AI提效思考 - 第一期
🚀 AI提效思考 - 第一期
1. 📍 简介
AI提效在我个人看来是一个长期的过程，其主要源于以下几点：
1️⃣ AI迭代速度极快
AI的发展速度非常快，上周觉得AI做不到的，这周可能已经做的很好了，所以需要及时的跟进AI的发展情况，了解哪些AI工具能够帮助我们真正的去提效
2️⃣ 思维模式转换需要时间
我们也需要一定的时间去适应AI提供的能力并转换思考方式，碰到问题后先想一想AI能不能帮助到我们？例如这个代码是否一定要自己亲手去写？能不能写了文档直接喂给AI去生成代码(例如APDU)？代码写完了注释是不是能自动生成？当接收到一个需求后能不能自己负责出方案，然后仅使用对话用AI给实现掉。
所以我想使用类似于期刊的方式，定期将自己所了解到的信息和大家进行一个分享，然后我们定期一起去讨论AI，慢慢的深入了解AI工具的使用同时逐渐转换思维方式。
📌 本期核心议题：
- 当下AI的发展现状以及对于我们程序员来说为什么要拥抱AI
2.简单讨论下公司当下提供的工具有哪些？阻碍我们去使用的点有哪些？
2. 🌐 AI发展现状
2.1 📈 技术演进对比（2023 vs 2025）
| 维度 | 2023 | 2025突破 | 关键指标 |
|---|---|---|---|
| 🏋️ 训练效率 | 万亿参数/数月 | 同等规模/数天 | 30x提速 |
| 🔋 本地部署 | 依赖云端 | Jetson Orin Nano | 5W功耗运行 |
| 💰 使用成本 | $1/百万token | $0.01/百万token | 100倍降本 |
| 🛠️ 开源生态 | 有限开放 | DeepSeek全栈开源 | 个人可部署 |
2.2 📊 AI摩尔定律验证
关键指标：
- 特定AI成本年均下降10倍
- 两年累计成本下降达百倍量级
技术迭代路径：
ChatGPT 3 → DeepSeek V3 实现双倍速进化
带来的影响
最初只有非常强大的公司才能使用和部署AI，到个人通过几台电脑就能部署AI（如DeepSeek）。且模型能力强大，那么未来伴随着的是越来越多的人能够接触到AI。就像互联网的出现一样，慢慢的会出现很多的基于AI的智能体和应用。
在设备端，边缘智能也将成为一种可能，例如传感器带有AI的能力。
🔗 延伸阅读：Manus实测：DeepSeek带来的AI新突破
3. 🤖 为何必须拥抱AI
3.1 🧭 探索AI的边界，摆脱AI焦虑
双重视角分析
👨💼 企业决策层：AI是战略杠杆
👨💻 工程师视角：AI具备一定的威胁，需构建技术护城河
现状挑战：
- 📰 信息过载：AI替代焦虑持续升温
- 🏢 行业实践：部分岗位已实现AI替代
- 💡 破局策略：
- 持续探索AI能力上限
- 强化AI不可替代领域能力
3.2 ⚡ 指数级发展速度
| 领域 | 传统方案 | AI方案 | 效率提升 |
|---|---|---|---|
| 机器翻译 | 7年/千人月 | 4个月/10人月 | 21x |
| 图像识别 | 专项团队开发 | 微调开源模型 | 15x |
| 代码生成 | 手工编码 | GPT-Engineer | 50x |
💡 微软翻译案例：神经网络技术使开发周期从7年缩短至4个月
核心启示：
AI能力复制边际成本≈0 ➡️ 掌握AI杠杆效应成关键竞争力
4 🧰目前好用免费的VScode智能体
💻Cline
- 参考前面写的《最强免费辅助编程工具Cilne介绍》
5. 🚧 落地挑战与对策
5.1 ❓不清楚这些AI工具到底能帮我们做什么**
- 🧑定期分享一个标杆案例（Lighthouse计划）
- 🤝 定期AI经验交流会
5.2 🛠️ 真实落地情况比较困难**
例如AI生成的PPT和AI生成的图片这些，虽然能够生成但是真实是使用的时候很难。
这个后续需要看一下有没有使用技巧之类的，然后多试试与大家进行下讨论分享。