想靠AI搞钱?哪些技能最实用?

Ask HN: What are the most useful, concrete AI skills to independently learn?

我想利用LLM和智能体技术的进步获取经济利益。假设我已有中等技术背景,且不打算攻读学位,仅靠互联网自学和实验,有哪些具体且可落地的AI技能值得投入?

去搜索BigTech的AI认证路径。Google、Amazon、Microsoft等巨头及其大客户都急需人才,他们称之为“前沿”认证的运营、工程师、经理、分析师或网络安全专家等。
既然你有技术底子,现在就能从网上获取博士级别的学习材料。但别指望速成,除非你有多个兴趣领域,否则每个主题至少需要十年每天钻研,或者花几年时间粗略浏览以建立基础理解。
根本不存在这样的技能,因为这类技术的目标就是拉低技能门槛,让所有人变得可替代,从而压低薪资。想保住饭碗,不如去结交权贵、学会讨好,或者行善积德祈祷来世投胎到富人家。
  1. cadamsdotcom

    最现代、最高效的垃圾软件工厂,瓶颈往往卡在如何把东西推出去。

    这对你是个巨大的机会。

    去掌握业界为扩展验证(verification)所开发的众多技术。

    我说的不是基础设施;CI 已经解决了。我指的是红绿重构与测试驱动开发、测试金字塔(大量单元测试、少量功能/集成测试、快乐路径的端到端测试),学习如何最大化利用 Playwright 这类工具,以及 pytest、vitest、Go 和 Rust 的测试工具链。学习何时该 Mock,何时该在测试中包含代码的依赖项(测试边界)。学习依赖注入等模式,让你的测试无需 I/O 且运行飞快。

    学会扩展验证,你就能解决团队最大的瓶颈。

  2. lmf4lol

    我个人会建议:学会像工程师一样思考。具体来说:

    - 能够将一个情境拆解为流程和离散的步骤

    - 能够描述你真正想要解决的(!)问题

    - 能够描述如何验证问题确实得到了解决

    - 能够就“问题是如何被解决的”提出正确的问题,以便获得理解并识别下一步行动和改进点

    - 能够识别 AI 何时陷入僵局或走进死胡同,并引导它走出来

    - 理解 LLM 擅长什么,不擅长什么。事实上,它们不擅长的东西多如牛毛。

    免责声明:这绝对不是基于任何科学研究之类的 :-) 纯属个人经验!欢迎反驳。

    但我的经验直接来自我的工作:我的平台上有很多客户并非工程师,但他们利用 AI 通过自动化解决商业问题。几乎每次他们卡住(或瞬间烧掉大量 token)时,都是因为缺失上述某项技能。所以我试着教他们更多如何“像工程师一样思考”。往往一旦他们开窍,就能在极短时间内大幅提升 AI 的使用能力。最好的学习者通常已经具备某种工程背景。

    当然,前沿模型往往能自我辅助得很好,即便输入很差也能产出惊人的结果。但它们也很昂贵。如果你和 […]

  3. hypfer

    实际上,最好的 AI 技能是学习人员管理。

    要成功驾驭 AI,你本质上需要的东西,和你在管理岗位上驾驭人类时所需的东西是一样的。

    也就是说:沟通、内省、远程内省、情商等等。

    读懂谁在忽悠你。读懂谁因不自信而过度补偿。读懂人们真正挣扎的问题,而不是他们声称的问题,也不是他们提出的解决方案。

    以真正能让人执行的方式,把你需要对方做的事表达清楚。清楚到自己想要做什么,达到这种程度才有可能。

  4. hypendev

    我会这样排序——这源于我从 GPT-3 自动补全 API 开始应用 LLM 的经验,包括教人如何使用、给开发者做演讲、回答他们的问题、训练自己的模型,以及观察人们如何与它们互动:

    1. 构建你自己的模型——这会花你一点钱,但毫无疑问是获取具体 AI 技能的最佳途径。从选择数据到训练,观察它是如何演变、改进和扩展的。你将比任何其他东西更深刻地理解模型内部世界的“超平面”。你将学会如何选择数据,数据如何影响模型质量、思维方式、评分和个性。如果训练自己的模型太麻烦,那就从一个完整的预训练模型开始,动手玩玩看。

    2. 为补全模型构建一个 harness(封装层)——我会把这列为理解 LLM 内部世界的第二好方法。它有助于你建立关于提示(prompting)如何真正起作用的直觉,了解它们如何形成答案,以及如何围绕这些构建。之后你可以为自己的 harness 进行 SFT(监督微调)。

    3. 为成品模型构建 harness 和 orchestrator(编排器)——这排第三。它会教你 harness、智能体(agents)和群体(swarms)实际上是如何工作的,它们如何塑造模型的思维和行动,模型如何与它们交互,如何应用它们,以及它们如何在没有人类参与的情况下工作。

  5. flincode

    在所有事情中,我还想说的是,也要学习 AI 是如何工作的。你不必钻研得太深,但了解其工作原理,比大多数“提示指南”更能让你明白它的局限性。同时也能让你了解它的优势,从而自然而然地知道如何很好地利用它们。如果你遇到瓶颈,也会知道原因。这有助于你理解现实:AI 并不能绝对完成你扔给它的所有任务,这也可能让你更有动力去学习其他东西,因为你知道它至少暂时还不会把一切工作都夺走。

同日更多故事

2026-11-14