SuperDaniel313 最近的时间轴更新 SuperDaniel313 最近的时间轴更新 |
SuperDaniel313吐槽是表，解局是里。职场咨询，找我。 V2EX 第 369668 号会员，加入于 2018-12-11 16:54:05 +08:00今日活跃度排名 353 |
superdaniel.cn/
| 斯托克代尔悖论——寒冬里送给在逆境中的朋友们一点鸡汤 生活 • SuperDaniel313 • 1 月 10 日 • 最后回复来自 iOCZS | 5 |
| 一点大模型使用心得分享：把你最擅长的事情交给它去做 分享发现 • SuperDaniel313 • 1 月 9 日 • 最后回复来自 SuperDaniel313 | 9 |
| 产品经理靠 AI 用 Rust+Bevy ECS 搓出了一个开箱即用、跨平台、高并发桌面自动化工具，能一键发布多平台视频
1 分享创造 • SuperDaniel313 • 2025 年 11 月 11 日 • 最后回复来自 SuperDaniel313
|
16 |
| 婴儿好物推荐——奶爸们都看过来 生活 • SuperDaniel313 • 2025 年 5 月 17 日 • 最后回复来自 SuperDaniel313 | 30 |
| 产品经理学习资料推荐 产品经理茶话会 • SuperDaniel313 • 3 月 17 日 • 最后回复来自 sharpzhango | 7 |
SuperDaniel313 最近回复了
3 月 30 日 回复了 0o0o0o0 创建的主题 › V2EX › V2EX 是否在实质上接受了 AI 生成的内容了 |
@wly19960911 #30 大模型的局限在于过度表达，为了模拟出真人效果，进行了大量高质量内容的训练。这下适得其反了，家庭灶火是不需要像酒店那样天天开着水龙头降温的，这种用力过猛的情况就像小孩穿大人西装一样，硬穿真的很难看。
通常情况下，我只使用 AI 用来沟通、发散，利用这种高级专家系统来弥补我的思维不足，自我表达的时候不用 AI 代笔。
润色和代笔更多是用在根本不是用来和人沟通的地方，比如写一些没人看但是又必须要走形式的内容。
大部分人都达不到看得出 AI 不足的水平，绝大部分人都不具备修正 AI 生成内容的能力，但是基本上人人都能让 AI 到处去拉屎。
大势所趋，what can i say
通常情况下，我只使用 AI 用来沟通、发散，利用这种高级专家系统来弥补我的思维不足，自我表达的时候不用 AI 代笔。
润色和代笔更多是用在根本不是用来和人沟通的地方，比如写一些没人看但是又必须要走形式的内容。
大部分人都达不到看得出 AI 不足的水平，绝大部分人都不具备修正 AI 生成内容的能力，但是基本上人人都能让 AI 到处去拉屎。
大势所趋，what can i say
3 月 30 日 回复了 0o0o0o0 创建的主题 › V2EX › V2EX 是否在实质上接受了 AI 生成的内容了 |
@kcerty #29 能驾驭 AI 还算好啦，懒得写和不会写那差别还是蛮大的。
现在很多表达能力不如小学生的人拿着 AI 输出自己都看不懂的内容发出来给大家看，但是一沟通就露馅了。
导致我现在懒得评论了，有这精力不如跟 AI 对线，起码还能借 AI 进行批评，练练表达。
现在很多表达能力不如小学生的人拿着 AI 输出自己都看不懂的内容发出来给大家看，但是一沟通就露馅了。
导致我现在懒得评论了，有这精力不如跟 AI 对线，起码还能借 AI 进行批评，练练表达。
3 月 30 日 回复了 0o0o0o0 创建的主题 › V2EX › V2EX 是否在实质上接受了 AI 生成的内容了 |
写作能力很稀缺的。如果没有经过专门的练习，很难输出有质量的内容。
透过写作可以对一个人的表达能力进行评价，进一步又能推断出作者的思维水平和认知能力。AI 抹平了这种个性化的差异，造成沟通上的另一种障碍：我怎么知道我的表达能在沟通中起作用？对方真的能理解我所表达的意思吗？他是自己理解了还是 AI 在上他号？
不是说写不好的人能力差，是写得好的人大概率水平高。写作有很明显的用进废退现象，如果自我表达完全依赖 AI 无异于盲信现阶段智驾。
V 站越来越多打着润色的幌子输出 AI 内容了，对我而言，比感情贴还令人反感。很多内容可以透过行文的逻辑就能判断出来是否有一定价值，AI 润色会让我花更多精力浪费在辨别是否为 AI 生成上，这进一步又毁了我的长文阅读能力。
就像楼上说的，网络上估计只有即时通讯的社交软件里还能看到真人的痕迹。
论坛里期望完全脱离 AI 是不现实了，难呀
透过写作可以对一个人的表达能力进行评价，进一步又能推断出作者的思维水平和认知能力。AI 抹平了这种个性化的差异，造成沟通上的另一种障碍：我怎么知道我的表达能在沟通中起作用？对方真的能理解我所表达的意思吗？他是自己理解了还是 AI 在上他号？
不是说写不好的人能力差，是写得好的人大概率水平高。写作有很明显的用进废退现象，如果自我表达完全依赖 AI 无异于盲信现阶段智驾。
V 站越来越多打着润色的幌子输出 AI 内容了，对我而言，比感情贴还令人反感。很多内容可以透过行文的逻辑就能判断出来是否有一定价值，AI 润色会让我花更多精力浪费在辨别是否为 AI 生成上，这进一步又毁了我的长文阅读能力。
就像楼上说的，网络上估计只有即时通讯的社交软件里还能看到真人的痕迹。
论坛里期望完全脱离 AI 是不现实了，难呀
2 月 11 日 回复了 shanghai1943 创建的主题 › 问与答 › 如何让五年级学生更好的理解这道题 |
应用题可以先用逻辑推导再来数学计算，我比较笨我就喜欢这样做。（主要是我数学真的很烂
1. 鸟巢比故宫小；
2. 故宫可以分成 24 份；
3. 24 份故宫里鸟巢占了 7 份，因为鸟巢比故宫小 17 份；
4. 鸟巢的大小就是 7/24 ，等于 21 公顷；
5. 那 1/24 就是 21/7=3 公顷；
6. 3 再乘 24 就等于故宫的面积 72 公顷；
1. 鸟巢比故宫小；
2. 故宫可以分成 24 份；
3. 24 份故宫里鸟巢占了 7 份，因为鸟巢比故宫小 17 份；
4. 鸟巢的大小就是 7/24 ，等于 21 公顷；
5. 那 1/24 就是 21/7=3 公顷；
6. 3 再乘 24 就等于故宫的面积 72 公顷；
2 月 7 日 回复了 cellsyx 创建的主题 › 程序员 › 目前 AI 辅助生成学习笔记的最佳实践探讨 |
@cellsyx 如果你能搞到这个课程的课件，或者说它的课本，那么把这些直接送到 NotebookLM 里面。然后再针对具体的知识点进行提问，这个时候 NotebookLM 的回答是相对靠谱的。再不济的情况下，把这种知识点相关的算法书直接上传上去，应该也是等效的。
获取正确知识或者说权威知识的手段，不一定要靠视频课程。你可以取 NotebookLM 的长，然后去补它的短。课程只是让你方便理解知识，书籍上也会有很多这种知识。
我不是很喜欢视频课程，因为检索起来非常麻烦。就像你现在遇到的问题，本质上就是因为视频这种媒介产生的检索问题。知识传递效率最高的还是文本。所以我建议，OP 要不尝试换个方法试试？你要的只是知识，而不是视频，对吧？
获取正确知识或者说权威知识的手段，不一定要靠视频课程。你可以取 NotebookLM 的长，然后去补它的短。课程只是让你方便理解知识，书籍上也会有很多这种知识。
我不是很喜欢视频课程，因为检索起来非常麻烦。就像你现在遇到的问题，本质上就是因为视频这种媒介产生的检索问题。知识传递效率最高的还是文本。所以我建议，OP 要不尝试换个方法试试？你要的只是知识，而不是视频，对吧？
2 月 7 日 回复了 cellsyx 创建的主题 › 程序员 › 目前 AI 辅助生成学习笔记的最佳实践探讨 |
前几天刚好发了一点评论，粘贴过来给 OP 参考一下。
没有 LLM 之前，很多人做笔记的习惯是为了留存一些知识，因为回溯原文的代价比较高，所以把书读薄了之后，自己总结抽象出来的知识，检索起来速度非常快。
但在 LLM 大爆发的这个时代，检索的效率比搜索引擎时代不知道高了多少。可以验证的方式多了很多，比如大模型之间交叉验证，或者直接让大模型联网搜索再验证。
每个人的学习习惯不同，我就打算抛弃这种抽象再总结的内容，不再考虑刻意留存了，只保留大概的印象。用到的时候，如果细节忘记了就直接问 LLM 。大块的内容记不住，那我写下来估计也不会再去看了。忘了就忘了吧，忘了说明不重要。
以下是其他帖子的内容参考
---
最近刚好在高强度用 NotebookLM 学习新领域知识，体验下来，学习模式和传统是一样，但效率更高。
1. 出于现阶段 LLM 的局限性，学习依然依赖书籍，不敢完全信任 LLM 。也就是还是要靠读书为主。
2. 依然需要自己先阅读书籍，然后通过提问来让 LLM 参与进来进行分析。主动性依然在自己。
3. 知识的掌握程度依然依赖课后习题的测试来验证是否真正吸收，但 LLM 可以随时生成习题并进行解答。不是测记忆力，是测理解程度。
4. 先厚再薄依然是非常有效且必要的学习方法。没有这种能力在搜索时代已经被证实不大可能成为高价值的人才，在 AI 时代更加如此，马太效应更加明显。
5. LLM 已经可以扮演 7x24h 的辅导教授，它的上限取决于使用者的学习能力，RAG 很好地弥补了 LLM 幻觉的问题，可以跨学科辅导，比如财务、供应链和管理三个领域能融合在一起进行讲解。
6. 记忆不再成为约束条件的时候，学习能力和理解能力将成为瓶颈，死读书的时代马上就要终结了。
7. 应试教育只是传统教育走火入魔的结果，但不能否认传统教育还是有很多优点的，先学再测，不会再补这种模式并没有过时。
没有 LLM 之前，很多人做笔记的习惯是为了留存一些知识，因为回溯原文的代价比较高，所以把书读薄了之后，自己总结抽象出来的知识，检索起来速度非常快。
但在 LLM 大爆发的这个时代，检索的效率比搜索引擎时代不知道高了多少。可以验证的方式多了很多，比如大模型之间交叉验证，或者直接让大模型联网搜索再验证。
每个人的学习习惯不同，我就打算抛弃这种抽象再总结的内容，不再考虑刻意留存了，只保留大概的印象。用到的时候，如果细节忘记了就直接问 LLM 。大块的内容记不住，那我写下来估计也不会再去看了。忘了就忘了吧，忘了说明不重要。
以下是其他帖子的内容参考
---
最近刚好在高强度用 NotebookLM 学习新领域知识，体验下来，学习模式和传统是一样，但效率更高。
1. 出于现阶段 LLM 的局限性，学习依然依赖书籍，不敢完全信任 LLM 。也就是还是要靠读书为主。
2. 依然需要自己先阅读书籍，然后通过提问来让 LLM 参与进来进行分析。主动性依然在自己。
3. 知识的掌握程度依然依赖课后习题的测试来验证是否真正吸收，但 LLM 可以随时生成习题并进行解答。不是测记忆力，是测理解程度。
4. 先厚再薄依然是非常有效且必要的学习方法。没有这种能力在搜索时代已经被证实不大可能成为高价值的人才，在 AI 时代更加如此，马太效应更加明显。
5. LLM 已经可以扮演 7x24h 的辅导教授，它的上限取决于使用者的学习能力，RAG 很好地弥补了 LLM 幻觉的问题，可以跨学科辅导，比如财务、供应链和管理三个领域能融合在一起进行讲解。
6. 记忆不再成为约束条件的时候，学习能力和理解能力将成为瓶颈，死读书的时代马上就要终结了。
7. 应试教育只是传统教育走火入魔的结果，但不能否认传统教育还是有很多优点的，先学再测，不会再补这种模式并没有过时。
Select Language