事，只能说各有取舍吧。
自从有了AI，整个人都变懒了。写代码、看论文、写文档、查问题，通通交给AI来做。最近VLDB刚开过，以往我都会看看有哪些有趣的议题，挑一些重点看下&内部分享下。尤其是best paper，今年好像是蚂蚁的？现在么，丢给AI总结下就好了。这可能带来一个问题，就是思考深度变浅了，就像那些被短视频荼毒的人。“阅读”获取的知识，和自身“思考”与“沉淀”出来的知识，还是不一样的。甚至这些具体的“知识”本身都不重要，更重要的是思考的习惯和过程。其实在小同学里这种问题更常见，代码产出又快又多，文档又长又丰富，但是一问细节和原理、问下设计背后的取舍，就拉胯了。可以理解，但需要克服。通过不断的提问，让AI深挖，不要满足于AI给的一个似是而非的答案。如何提问、提出哪些问题，就是自己的思考过程。
至少在我看来，AI的定位还是更偏工具属性。很多事情我可以直接上手做，只是让AI做效率更高而已。如果是我完全不懂的事情交给AI，不去理解原理、评判产出质量，那只能是这个事情本身就不重要，“能用”就行。
说到知识的沉淀，我高中时的数学成绩是很好的，高考接近满分（答案都是对的，不知是哪里的过程扣了2分）。那时我的课本是不能轻易示人的，上面记录了各种我自己推导出来的一些便捷的公式和技巧，尤其是圆锥曲线、三角函数相关的章节。工作后，大家应该也都总结了不少文档、不少tips，至少收藏夹中也收集了一些地址，碰到问题时找出来看看吧，像是IDE如何配置、vim如何使用等等。AI时代来临后，这些小技巧似乎都不重要了。这也是“AI平权”的一种体现吧？从这个意义上来说，AI才是共同富裕的典范。不过正如前文所说，知识一定是会过时的，思考的习惯和过程更加重要。
AI虽然大幅提升了我的工作效率，但体感上却比以往更累，累的多。我仔细想了下，原因大概有两方面：1. 同时做的事情更多了。我经常要在很多个agent窗口中切换，写技术文档、写代码、设计推广方案。写代码时也会同时写多个项目的，有些是新的feature、有些是bugfix、有些可能只是加个配置项等等。这个上下文切换的代价还是很大的。人脑的上下文窗口虽然没有量化，但可以确定的是一定会有衰减。就算你原有1M的上下文，这样切来切去，真正有效的可能也就最后那2k了。2. 对于未来的不确定性。AI的影响广泛而深远，我们现在做的事情，是否是必要的，是否应该探索更多新的方向？在以前的工作节奏中，一个大的feature上线是以月甚至季度计算的，过程中虽然累但方向笃定。现在嘛，时不时就会怀疑下自己。
话又说回来，DB + AI，有什么好的落地案例么？很多时候我们尝试去推广一些新的产品能力，人家一听“数据库”，就说这跟AI能有啥关系，数据库做好自己的本职工作就行了。如果我是某个业务负责人，新的业务我是会选择 DB + AI Function呢，还是直接选择百炼呢？从这个角度来说，似乎只有存量用户会选择前者，还需要数据迁移的“摩擦成本”足够高，而新用户大概率会选择后者。
破局的方法，似乎只能是跳出DB这个范畴，上升到其他维度进行突破。正如杀死google translate的不会是另一个同类产品，而是ChatGPT。
AI带来的这种不确定性，还会进一步冲击现有的组织架构。现在的校招，不加上AI相关的内容，基本招不到人。小同学们也在扎堆进入AI领域，即使不是基模相关，至少也是agent相关、infra相关。可以理解，不过这种对于热点的追逐，是否适合自己，还是要分人。回想我工作以来的各种热点，大数据/移动互联/电商/云计算/区块链/微服务/深度学习，如果每个领域都掺和一下，是很难有什么沉淀的。至今还时不时的后悔，其中的几年走了弯路，就应该老老实实搞我的hadoop。不过如鱼饮水，冷暖自知，这也都是老登之言了。
公司最近发了台Mac mini，说是要提升AI生产力。好处就是mini可以24h挂机，做一些自动化的任务。不过我还没有想好怎么用起来，我128G的ECS用着不香么？虽然cpu差了一点。要不mini上搞下本地模型部署？曾经3k就能买一台，犹豫着不知道买来干啥没有下手。现在涨价了，还是不知道用来干啥。
思考的过程总是痛苦的，毕竟这是对抗熵增的过程。而整点薯条总是快乐的，谁能不喜欢薯条+快乐水呢。选择没有对错，坦然接受结果即可。
