一个小工具，放到以前，写几个月也不一定写得完，逻辑很简单就是调用github自身的api完成git add/ commit这些基础命令，但是整个流程却涉及前后端，整个系统的架构也好，代码逻辑也好，都需要时间来思考。但是现在，AI的崛起让这个时间极速的压缩，基本上只需要1天就能完成一个完全能用的软件。这在以前基本上是不可能的。 所以现在的难点变成了如何寻找需求，定位需求，整个的系统架构设计。甚至系统架构设计这一需求也只是为了更省token。
想了想其实research也是一样的，除却环境资源因素，最大的考量还是创新点，有了创新点所有的其他一切都是AI可以完成的，人类在整个系统工程中提供的似乎就只有灵感这一独特要素了，在AI产生意识之前，发现需求的能力已经超过了技术能力。
同时，还要保持对于新知识，新事物的好奇心，但是不能迷失在新的海洋里，作为个人来说，盲目的追求热点只能是不断的被大公司/企业/研究机构碾压，处在永远追赶/无法触及的路上。
AI的崛起似乎是好事，它弥补了我的代码短板，我不用重复的思考这里的代码是什么，调用了什么，内在的逻辑矛盾怎么处理。但是它似乎又是坏事，我好像已经习惯了这种万事都需要AI的行为，它取代了我自己的思考。如何能够在这个AI时代中保持鲜活的头脑？如何在AI浪潮中站得住脚？现阶段我仿佛就只能想到几条路：
- 下沉到底层，上到分布式AI部署，下到底层物理链路/网络数据的交互
- LLM底层范式的进化与革命, 甚至思考概率是否是正确的道路
- 符号连接模型与概率模型的结合
- 现有网络协议是否阻碍AI的发展，FIA的新范式
似乎我已经被困在了AI的怪圈，一方面需要它来补足我的短板，另一方面AI使我与现实的世界脱钩。
所以，接下来我应该更多的贴近现实生活，补充一下短板，但是不能沉溺于补充短板这一恶性循环，了解各类架构，思考各种技术存在的真实意义才能有所突破。