Transcription
您现在收听的是“速率限制播客”，主持人是 Ray Fernando、Adam Larson 和 Eric Provence。我们三人在这个行业拥有多年的经验，我们称自己为人工智能实践者，因为我们每天都会坐下来把玩这些模型。在过去几周里，从谷歌到 Anthropic，发生了很多事情，新闻中充斥着各种各样的传闻。您将坐下来和我们一起放松，请确保您喜欢这个节目。如果您一直在使用这些模型，请随意留下任何评论。我们非常感谢大家在我们到处都给我们五星好评的支持，并且请务必与朋友分享。那么，事不宜迟，Eric 和 Adam，请开始吧。
嘿，Ray，非常感谢您的介绍。是的，过去两周很忙，但比以前要轻松得多。所以，幸运的是，这周我们只有几个新模型要讨论，而且我认为我们不会花太多时间在上面，但我只是想回顾一下最近发生的事情。
嗯，第一个引起轰动的是谷歌的新 3.1。嗯，这很有趣，因为我发现很多人对新的 Gemini 模型并不那么兴奋。我认为人们只是在他们的工作流程中没有像以前那样多地使用它们。嗯，我认为这与谷歌如何推出它们有关。就像，似乎，你知道，你可以使用他们的 CLI，你知道，它有一些成熟的问题正在发生，还有反重力，它有自己的问题集，但总的来说，人们无法在他们喜欢的所有地方使用它们。我认为 Cursor 是人们从中获得良好体验的一个地方。嗯，你知道，在我个人使用中，你知道，我在 CLI 中使用它，我遇到了很多，你知道，500 错误和断开连接，这有点混乱。但是，我的意思是，我对其所做的事情印象深刻。我只是还没有足够地使用它来获得一个好的感觉。但是，我想听听你的看法，Adam。我知道你过去是 Gemini 3 的忠实拥护者，我想听听你对 3.1 的看法。
是的，实际上，我的经历和你详细描述的非常相似。我可能会稍微回顾一下。当我第一次读到 3.1 时，我喜欢他们正在推动更大的上下文。我喜欢，你知道，所有的基准测试看起来都不错，但归根结底，我想说它不够稳定，无法用于主流开发。嗯，我实际上读了一些在线帖子。很多人因为遇到的一些问题而放弃了它。我不知道你们是否也遇到了，比如内部错误消息，诸如此类的事情会触发。
嗯，我自己也放弃了，只是回到了使用两个模型，Composer 1.5，我们可能会在这里稍微谈谈，以及 Opus 4.6。我仍然非常看好 Gemini。我认为他们会做对的。但我有点担心他们计划在 3.1 稳定之前弃用 Gemini 3.0，因为我仍然使用 3.0 来做我的计划分析。所以，我会用 Opus 4.6 生成一个计划，然后我使用 3.0 来给我一个对我已经制定的计划的第二意见。所以我对此有点紧张，但我们会看看会发生什么。
嗯，我很好奇。你有没有尝试过 Gemini 3.1？假设它很稳定，我想在大多数情况下它都是净收益。它应该能够做同样的工作。
是的，我的意思是，我认为当它稳定时，它就可以做到这一点，但老实说，我无法区分我能够使用它的部分。
我会很好奇。我的意思是，你们能看出它比 3.0 有进步吗？
我的意思是，如果我们不能连续使用它几天而不出现故障，就很难对其进行评估。
是的，我的意思是，我设置了我的 repo bench。我最初用 3.0 做了一些测试，它是一个表现非常差的模型。它比过去的 2.5 差很多。它比 Flash 3 差。它甚至比 Flash 2.5 差。所以，当 30 发布时，我非常失望。作为一个工具调用者，这是一个巨大的进步，但我认为它有很多问题，它也会失控。
嗯，使用 3，3.1，基准测试要积极得多。嗯，所以就文件编辑和完成这项工作而言，它能够一次性完成大的更改。嗯，我认为它更加一致。所以，对我来说，这是一个巨大的进步。就日常使用而言，我需要稍微回顾一下，但它似乎在图形设计能力方面有所提升。所以，我认为与它进行更多互动会很有趣。我只希望他们能够稍微稳定一点，并在某种程度上改进他们的 CLI 产品。
嗯，你呢，Ray？你知道，你在 Cursor 中有很多使用经验，所以我很好奇，你知道，你花了很多时间在这上面吗？
是的，我尝试在 Droid 中使用它，遇到了同样的问题。它一直在失败，而且端点，你知道，有时它会起作用。然后我尝试在 AI Studio 中使用它，它实际上起作用了。我给它一个非常大的架构提示，用于制作一个可以做很多很棒事情的多人小行星类游戏。它在设计方面非常出色。从零到一。我认为这是它的优势。他们真的只是从零到一。给你你想要的尽可能多的指示和细节。我总是对那个第一个演示，它的第一个东西印象深刻。
在那之后，它似乎真的会失控来修复错误。它自己做决定。它试图引导自己。它试图说服你它是对的，这可能是模型中最令人恼火的部分。然后当我过渡到 Cursor 时，情况也是如此。你知道，从零到一令人印象深刻。非常令人印象深刻。实际上，Cursor 中的 Harness 使工具调用比在其他地方似乎更好。以及它能够分叉并做的事情，你知道，当我看到一个子代理分叉并做一些工作然后回来时。它总是令人印象深刻，它继续做的事情，你知道，为了下一步，并保留所有这些东西在内存中，这可能是最令人印象深刻的部分。但是一旦游戏运行起来，修复任何错误就成了一场噩梦。你知道，它并没有真正修复它们，我花了很长时间和很多提示才让它正常工作，而且它仍然没有工作。
是的，我一直在做的事情是，我一直在现有的存储库中工作，我还没有用 Gemini 3.1 做过很多从零到一的测试，但例如，我们有一个相当大的存储库。我的意思是，不是巨大的，但我实际上运行了一个工作树，我正在使用 3.1，我正在使用 Opus4.6。Opus 4.6 轻松获胜。3.1，正如你所说，工作起来很痛苦，但我一直在尝试给它一个宽限期，认为它可能只是稳定性的问题，比如他们需要进行的调整，他们需要做对的事情。所以，我一直试图不要过度批评它。但归根结底，我们必须完成工作。而现在，我只是觉得我无法完成我的工作。也许一两周后我会再试一次，花半天时间来使用那个模型。
是的，公平。我的意思是，你知道，通过从零到一来评判一个模型总是很棘手的，因为这并不是大多数人经常做的事情。我的意思是，现在开始很多项目模型是很诱人的，但我认为很多人，尤其是与它们一起工作的人，需要能够每天使用它们，并且在现有的代码库中使用它们，而且要掌握这一点有点棘手。所以，我的意思是，我想我们会回来看看这个模型如何发展，一旦他们稳定下来，你知道，使用起来感觉如何。我很想看看，而且我认为谷歌正在做一些好事。嗯，我非常非常想看看他们如何发展 Flash。Flash 是一个模型，对很多人来说表现非常好，而且价格也很合理。嗯，但是，你知道，我们最近发布了很多其他快速模型。OpenAI 刚刚在其专业计划上发布了 Spark 模型，该模型使用 Cerebrus 推理能力。如果您不熟悉它，这是非常专业的硬件，用于运行模型推理的极快工作负载。问题是它的内存容量非常有限。所以你只能在那里运行较小的模型。你不能运行通常在 Nvidia GPU 上运行的那些巨大的模型。所以，你确实会得到一个稍微差一点的模型智能，但以那些速度，也许有一些用例。嗯，所以我想在给出我的想法之前，我想听听 Adam，你有没有玩过它？
哦，是的，我是 Cerebras 的忠实粉丝。我曾经相当长一段时间都在支付他们的 Cerebras 代码计划。所以，任何他们做的事情或他们与人合作的事情，我总是很支持，因为他们的速度令人难以置信。
嗯。
但是那个 128k 的上下文对我日常的工作量来说简直是杀手。我认为它可能有用途，但对我个人来说，很难保持在这个上下文窗口内。通常，你需要一些基础的东西来填充它，这可能已经占了一半。60 到，你知道，50 到可能 70k 的上下文，仅仅是你的代码库的上下文，你需要完成你需要做的事情，加上工具，加上任何 MCP。对我来说，每天使用它是不切实际的。但我真的很喜欢 Cerebras。我是他们的忠实粉丝。我希望他们能做到他们现在正在做的事情，但将上下文窗口加倍，然后我们就会得到一些神奇的东西。
嗯。
我测试了 Cerebrus 很多次，并且过去做过相关的视频。
Cerebrus 有趣的是，它们也有 TPS，但它们也有一个 Q 时间，然后它们才能开始处理你。所以，你确实必须小心，不要被 TPS 的说法和其他类似的事情所迷惑。因为如果你从发送响应的时间开始推断，结果实际上比广告宣传的要低。并且在后续消息中，TPS 实际上会急剧减慢。但它仍然是一个闪电般快速的模型。所以，我不想贬低他们所做的事情，但不要被那些疯狂的 TPS 的营销宣传所迷惑。
是的。你呢，Ray？你花时间用过 Spark 吗？
是的，我花了很多时间在最开始试图理解我应该能够发送什么样的请求。然后我认为当时 Composer 1.5 也出来了/出来了，我用 Composer 1.5 完成了更多的工作，速度和更大的上下文窗口，你知道，窗口，而且它就像，这很奇怪，因为你不能在 Cursor 之外使用 Composer 1.5，而 Cursor 就是整个事情，而且 Harness 在这方面做了很多改进，我意外地没有意识到我甚至在使用 Composer 1.5，我以为我正在使用 Opus 来完成一项任务，然后我心想，哇。这只是因为我只是启动了一些东西然后回到窗口。我心想，等等，它已经完成了？然后我检查了工作。我心想，嗯，这就是我想要发布的整个功能，因为我已经有了一个计划。这就是我试图弄清楚的。就像，一旦我有了计划，我能否委托这些不同的事情？这是我想深入研究的事情，因为我知道你有一个产品叫做 repo prompt，Eric，而且，你知道，我很多年前就印象深刻的是你可以委托。你说 Opus 是一个好的委托者，或者它是其中一个模型，是一个非常好的委托者模型给其他模型。
Opus 喜欢委托。Opus 最喜欢的工作是，哦，我可以把那个交给另一个模型。这太棒了。它会不断地这样做。我认为 Sonnet 甚至更糟，因为 Sonnet 比 Opus 更会怀疑自己的智力。所以，就像，哦，我将信任更聪明的模型来处理这个问题。所以，如果我能得到一系列模型，它们会像 Spark 做一些事情，而 5.3 代码库，你知道，因为我想，我认为我上瘾的是将不同线程的工作发送出去，而这些工作不一定需要同时完成。就像，嘿，去研究这个，去弄清楚这个，去把它放在一起，你知道，做一些事情，然后回来找我。很多时候，你知道，我想做这个，或者我有时只是想快速产生想法。我心想，这看起来像什么？
这就是为什么我喜欢这些快速模型。就像，好吧，给我一个非常快速的回应，然后进行迭代。
挑战在于，因为我做了很多关于这个的研究项目，而且我至今仍在为此挣扎。就像，将正确的上下文传递给那个子代理或子作业非常困难，因为然后子代理最终会再次查找更多上下文，然后你就到了，你知道，必须有一个解决方案。我确定有一个解决方案，但我还没有能够真正以系统化的方式完美地解决它，因为我发现，在某些情况下，我可以节省成本，因为我所做的是从节省成本的角度来看。所以，我是否可以通过将更简单的事情委托给更简单的模型来使其更便宜。但有时它实际上会更贵，因为你知道，我们没有正确地传递上下文。我没有那个。
我还会分享的另一件事是，我不知道这有多相关，但我很喜欢 Composer 1.5 来询问有关代码库的问题。我在这里问了一个问题，它使用了 17 或 35.9K，200,000 中的 17.9%。我问了 Spark 同样的问题，它使用了 64.50% 的上下文来回答同一个问题。一个非常简单的问题。所以，就像，即使再次非常偶然，但就像，即使是我认为我应该能够进行几次对话的事情，它也已经占用了我一半的上下文了。我只是，不幸的是，我无法将其用作日常编码器。
所以我想稍微谈谈 Spark 的上下文窗口，因为 OpenAI 的模型是推理器，对吧？因为它们是推理器，所以广告的上下文窗口有点误导。所以，它们官方说，你知道，Codex 和 GPT5 等系列模型，它们是 400k 的令牌窗口，但当你在 Codex 或 Cursor 中使用它们时，你会发现实际上只有大约 265 到 270k 的令牌。原因是有一个输出预算，你必须分配。所以，当模型输出令牌时，这是馈送到上下文窗口的一部分。所以你必须为最大输出保留一个数量。所以这是你需要记住的事情。现在，Spark 的问题是，它广告的窗口是 128。现在我不确定这是否包括输出。这有点棘手，因为它不在 API 上，它真的只在 Codex 中。但这是需要考虑的事情，因为它的推理跟踪正在消耗上下文窗口。如果你没有给它足够的推理，它实际上会进行虚假的工具调用，这些调用不会提供好的信息。所以，它是一个需要足够聪明来知道调用哪个工具的模型，但通过过度思考，它可能会过度思考，然后燃烧它的上下文进行思考。所以，这是一种需要找到的棘手平衡。而且我发现我们还没有达到一个小的推理模型来达到这一点。
有趣的是，Composer 也是一个推理模型，但它被训练成非常依赖 Cursor 提供的许多语义搜索和令牌高效搜索。所以，它能够更好地摆脱这个问题。我知道他们花了很多时间专门迭代他们的 Harness，而 Spark 是一个全新的实验。你知道，现在比较它们还不太公平，但我认为看看我们最终会达到什么水平很有趣。而且我认为将模型用作子引擎，我认为 Spark 可能是一个不错的地方。你只需要注意，如果你给它一个过于复杂的工作流程，我发现它会迷失方向，失去对它一直在做什么的追踪。而且你知道，在上下文窗口的更深处，它的智能程度要低得多。就像所有模型都会遇到这个问题一样。它们消耗的上下文越多，调用的工具越多，它们的智能程度就越低，它们与你所要求的就越不相关。没有办法逃避它。所以，更新、更大的模型现在在保持上下文窗口更深处的连贯性方面做得更好，但它仍然是一个问题。而且你知道，它甚至对较小的模型来说也是如此，而且幅度很大。所以，在尝试这些模型时，需要记住这一点。而且你知道，我认为像 Codex 5.3 Spark 这样的模型的命名可能有点误导。你会想，“哦，它只是一个更快的 5.3，”但它是一个完全不同的模型，你不能真正用它们做同样的事情。所以，需要记住这一点。
嗯。
关于那里的快速模型还有其他想法吗？Adam，什么？
我一直都知道，历史上，就像在 Cerebras 上一样，使用 Quincode Quincer，它们也只能运行 128K。所以，我的假设是，这个 128K 是包罗万象的。这就是我们必须处理的。
所以，我认为 Ray，你之前谈到了这一点，但必须有一些背景。对我来说，这会是一个有趣的模型，可以通过 API 提供给我，因为我有一些正在运行的代理，它们正在做一些特定的事情，而我们正在做的一些事情需要低延迟，但我也需要高质量的输出。我真的很想有一个这样的模型来实际测试，因为这不是一个疯狂的代理循环。可能有一两个工具调用。我真的很关心那里的速度和输出质量。而现在，我们最好的选择是 GPT5 mini 或 Gemini Flash 模型，甚至 Haiku，如果我们能做到的话，如果这被开放到 API，我将在这些情况下进行测试，因为我有一个非常受限的上下文，我知道我将输入非常有限的工具调用，理想情况下，它应该从用户的角度提高我的端到端延迟，当他们收到结果时。
是的。嗯，看到它推出以及我们可以用它做什么将会令人兴奋。我认为目前那里的计算分配非常有限，所以他们不能真正广泛地推出它，但你知道，我认为随着时间的推移，我们会看到，你知道，我们最终会得到这些快速模型，具有专门的推理，这是一个有趣的领域去探索。
嗯，好了，我想稍微换个话题，谈谈 Anthropic 这周声称他们受到了攻击，你知道，这些不同的中国供应商在他们的模型被提炼成其他模型方面。这是一个有趣的说法。嗯，所以我们还没有收到过这样的说法，他们专门点名了这些不同的供应商。所以有 DeepSeek、Minimax，还有，嗯，我最后一个名字记不清了？
Moonshot。就是它。对。所以是 Kimi 模型。嗯，所以这是一个有趣的说法，而且你知道，如果你们关注 X 上的 Theo Gigi，他制作了 T3 聊天应用程序，他声称他们实际上在撒谎。而且看到这一点很有趣。所以，我们无法真正以面值来看待这一切。嗯，在看到 Anthropic 的所有数据之前，我们无法真正下定论，但这是一个说法。你知道，我们已经在幕后看到，这些模型提供商正在提炼他们的模型，而且你可以看到很多中国模型，他们说它们是克隆的，所以很明显它们是在克劳德的许多跟踪数据上训练的。
但是，我想知道你们对此有何看法，以及这对格局意味着什么？你知道，特别是，你知道，当 Claude 现在因为美国政府而陷入困境时。那里有很多悬而未决的事情。就像，我认为这正在成为一个有趣的，你知道，地缘政治局势的升级，你知道，在人工智能的这个阶段，特别是随着这些模型变得越来越强大。所以，我想知道，Adam，你对此有什么看法？
我对这个有很多想法。所以，让我来吧，我对此有一系列的情绪。我首先想到的是，据我所知，这是第一次我们有一个说法点名了实际这样做的公司。所以，DeepSeek 150,000 次交换。在我看来，这微不足道。这不会真正改变 DeepSeek 在那里所做的事情。Moonshot 340 万。这开始变得有点令人印象深刻。Minimax 1300 万。所以，但是另一方面，这是一个大胆的说法，而且在这个博客文章或发布的任何新闻中都没有提供证据，我们可以跳到 Anthropic 所做的评估是正确的这个结论。而且如果它是正确的，我不会感到惊讶，因为我的意思是，我们都可以告诉你，就像我们尝试过的模型一样，感觉就像 Claude，或者它的谈吐就像 Claude，有时你可以欺骗它说它是 Claude。就像我见过这样的 Reddit 帖子。我不会感到惊讶。但我也认为，这是一个如此大胆的说法，以至于我想知道为什么现在要公开这个动机，因为这肯定一直在发生，你知道，这一定已经持续了很长时间。所以我认为，在这次演示背后可能比我们实际掌握的信息要多得多。我确实同意 Theo 的观点，就像一些数字一样。DeepSeek 的代理是谁？150,000 次请求发送到 Claude 又如何？这甚至可能与训练无关。这可能是使用。我们对此一无所知。当你开始进入 1300 万时，这开始感觉更像是设置了一些自动化的东西。所以，在我看来，我真的需要更多的证据。我需要理解，我希望能够获得对他们实际提取的数据的深入分析，以及可能的人员或他们如何追踪这些账户到个人，因为说他们追踪到了一个实验室研究人员的 IP 地址是一个大胆的声明。你是怎么做到的？你是怎么完成的？你一路上做了哪些假设？所以，总之，我认为我们需要更多的证据才能完全支持它，在我看来。
嗯，我认为他们可能不愿透露太多证据，因为那样他们就会暴露他们的追踪方法，这会让他们再次容易受到攻击。
我的意思是，我认为这是公平的，但也有另一个角度是，美国公司可能对中国方面发生的事情感到紧张。所以，这几乎是一个人工智能对决，或者中国对决美国的人工智能战争。这是好事。我们需要这种竞争，但我们不能仅仅以面值来看待这一点，因为部分原因是因为，谁能说 Claude 也不会对所有其他模型做同样的事情呢？我的意思是，这里有很多幕后交易，我们只是不知道。
是的。
但，是的，我对此有非常复杂的情绪。一方面，我会说，“是的，是的，这说得通。如果我在那里开发模型，我也会这样做。”就像，我明白了。但另一方面，就像，为什么现在才出来？我们怎么会不知道这件事一直在发生？你确定你追踪到个人是正确的吗？我们有 24,000 个账户。难道没有一些标志或已知的事情吗？我感觉发布这个博客文章或这篇新闻报道背后可能有不同的动机，而不仅仅是揭露这三家被点名的公司，你知道，不是 Quinn，不是 Alibaba，这让我很惊讶。Z.AI 让我很惊讶他们不在名单上。
这很有趣。
确实如此。我还想稍微谈谈你在流媒体之外说的额外的事情，更多的是关于竞争。如果你能稍微谈谈这对竞争意味着什么。
是的。嗯，我的观点是，这有点像我们正在进入一个未来的话题。所以，Anthropic 已经软化了他们的立场，基本上是停止人工智能开发，如果风险超过某个阈值。我对此的理解是，他们已经承认他们不再是比赛中唯一的马了。就像他们已经承认，如果他们停止，一切都会继续前进。而且我认为你说得对，Ray。这可能与承认这些公司现在确实拥有一些有能力的东西存在一些相似之处。他们拥有一些好的东西。然后他们真的从 Claude 提取了数据吗？我敢打赌。就像，如果我是一个赌徒，我敢打赌他们做到了。但同时，出去并点名并攻击他们而没有支持性证据，就像他们期望的结果是什么？就像他们喜欢，这有什么好处，除了敲诈这些公司？我不知道。会发生诉讼吗？可能不会。这是两个不同的国家。我不知道。我很好奇这最终会走向何方。作为一名美国公民，我有点害怕的是，你知道，我真的相信自由模型和开放模型以及开放权重，这基本上就是这一切的开始，对吧？我觉得点名特定的公司，你知道，我害怕事情会变成，就像，如果你使用这些模型，那么你就是在参与恐怖活动，或者类似的事情。它可以这样发展。我不会走那么远，但我认为，你知道，他们可以制裁不同的模型，并真正限制使用，这可能是一个巨大的问题。
所以，我的意思是，这确实是一个风险，你知道，当我们开始接触它时，特别是如果你知道 Claude 模型对美国政府的运作至关重要，那么任何使用这些仿冒模型的尝试都存在风险。让我有点担心的是，你知道，我们正在进入一个模型变得越来越危险的阶段。你知道，它们能做的事情越来越多。你知道，我们看到了，你知道，所有这些，本周有一个故事，有人使用 Claude 闯入了墨西哥政府。你知道，人们用它们来闯入他们的炉灶，你知道，闯入所有这些智能电器。我还在另一个故事中看到有人有一个大疆无人机，不是无人机，而是一个机器人吸尘器，他们意外地闯入了网络，并能够窥视 6,000 个不同机器人吸尘器的摄像头。所以，就像使用 Claude，你现在可以做很多事情，你知道，关于安全，你知道，风险，而且你不需要那么聪明才能让它做到。所以，你知道，随着这些模型变得越来越强大，而且它们使用的是最安全对齐的 Claude，你知道，那些没有经过严格安全测试的模型会发生什么，这些模型正在被发布给人们运行，而且它们更容易受到提示注入的风险，特别是如果你在本地运行它们，你知道，如果攻击者找到你并窃取一切会发生什么？我们正在进入一个奇怪的时代，我认为，你知道，我们将不得不开始更加小心地在我们自己的机器上安装和运行这些模型，特别是当它们完全控制我们的机器时。所以，你知道，有很多事情正在发生，而且这将是一个有趣的关注点，我认为这绝对不是故事的结局。
嗯，你提到了这一点，Adam，就是 Anthropic 的负责任扩展政策被撤销了，我只想稍微强调一下。所以，Anthropic，如果你不熟悉，他们以前是那些对安全有最强立场的人，他们会在事情超出某个能力阈值时暂停。而他们现在已经撤销了。而且正如 Adam 所说，就像，现在竞争更激烈了，他们无法控制停止。我认为，正如他们所说，就像，你知道，许多这些停止点必须是行业范围内的努力，以减缓和停止。
他们确实。我认为，你知道，我们现在正在非常快速地前进。而且，你知道，我认为现在有一种更加鲁莽的能量，你知道，随着事情越来越快。他们正在稍微削减一些角落，以保持领先地位并吸引注意力并推动能力。我认为很难说出这些模型在我们如此快速地发布它们时所能做的一切。就像，你知道，模型在训练和发布之间有两个月的时间窗口，就像，我们怎么能说他们已经完成了完整的测试，以及那个测试是什么？因为我们真的不知道这些实验室是封闭的，我们真的不知道那里的全部故事。所以，这是一个奇怪的时代。从外面看很有趣。说实话，有点令人担忧。我也不想成为一个散布厄运的人，但我认为，就像，这个问题将在明年更加频繁地出现，我认为。而且，我们将拭目以待，看看我们从这里走向何方。
嗯，所以，我认为，让我们再次稍微换个话题。嗯，而且我认为我们都，你知道，作为编码员与这些模型一起工作。而且在过去的几个月里，你获得的模型的代码质量有了巨大的飞跃。你知道，很多人都在谈论它。嗯，你知道，我们听到了，你知道，Michael Trroll，他是 Cursor 的创始人，他谈到了，你知道，我们正在进入开发的第三阶段，其中 100% 的代码由 AI 编写，我们与这些模型的工作方式正在改变。Andre Kaparthy 也提到了这一点。你知道，就像两个月前，在这些模型的可靠性方面，这完全是不同的体验。所以，我们现在正处于一个地方，越来越多的代码被完全自动化，即使它还没有影响到你的公司，它可能在某个时候会。所以，我们如何处理这个问题？你知道，有太多的代码出来了，而且你知道，作为一个公司的工程师，你如何管理这一切？你如何协调这一切？所以，我想知道。我知道 Adam 对此有很多想法。你目前在大公司工作。所以，告诉我们你的想法。
是的，我实际上对此想了很多，因为我们有从历史代码库到新发生的事情的一切。而且你知道，我来自一家初创公司，在初创公司世界里，你只是去那里，依赖于其他事情更少，你只是去构建你需要的东西。但我回到了我之前的公司。我们是金融科技公司。我当时在那个时候，在人工智能之前，我脑子里建立了一个心智模型，我们业务中最重要的部分大约是 20% 的代码，它永远不能失败。就像，这是交易数据。这是数据。这是代码库的一部分，如果出现问题，实际上会以非常糟糕的负面方式影响我们所有的客户。但是，如果 UI 坏了，有一个工作流程坏了，这与我们核心系统需要保护的东西相比是微不足道的。所以，我开始思考的是，就像，你的代码有一系列部分，我认为我们可以将可处置性作为我们思考系统设计方式的核心原语。如果我们能够包装并识别我们生产系统中最重要的部分，围绕它进行测试，我们确保人类在很多方面都参与其中，以确保它不会出现问题。甚至可能有关于 AI 可以或不能更改这些系统的护栏。我正在编造那个数字 20%。那只是我脑子里建立的模型。所以，如果有人告诉我它是 25。我不会争论。但是，你的代码有一大部分，老实说，如果它没有完全优化，那并不重要。老实说，如果一个屏幕或什么东西坏了一段时间，那并不重要。你的代码有一大部分。是的，我们希望它好，但如果不是，让我们扔掉它，重写它。我认为我们可以开始建立一个可处置性原则。但要记住，要做到这一点，我们必须在不能出错的重要部分代码之间建立清晰的界限，而工程师和系统架构师必须了解那是什么，以便我们不惜一切代价来保护它。单元测试，集成测试，合同测试，任何需要做的事情，以确保它不会失败。这就是我的想法。我想知道你们怎么想。
嗯，我只想稍微跟进一下这个可处置性。因为我同意你的观点。我认为很多公司确实过度平台化了。这不是一个词，但你知道我的意思。就像，我认为我们试图过度集中化。
而且我认为在人工智能时代，我们必须这样做。所以，在上面构建。我们需要非常清楚你所说的。如果有人在上面构建，再次，它就成为你系统的一个核心部分，然后就不能改变了。这就是我尝试这样做的方式。现在，说起来容易做起来难，因为正如你所说，人们在跳来跳去。我们在做不同的事情。事情会丢失。执行这一点将是关键。而且我认为没有人会做得完美。但我确实认为，有一个程度，就像，我们不应该害怕扔掉代码，我们应该考虑应该构建在上面或核心的代码。
但是那段代码应该最小化。就像，我们需要让它尽可能小。
因为有些事情我们已经平台化了。嗯，我想起我在金融科技公司的那段日子，我们今天平台化了很多事情，而现在平台化这些事情没有意义，因为 AI 可以写得更快。我们实际上不再需要一些共享功能了。某些事情，是的，比如身份验证，当然。基础设施，是的，当然。数据库访问层绝对是，但有些事情你绝对喜欢，我甚至会把它锚定在 UI 层作为一个整体，可能其中很大一部分已经被平台化了，而我曾经参与过的公司可能不再需要平台化了，这样我们就可以在每个垂直领域中移动得更快。当然，人们会对此有不同的看法，这就是我的想法。
然后，另一方面，这真的取决于你在哪里。就像，如果你在大公司，你在构建一个新产品。就像，在那时，你的代码应该更多地是可处置的，而不是不是，因为你甚至不知道产品是否会起作用。
所以，你需要赢得权利才能达到稳定产品的程度。如果你在照顾一个旧的整体代码库，我们已经知道它有产品市场契合度。所以，你的方法非常不同。你的可处置性原则需要适应代码库和你所处的市场契合度。我只是担心，就像，你知道，因为我，我不知道，如果事先花一点额外的思考来确保代码可以得到很好的测试和隔离是否更昂贵。因为我认为现在有一个方法，AI 模型可以写出如此多的代码，但如果正确引导它们，它们也可以写出好的代码，我们不应该把代码看作是可处置的，而是应该把它看作是我们可以构建的东西。就像，我认为我们不应该把它看作是扔掉并且永远不再回来的东西。我想知道你的想法。
我的意思是，我认为这是非常公平的，我同意你的观点。我认为 AI 可以写出非常好的代码。而且我也认为，如果你正确地提示它，并且你理解你想要事物的布局和架构，并且你指导它，你就可以做得非常好。但我也认为，当我们需要快速行动时，有一个程度，就像，这是一个线性尺度。当你还没有找到产品市场契合度时，这有多重要？就像，你是否花时间确保事情被很好地架构，而这些事情有 50/50 的机会被扔掉，还是你把它看作是可处置的东西，你试图从中获得客户学习以更快地移动？而且我认为这将取决于团队和产品，以及，就像，如果你发现你可以同样快速地行动并保持稳定，并且你愿意做额外的工作，知道很有可能那段代码在六个月后可能不会以其当前状态存在，因为你正在通过产品变更来弄清楚它是否有效。那么，我认为，就像，那完全没问题。但我确实认为，也许更大的观点是识别你的代码部分，整个系统需要受到高度保护，就像你需要围绕它设置界限。我想到像交易账本之类的事情，它们是高度关键的性能，非常重要，每秒处理数百万笔交易，你不能破坏你系统的那个部分。
对我来说，就像其他一切虽然重要，但可能不那么重要，需要围绕它设置护栏，也许是另一种思考方式。所以，我认为确实存在一个权衡，你使用这些模型编写代码越多，而这正是我最近发现的。我最近使用了大量的 5.3。
所以，关键问题是，这些模型看不到完整的图景。它们无法将所有内容都装入上下文窗口。所以，它们总是在一个给定的时间点读取文件的子集。而问题在于，它们不知道可能存在一个助手，或者存在其他东西，或者它们没有看到你代码的不同部分之间存在一个共享的模式。
然后它们最终会重新创建自己的抽象和自己的工具，并这样做，复制代码。然后，如果你不注意，你最终会得到很多复杂性，它会迅速积累。而且它变成了
要维护那段代码，甚至在此基础上进行构建，会变得更加困难，因为你越是放任不管，代码就会越发臃肿，最终导致代码量爆炸式增长。如果你想快速推进，到某个时候，你就会被那些陈旧的代码和所有复杂性拖慢脚步，因为模型必须在其中导航，而找到要编辑的正确代码部分需要更长的时间。而且，它们也无法记住更多信息。所以，我认为这种“哦，你必须快速行动，所以不用在意代码”的想法，即使你确实有代码中受保护得更好的部分，也很难避免复杂性堆积，而你必须维护和管理它，因为它就是无法控制的。所以我很好奇，这是否会影响你的审查，或者说，因为我确定你也观察到了这一点。>> 绝对的。我非常喜欢这个话题，因为我开始构建这个……>> 我们都经历过团队在做决定时陷入瘫痪，导致没有任何代码被编写出来。所以最终你一无所获。>> 你也经历过两个团队在做同样的事情，所以你最终得到了两个相同的解决方案。在这种情况下，什么更好？在这种情况下，拥有一些东西比一无所有要好，即使你做了重复的工作。所以，我一直在尝试从人工智能的角度思考同样的事情。我不断地尝试将自己置于一个团队中，有人突然进入了一个他们不了解的代码库，这个代码库可能有两千万行代码，或者已经构建了很多年。他们将没有上下文来帮助人工智能做出关于存在什么或不存在什么的决定。而且，正如你所说，人工智能也无法找到它，因为它们的记忆是有限的。那么，最好的选择是什么？最好的选择是尝试建立护栏，保护这个人不应该能够测试的东西。如果有一个重复的、你知道的辅助函数，我们又何妨呢？如果我们愿意随着时间的推移丢弃它并重写它。所以，这就是我的想法，我并不是说这是一个简单的答案，但我的想法是，两个比零好，但如果我们能得到一个副本，那就是理想状态。不过，在这个人工智能时代，我也不害怕重复的代码。不，尤其是在我刚才谈到的情况下。>> 好的。我很好奇，瑞，你一直有点安静。你知道，我和亚当一直在来回交流，我知道你已经很久没有在团队工作了，但你在苹果的大团队工作过很多年。我很好奇，随着人工智能能够如此快速地生成代码，你对这个问题的看法是如何变化的？有几个不同的思路我正在梳理。你们的谈话让我想起了……也许是 Objective C 运行时。>> 如果我们真的开始构建一个人工智能运行时，在那里事物实际上是简单的，只是对象和事物，你知道，你真的看不到这些东西，直到它们实际在运行时运行，错误才真正开始显现，对吧？编译器只能做某些事情，代码本身以及你用来构建这些东西的所有检查都显示不出来。但真正的 bug 出现的地方在于那些集成，对吧？比如你有一些芯片提供商给了你一些东西，然后你发现其中 80% 都坏了。所以你现在必须让软件绕过它。所以你在代码中做出的所有假设都是正确的，>> 但实际的底层和这些，你知道，所有的频率它们都汇集在一起。所以，这些是你实际使用这些东西时会发现的东西，尤其是作为人类。如果人工智能能够如此快速地运行并在其运行时自我修复，你知道，那层语言实际上不是人类可以真正审查的，它只是设定了一些基本规则和事物，然后你就可以做这个。我们必须看到发生的代码吗？不，我们只需要引导这些事情，而且很多时候，作为工程师，作为人类，这里更大的线索可能是：输出的代码只是为了取悦人类吗？我们是为其他人类编写代码，然后作为其他人类进行审查吗？然后我们是否期望这些创造代码的人工智能来取悦我们，对吧？如果我们只是给它们一个运行时和非常有限的约束，然后说“嘿，在这个环境中运行，我相信你能做正确的事情”，它们是否可以做自己的事情？然后这些机器开始与自己的机器对话，发明自己的语言。我不知道。我只是把这个作为一个主题抛出来，因为我觉得这就是……光标和其他人试图说的方向，你知道，他们本质上仍然以某种方式参与其中，因为他们仍然在给机器下达指令。但是>> 嗯，有没有>> 我想插一句，因为你刚刚提出了一个有趣的问题，我认为这非常重要，那就是“哦，我相信它会做正确的事情”，但什么是正确的事情？你知道吗？这是一个大问题，因为当我们提示模型工作时，这远不如编写代码精确，你知道，代码非常具体，而且你已经考虑了所有的逻辑。>> 它可以根据规范更精确。>> 而且，你知道，很多工具都在朝着规范发展，但规范并不完美，而且很多时候人们正在用人工智能生成规范，而不审查其中的所有细微差别。>> 然后你就引入了更多的混乱和复杂性，这可能不值得去做。>> 所以，我只是觉得很难处于一个能够将大量工作卸载给模型并让他们完美执行的位置，因为我认为你作为开发者并不确切地知道那部分工作到底应该是什么。>> 因为你脑子里有一个想法，但你传达给模型的并不完美。所以，我认为，直到我们拥有像 Neuralink 这样的东西，模型才能真正深入你的思想并理解你想法的细微差别。>> 我认为只会存在这种有损的翻译，我们永远无法达到那个完美的最终状态。>> 我认为它会改进，模型会更擅长理解我们。它们会更了解我们的模式，上下文窗口也会改进。你知道，它们会在这方面做得更好，当 Eric 说这个的时候，这就是他的意思。>> 但我认为，你知道，那里有一个根本性的限制，我们能走多远。>> 我这周看到了一个有趣的帖子。是 Uncle Bob Martin，他在 X 上是一个有点争议的人物，他在谈论这个。他说，根本不存在完美的规范，一种你可以传达的、可以被证明是正确的形式化规范，从模型的角度来看。>> 因为它是一种有损的表示，而且当你……你知道，当实现落地并被模型测试和运行时，你根本不知道它到底构建了什么，以及它是否完美地代表了规范所说的，因为那里没有一对一的链接。所以我们正处于一个混乱的阶段，我们试图达到更高的抽象层，但我们没有工具可以到达那里。看到我们试图绕过它很有趣。>> 抱歉打断了你，让你说了这么多。但我很好奇，里面有什么让你产生共鸣吗？>> 不，我认为，我不知道。我正在思考事情将如何发展，因为在过去的几年里，人工智能的许多进步都集中在我们这些编写软件的人身上。但我真的不觉得很多预训练的努力也呈指数级增长。我认为很多优化和容易实现的目标都在软件方面。我也很好奇，从商业角度来看，如果我是 2026 年开始创业的 Z 世代，你几乎必须一直使用人工智能编码才能跟上步伐，对吧？存在一个速度和迭代之间的奇怪困境，以及试图将某样东西推向市场。你不能只是……哦，就像我已经在大公司工作过，赚了很多钱，所以我将手工编写所有代码，然后悠闲地在海滩上放松一样。我不知道，每个人都在哪里？我的问题是，对吧？我们是在构建两个不同的世界吗？然后，你知道，访问这些模型、代币和成本以及输出>> 这就是我的宏观图景，你知道。>> 我想补充一下你们之前说的话，然后我认为我们应该谈谈初创公司心态和企业心态或稳定……你知道，产品开发。我遇到的另一个问题，这可能听起来有点与我之前说的关于 20% 的代码然后其他东西可以更随意化相悖，但目前最大的痛点之一是代码审查，对于所有这些生成代码。我可以生成大量的代码，然后我说，“哦，它能用。把它交给一个队友，然后说，“去审查一下。”他们会杀了我的。所以，就像……>> 嗯，那里有，那就是为什么我不知道规范驱动开发是否……我喜欢你提出的观点。我还没有读过 Bob 的说法。>> Uncle Bob。是的。>> Uncle Bob。因为我几乎想知道，这甚至是有益的吗？因为这会产生大量的提交，而且任何时候你有一个巨大的提交，特别是进入一个稳定的代码库，那都是巨大的风险。提交越小越好。更小的提交，更高的速度。人工智能并不真正有利于这一点，或者至少我还没有看到今天有利于这一点的工作流程。所以，我们如何……我们如何从保护需要保护的代码，同时又以小提交、大批量的方式更快地移动，这样就更容易降低……你知道，缺陷率或可能出错的事情。>> 然后在小企业方面，从商业角度来说，瑞，你说得对。如果你是一家初创公司，你 100% 会使用人工智能代码，并且你会尽可能快地行动。在我看来，你还没有获得专注于稳定你的代码库的权利。你正在寻找产品市场契合度。你正在尝试获得你的第一个客户。你正在尝试获得第一笔 1000 美元、10000 美元、100 万美元的销售额。但是有一个点，你越过了这个难关，然后你必须进入稳定模式，因为你的客户会期望你不会每天都在改变事情，不会搞砸事情。你知道，有一个时候你必须稳定下来，然后你的重点必须从……你知道，数量和快速测试转移到“好吧，我如何做到这一点而不影响所有人？我如何确保我的代码在部署时不会给我的付费客户带来任何问题？”所以，总而言之，埃里克，我把话筒交给你。>> 是的，我的意思是，我认为这是一个很好的地方来总结一下这次讨论。你知道，我们正处于一个……你知道，我们……非常诱人地想快速行动。如果你是一家初创公司，你不得不这样做。如果你是一家大公司，你知道，压力很大，你需要更有效率。但然后，是的，审查的负担是巨大的。完成所有这些代码的方法仍在摸索中。这是一个非常新的、未知的领域。很多东西都是非确定性的。你知道，很多程序员已经习惯了一个确定性的世界，编译器是确定性的，但程序不是。所以称它为抽象层并不完全正确。>> 所以，驾驭这些模型需要大量的技巧，而且……你知道，我们必须……我们必须培养这种技能和……你知道，检测能力。而且棘手的事情是，模型变化得非常快，它们底层的工具也在变化得非常快，所以……你知道，这种技能需要不断发展，这是一个令人疲惫的时期。所以，跟上步伐非常累人。所以我认为有很多值得探索的地方，有很多值得期待的地方。我认为这将是一个持续的对话……你知道，在这个播客上，随着我们在这里的发展。>> 我想以一个小的想法来结束这个想法，那就是人工智能正在取代所有工作。>> 因为，你知道，正如我们所说，有很多工作要做，关于如何辨别、确定应该编写什么代码，哪些代码应该确保是扎实的，哪些代码应该是可丢弃的。>> 那是很多思考，很多工作，模型还不能做。>> 而且它们还没有上下文来做。所以，工程师还有很多工作要做。而且最近的数据显示，美国发布的就业数据显示，软件工程师的需求比以往任何时候都高。>> 这有点出乎我的预料。我们会看看它是否会持续下去。但就目前而言，有很多事情要做。而且我认为，随着开发人员能够编写更多的代码，或者编写代码的成本下降，有很多事情要做，而这些事情以前是不可能做到的。团队可以应对他们以前没有能力应对的挑战，而且预算有限。就像你肯定经历过，你知道，在一个旧的代码库上工作，你想重写它，因为它变得难以维护，但你就是没有预算。也许现在有可能做到。所以，这是一个尝试新事物和探索的有趣时期。我很好奇。你有什么想法吗，瑞，关于这个……你知道，这个人工智能替代的东西？我认为这还需要一段时间。我认为，我不知道。我认为我有点回顾了一下事物的发展。我认为我们现在正处于人工智能编码的这个小泡沫中，因为很多……你知道，很多即将到来的变化实际上只是模型训练之后。我们还没有从 GPT3.5 到……你知道，我认为很多人说 GPT5 实际上应该是 AGI 模型，而且感觉就像……你知道，大部分东西都像是……你知道，推理追踪和训练后的东西。然后现在人们基本上是在给他们的代理工具加倍。>> 所以这些团队有更长的时间来构建这些工具，而模型并没有做出他们所说的决定。那么，还有多少工作可以真正被取代呢？而且，就 Open Claw 而言，我们使用它的方式，它就像一个不受约束的代理，它给了我一种预演的感觉，就像，好吧，我花在更新 Open Claw 上的时间比我从中获得的生产力还要多，对吧？没有>> 没有任何东西被解决。它……它有能力，我必须引导它，但它不像我可以把这个技能交给另一个人，他们就可以继续下去。>> 像 Notion 这样的公司正在尝试这样做。所以，我认为，你知道，我认为这些公司有很多容易实现的目标。我认为他们绝对应该探索它们。我认为，你知道，金融界人士，所有做数据分析和计算的人。你不再需要那个只是擅长 Python 的实习生了。你只需要……你知道，它会快速完成，而且它会非常擅长……你知道，整理一张图表。然后你就可以做那个演示文稿，或者你可以……你知道，为客户大规模地做。>> 所以，是的，我不想取代工作。我认为，我认为，是的，我认为它不一定是……你知道，一个一键式按钮，但是……而且我的……也许我在这里的最终论点是，我真的不喜欢这种恐惧的框架。而且，这种恐惧的框架，就像“这会取代工作，所以，嘿，我们的解决方案，我们应该是负责人”之类的。>> 或者听我们说，因为我们是知识渊博的人。这种框架也……它让我警惕起来，让我觉得，让我们看看，我们作为人也控制着这一点，对吧？>> 这是我们用来训练这些东西的数据，而且……你知道，每个人都在从中受益，而且……你知道，我们也有某种发言权。我不知道，我感觉我有一个……是的，我不知道如何结束这个。但是，是的，我认为这就是我所想的，我不知道，它会取代工程师吗？可能不会。有很多容易实现的目标。你应该使用这些系统。玩它们。用它们来提示。你会在过程中学到很多东西。>> 而且……即使你现在才开始，也不意味着你落后很多。>> 是的。>> 嗯，我想我只想补充一点，然后我们就去找你，亚当。我只是想说，虽然我们没有取代工程师，但我认为我们正在改变工作，而且我认为这是不可能避免的，工作是不同的。我们工作的方式是不同的。我认为仍然有一些领域，模型还没有完全进化到……你知道，有很多语言和某些东西，这些模型的训练还没有达到……你知道，即使是最好的程序员也无法做得更好。>> 但我们正在朝着这个方向努力。而且我认为，对于整个工作范围来说，它围绕着 RL 的观点，即我们正在用某些技能来加强模型。>> 而且我认为这种积累是……实验室会尝试……你知道，并试图完成每一个白领在电脑上所做的工作。他们会努力的。>> 所以，总而言之，我只是想在这里补充一点。亚当，你有什么想法？我想听听你对此的看法。>> 我的结束语是，如果你要进入工程领域，达里尔，在我看来，这是进入工程领域的最佳时机。我简直无法想象现在是一个大学生，以及你能建造的所有东西，即使你没有大预算，你只是在使用……你知道，每月 20 美元的 claw.ai AI 套餐。>> 仅此一点就为你解锁了太多东西，我可能……你知道，我当时会拼命想要。我记得花了几个小时甚至几天时间来构建我可以……你知道，探索和实验的东西，而现在只需要几分钟。>> 但你说得对，工作已经改变了。它不再是关于编写代码。它是关于设计系统，它是关于解决问题并让人们使用它。所以你需要从中找到乐趣，而不是实际地编写代码。>> 所以，还有调试和解决问题，我个人认为这在我们有生之年不会改变。我个人认为人工智能不会在我们有生之年取代工程师。>> 而我会说，我们应该关注 OpenAI 和 Anthropic 这样的实验室。一旦他们开始裁减工程师，或者他们停止招聘工程师，或者他们说我们没有工程师了，那时就会像，“好吧，这会影响到其他人。”他们是我们可以关注的“金丝雀”。>> 他们现在正在以高薪招聘。>> 是的。所以，这是一个有趣的时期。我认为有很多值得关注的地方。我认为，那些非常技术化、能够引导这些模型的人，处于从中受益的地位。但如果你非常不技术化，而且你只是在做一些重复性的事情，那可能是人工智能能够做的事情。>> 所以，了解这种区别也很重要。而且……你知道，实验室正在为这项工作而来。你知道，带着很多……你知道，他们想赚钱。所以，我们将看看事情将如何发展。有很多值得期待的事情。>> 这是一个奇怪的时期。而且……你知道，很多事情变化得非常快。所以，我认为关注我们并及时了解情况很重要。让我们知道你对今天的讨论有什么看法。我认为……你知道，这比我们必须涵盖的所有发布速度要慢一些。我认为目前来说，速度有点慢。我想听听你们的想法，以及你们认为这对你们的工作有什么影响，以及你们认为事情将如何发展。所以，是的，我想听听你们的意见。>> 亚当，你有什么结束语吗？>> 不。>> 是的，我只想说我感谢大家。事实上，我对一切都非常乐观。总是……即使对我来说，我开始喜欢……我们如何设计……>> 我们如何解决在这个人工智能时代提高生产力的问题？对我来说，这将是一个令人兴奋的、可能为期五年的旅程，以弄清楚这意味着什么。>> >> 总的来说，我真的很期待……>> 下一个……你知道，真正好的谷歌模型。所以我喜欢……你知道，有一些模型即将推出，比如 Deepseek，我一直在关注。我认为我会很想看到一个……你知道，一个新的闪光版本，它肯定会到来。然后，你知道，ChatGPT，我……他们……他们有点……他们有点令人兴奋。看看 GPT6 会是什么样子，它在哪里，速度会增加，还是我们会花 18 个月才能得到它？>> 所以，在接下来的……你知道，几个月里，这一切都将很有趣。>> 是的。>> 那么，瑞呢？有什么结束语吗？>> 我只想再次感谢大家参与并跟随我们踏上这段旅程。和大家一起在这里闲逛真是太棒了。我认为我们开始这个节目只是为了有另一个地方可以倾倒我们的想法，因为如果感觉它在快速移动，它确实在移动，你知道，你可能不是一个人。我认为有很多不同的观点，我们感谢每一个……你知道，花时间真正地……你知道，在评论中分享你们的想法。这真是太棒了，可以和你们互动，我认为……我认为我们会尽快带来更多内容。这可能比我们最初想的要增长得快。你知道，YouTube 订阅者超过 2000 人真是太棒了。>> 而且……你知道，我们的目标是成为第一名的人工智能播客。>> 所以，如果你真的有兴趣这样做，你所要做的就是在 Spotify 上留下五星评价。实际上，这有助于算法在 Apple Podcast 和你收听的地方将其推高。>> 而且留下任何评论。我认为这真的很棒，我们……你知道，年底的时候，我们想有一些……你知道，有一些事情在进行，这会很有趣。我认为这真的很……我们应该聚在一起，你知道，在你的社区里和其他人一起，开始联系。>> 我认为，如果这些东西真的像他们说的那样快速移动，并且事物被取代了，那么你的能动性将取决于你与他人合作得有多好，你知道，你解决了什么样的问题，你如何参与利用这项技术……你知道，在你所在的领域做好事。>> 所以，希望这能激励你做一些伟大的事情。>> 是的，我希望如此。>> 好的。嗯，感谢大家收听，我们下次再见。>> 拜拜，各位。