把细节交给AI，真的能让人更强大吗？
It's not empowering to hand off the details
很多人对AI的热情，源于一个梦想：不用深入细节就能把想法变成现实。但现实是，细节无法逃避。任何抽象层级都无法解决细节问题，越深入越复杂。要做出新颖或优秀的工作，必须深入细节、 meticulous 地处理。你可以把部分细节交给AI，但前提是你知道哪些该交、哪些不该交。如果你不擅长某事，你就无法判断。因此，想用好AI，首先得自己擅长那件事。而成为专家的唯一途径，就是对细节保持极度兴趣和专注。LLM技术也无法改变这一现实。缺乏知识和技能去完成任务，并不是赋能；把细节全部交给AI，恰恰是放弃了自己的角色，这与赋能背道而驰。
把细节交给别人，并不是真正的赋能；如果你在其中什么都没做，那恰恰是赋能的反面。
HN 评论区
141- RGS1811
过去 9 个月我一直在搞“氛围编程”（vibecoding），用 AI 给自己开发了一堆很酷的小应用，跑过实验，基于技能构建了一整套 SDLC，还搞过代理编排框架之类的东西。但在过去几周，我撞上了墙，就是单纯地累了。每个模型变得越来越独立，但也越来越难进行细节上的指导。它们用极少的输入就能产出海量、繁琐且粗糙的文本输出。它们在知识社会化交流和沟通设计分歧方面表现糟糕。
我看到 AI 取得明确胜利的地方，是那些重复性的技术债务任务，比如对大量代码应用相同的转换，或者在覆盖良好的现有测试套件下进行重构。它非常适合初步研究和头脑风暴，尽管有阿谀奉承的毛病，但作为“橡皮鸭”对话伙伴也不错。我在工作和个人时间里都频繁使用 AI，但我们已经触到了天花板：我不再觉得让模型承担更多智力劳动是有帮助的。它们犯错更激进，而且更详尽。它们缺乏足够的好奇心。我根本跟不上那些没完没了的糟糕技术写作，这也让我更难发现事实错误和逻辑漏洞。
我想要的是：AI 作为一个助手，帮我做决策，并确保我始终掌握方向盘。最近我们得到的 AI 更像是一个过度自信、追求速度的神童，这让我逐渐失去了兴趣。
- hahahaa
你会培养出一种品味，知道哪些细节可以略过，哪些需要深入钻研。我们都受过这方面的训练，因为我们都做过一万次“蜡上蜡下”的动作，这叫