过去一年，我做了两个 AI 相关项目：一个是 Legal Agent，另一个是 AI Agent 的后端基础设施。借此机会，我对 AI 的实际应用有了一些具体感受，在此做个总结。
AI 能做什么
AI 能做很多事，尤其在软件开发领域，已经可以替代大部分初级工程师的工作。
从实际体验来看，当任务的输入输出明确、过程确定时——比如写一个计算余弦相似度的函数、实现 PageRank 算法——AI 表现出色。但如果任务没有既定模式，比如为混杂排版的 PDF 写一个文本提取算法，或者处理某个从未出现过的问题，它的表现就开始平庸了。另一个明显的短板是：AI 很难写出一致性良好的系统，尤其是经过多轮迭代之后。
法律领域也是如此。尽管 Legal AI 产品层出不穷，但据说律师用得最多的还是 ChatGPT，且所有结论仍需人工审核。这固然与法律行业的特殊要求有关，但也说明 AI 还无法作为独立律师「执业」。
目前来看，AI 在脑力劳动方面尚不能完全替代人，但可以显著提升工作效率。
AI 局限性的本质
当下讨论的 AI 基本等同于基于 Transformer 架构的大语言模型（LLM）。它本质上是对海量预训练数据进行概率预测，因此结果高度依赖训练数据的覆盖面和时效性，反映的也是训练数据的「平均」水平。
很多时候，这个水平已经超过了人类的「平均」水平，所以大家会觉得「惊艳」。但对于训练数据覆盖不足的问题，AI 的表现会断崖式下跌，而且它在持续推理能力上也不及人类。
另一个值得思考的问题是：这种「表现」出来的智能是否就是真正的智能？AI 是否真正理解问题？我倾向于保守的回答。
AI 之所以在软件开发领域应用广泛，很大程度上是因为研究 AI 的人本身就是软件开发者，相关知识已经大量灌入预训练模型。但即便如此，AI 目前仍只是一个高级工具，离不开人的监督。
开发者该如何与 AI 协作
普通开发者还该不该拥抱 AI？什么任务适合交给 AI，什么任务必须自己把控？
对我而言，AI 就是一个趁手的高级工具。经过一年的高强度使用，我已经很少从头手写代码了。大部分代码交给 AI 来写，我主要负责设计、整合和把关。无论何时，AI 写出的代码我都会 review，确保架构合理、实现一致。当 AI 陷入「鬼打墙」状态时，我负责把它拉出来。
AI 带来的焦虑
尽管 AI 目前只是辅助工具，但我相信它会持续迭代，未来可能出现真正的智能。我不质疑「AI 是未来」这个判断。
但正如股票市场，大家交易的是未来预期，放大倍数往往远超理性。这个规律同样适用于当下的 AI 浪潮。AI 似乎成了创业的唯一方向，AI 公司多如过江之鲫，明星公司的成功效应吸引了大批创业者入场厮杀，全方位内卷开始了——硅谷的工程师也开始 007，大家用「创业一年人间三年」来鞭策自己。
我见过一些创始人，每天关注的都是「xx 产品出圈了，我们要不要抄一个」。Manus 要搞，n8n 要研究，cowork 刚上手，Clawdbot 又爆了……整天追热点，希望能蹭到一波流量。这种心态的「创始人」不在少数。AI 时代做一个产品的门槛大幅降低，市场只会对原创的想法给予奖励，copycat 的价值微乎其微；即使是原创的想法，其保鲜期也大打折扣。
我始终认为，创始人要保持定力，有清晰的思路和商业分析能力，能够过滤市场噪音、洞察真实痛点，最终聚集一群人把想法变现。而且，创业公司本身就是创始人的第一个产品，也是最重要的产品——看创始人怎么运营公司，就能看出他们会怎么做产品。
结语
回到最初的问题：AI 是未来吗？我相信是的。但未来不会一夜之间到来，也不会因为我们焦虑就来得更快。
与其追逐每一个热点，不如把 AI 当作一个正在成长的工具——用它来放大自己的能力，而不是替代自己的思考。