AI，一把锋利的双刃剑

最近使用 Cursor + Claude Sonnet 4 开发了一段时间，依然符合我之前对 AI 的基本认知：每过半年 AI 的能力会上升一个台阶。 使用 AI 完成简单的前端需求，我在半天内完成了一周的工作量。对需求描述要求不高，较少的实现和设计细节，Claude 4 基本可以一次完成，而且写的相当好。 完成一些比较复杂但是常见、且涉及面单一的场景时，Claude 4 表现的比人类开发更强（说的就是我自己），比如实现一个发布订阅类。会节省我非常多的时间。 实现一个比较复杂、不常见、细节比较多且不太好描述的功能时，需要考验人类的表达能力，一般会有一些出入，对于本来就精通的人来说有能力逐步完善，直到实现。 比较让我惊讶的是实现某一个我不了解的能力的功能时，它可以按照这个场景比较常见的实现帮我完成。当然这本来就是 AI 应该提供的能力，但是在真的解决实际问题之后还是很震撼。 我的仓库有一些默认的全局导入模块，但是每次 AI 都会“好心”的帮我再显式的导入一次，这可能是我的问题，Cursor 应该有配置 Prompt 的地方。不过我的根目录也有 Claude.json 显然它应该默认使用里面的规范去完成功能。

我认为，能否用好 AI 的前提是，你是否拥有实现目标所需的最小认知。你把 AI 当做效率工具还是完全依赖它做决策的认知工具？ 假设在实现的过程中，你完全不知道它具体实现的过程，仅仅只是面向结果，它很可能会出现一些符合问题但不是最佳实践的幻觉。ai 本质上还是在模仿，就像刚开始 AI 生成的图片一样，人会出现 4 或 6 根手指，如果完全由现有的素材训练，它无法知道唯一且正确的事物客观规律，哪怕人类一只手有五根手指的规律包含在素材中。 “给我设计一个圆形的可以飞行的实心石头。”，它从现象里能推断出这是不会出现的吗？又或者加上一个动漫或者其他不需要满足现实规律的前提。你如何判断 AI 为了回答你的要求所实现的符合它训练特征的结果的真伪。它的回复一定符合它所训练的特征，但不一定符合你的预期，有时候你也是带着未知去向它提问。如果你的认知过低，你连对 AI 提出的问题都是违背客观规律的。

对于一个对目标没有认知的人，他无法判断 ai 的结果是否符合预期，但是会让你产生不必学习就已经学会的错觉。以后这条规则应该会更弱，但现在来看把 AI 当做效率工具应该是更安全的，当然其中也包含了在学习过程中的效率工具。

这些大概率在将来也会被解决，相比大多数的行业技能，人的思维、创造力会更加重要。