当前位置: 首页 > news >正文

跟AI聊了10分钟废话,硅谷最懂AI的人发现了什么?

安德烈·卡帕西(Andrej Karpathy)有一个奇怪的习惯。

每天早上,他会打开手机上的语音模式,对着AI助手连续说话大概十分钟。没有提纲,没有组织过的思路,想到什么说什么——今天要写的代码框架、昨晚读到的论文片段、一个还没想清楚的产品想法,甚至是对某条推特的吐槽。全程乱七八糟。

然后,AI会帮他把这一团乱麻捋成清晰、有条理的文本。

这并不是行为艺术。7月25日,这位创造了"氛围编程"(Vibe Coding)概念、现任Anthropic核心研究员的AI界重量级人物,在一次公开分享中透露了这个技巧。他的核心观点出奇简单:不要琢磨提示词了,想到什么就说什么,一直说下去。

"有时,大语言模型需要获得更多信息,才能真正明白你想完成什么。"卡帕西说。他会在一开始就提醒AI——"我的思路可能比较混乱,语音转写也可能有错别字"——然后就让对话自由流淌。结果呢?"后面需要纠正的内容少得多。"

这听起来像反直觉的建议。毕竟过去两年,整个行业都在教人们如何写好prompt。提示词工程成了新职业,网上充斥着"让ChatGPT回答质量翻倍的10个技巧"。但现在,站在AI研究最前沿的人却说:别琢磨了,随便聊。

从"写提示词"到"聊聊天"

卡帕西说出这番话的时机很微妙。

就在他分享这个建议的同一天,他所在的Anthropic刚刚发布了Claude Opus 5。公司声称这款模型"在多个领域接近Fable 5的能力"——Fable 5是那个曾经惊动美国政府、被短暂下线审查的Mythos级模型。而Opus 5的定价只有Fable 5的一半。

更大的变化藏在细节里。Anthropic为Opus 5加入了语音模式,用户可以在Opus、Sonnet和Haiku之间自由切换。与此同时,OpenAI本月初推出了GPT-Live驱动的全新语音模式——不只是对话,ChatGPT现在可以帮你查日历、写邮件、准备会议,全程语音操作。为此他们还专门出了一款售价230美元的迷你键盘,核心卖点就是那个语音录制按键。

这是硅谷正在发生的集体转向。从OpenAI到Anthropic,从Google的Gemini Spark到Meta的AI助手,所有人都在把重心从键盘输入移向语音交互。不是因为语音识别技术突然变好了——那早就够好了——而是因为这些公司终于意识到了一件事:打字,是人类和AI之间最糟糕的交互方式。

想想看。你每天脑子里闪过的想法、想解决的问题、想验证的猜测,有多少是你能坐下来有条不紊地敲进对话框的?大多数时候,真正的思考是碎片化的、跳跃的、在走路和洗澡时冒出来的。当你需要先把它们组织成prompt才能交给AI时,你已经损失了大量信息。

卡帕西的"10分钟废话"策略,本质上是在说:让AI来承担"组织"这个工作。这是分工的根本性变化。

一场无声的交互革命

这件事比它听起来更深远。

过去几年的AI产品竞争,焦点几乎全在模型能力上——谁的参数量更大、谁的benchmark更高、谁能多处理几万token的上下文。但现在,最大的几家AI公司同时在做同一件事:把对话的门槛降为零。

OpenAI的ChatGPT Health已经面向所有用户开放,你可以用语音描述症状、讨论检查结果。Anthropic强调Opus 5"最不容易被诱导滥用",同时给它配备了更强的网络安全防护——这是在跟美国政府打了几个回合交道之后的产物。Google把Gemini Spark从Ultra专属下放到了Pro用户。Yelp开始把自己的评论数据喂给ChatGPT,用户在聊天窗口里就能比较餐厅。

每一件事单独看都不算革命性。但合在一起,指向的是一个正在形成的现实:AI的使用方式正在从"写代码"变成"说话"。

这会让一大批人感到不适。对于那些花了几个月打磨提示词技巧的人来说,卡帕西的建议简直像在拆台。但它也解释了一个一直被忽视的问题——为什么很多人至今没有真正用上AI?不是因为不够聪明,而是因为需要"正确地提问"这件事本身就构成了障碍。

卡帕西的直觉或许是对的。他描述的是一种更自然的交互模式:人负责"喷涌",AI负责"整理"。十年前,这个分工是反过来的——人类整理好需求,交给机器执行。现在机器聪明到可以处理混乱了,人类反而应该回到最自然的状态:想到什么说什么。

当然,不是没有代价。Uber刚刚裁掉了10%的客服人员,理由是要"拥抱AI"。Patreon也裁了20%的员工,CEO的解释是AI改变了"运营和组织方式"。这些事件和卡帕西的轻描淡写放在一起,构成了某种矛盾的画面:一面是硅谷精英们在享受AI带来的智力放大,另一面是普通劳动者正在被同一个趋势挤压。

但技术扩散的方向从来不由这些矛盾决定。它由最简单的使用体验决定。而当最懂AI的那个人告诉你,最好的使用方式是"别想了直接说"的时候,你大概可以相信,键盘主导的人机交互时代确实在翻篇了。


文中所用图片来源于网络,仅供技术学习与交流。如权利人认为存在侵权,请联系我们,我们将在24小时内处理。

http://www.jsqmd.com/news/1264673/

相关文章:

  • OpenAI API免费与付费模型差异分析及优化策略
  • 商圈级气象建模如何优化零售外卖决策
  • 大模型无监督强化学习:DSCO框架与知识引导探索
  • 零编程文本分析神器:KH Coder完全指南与13种语言支持
  • LLM生成文本元数据标记:技术实现与部署指南
  • Linux系统sudo权限开机自启动方案与安全实践
  • Alexa Plus更新解析:MCP协议如何简化智能家居设备连接
  • Linux线程同步互斥机制详解与应用实践
  • 全网最全面的 DeepEval从入门到精通教程 - DeepEval 5分钟快速入门
  • CC35xx PRCM模块深度解析:电源、时钟与复位系统实战指南
  • LLM响应速度优化:TTFT指标深度解析与OpenRouter实战对比
  • 7月25日热点:马斯克说中国AI有望成为全球领导者,这次不是客套话
  • Win11Debloat:Windows系统优化的终极解决方案,让你的电脑重获新生
  • 2026 年当下,梨树优秀的桥梁桩清孔泵企业推荐几家,别再花冤枉钱!桩基清孔的终极省钱秘诀 - 行业推荐官【认证】
  • AI辅助技术写作:从表面完美到抗辩性文档的实践指南
  • 深度学习在人脸表情识别中的优化实践
  • Java开发者转型大模型开发:工程化思维与实战经验
  • Mac本地AI性能监控:Llamatop工具详解与llama.cpp优化实战
  • 视频流三维重构技术在商业空间数字化中的应用
  • GPT-5.6 Sol评测:从Transformer架构到代码生成实战解析
  • AI辅助论文写作:从选题到投稿的全流程智能解决方案
  • GPT-5.1千万Token上下文在分布式系统开发中的实战应用
  • Kimi智能助手技术优势与商业化路径深度解析
  • 2026精选:郑州市区管理严格的职业中专学校,其食堂与育人环境全解析 - 装修教育财税推荐2026
  • Elman神经网络在工业预测中的应用与实现
  • 高效技术团队内部交流模式:4小时11话题118次回答实践分析
  • 百度网盘提取码智能获取工具:3分钟掌握免费资源解锁技巧
  • Linux系统故障排查:从基础命令到高阶技巧
  • TI CC26x0/CC13x0 AUX子系统与传感器控制器深度解析与低功耗设计实战
  • 微信小程序打造智能宝宝成长相册:技术实现与设计解析