以前想做一个插件,通常要考虑代码、运行环境、安装等问题。
现在,这些工作正在逐渐交给AI。
随着AI智能体能力提升,用户甚至可以直接用自然语言描述需求,让AI完成代码编写、安装和运行。比如近期一些AI工具的演示中,用户只需要提出需求,AI就能在几分钟内生成一个可以运行的插件。
技术门槛确实在降低。
但问题也随之出现:如果AI负责“做”,人还需要掌握什么?
AI可以根据一句话生成工具,但一句“帮我做一个数据整理插件”,对AI来说还是太模糊。
整理什么数据?从哪里获取?最终需要什么格式?哪些信息不能使用?结果出现错误怎么办?
这些都需要使用者提前想清楚。
所以,生成式AI降低了工具制作的门槛,却没有降低需求定义、任务拆解和结果判断的重要性。
尤其当AI智能体开始自己完成多个步骤时,人更需要知道任务目标是什么,以及每一步应该得到什么结果。
这也是学习生成式人工智能时,除了会使用AI工具,还需要关注的能力。
以生成式AI认证(GAI认证)为例,其内容涉及生成式AI基础、提示工程、实际应用、输出结果评估,以及AI伦理等方面。
其中的提示工程,并不只是记住几个Prompt模板。
更重要的是,能不能把任务目标、背景信息、限制条件和输出要求表达清楚;AI生成结果之后,也要能够检查内容是否准确、是否符合要求。
换句话说,AI负责的工作越来越多,人的作用并没有消失,只是从“亲自完成每一步”逐渐转向提出任务、控制过程和判断结果。
未来未必每个人都需要亲自写插件,但越来越多人需要掌握生成式AI的基本使用方法,知道让AI做什么、怎么让它做好,以及怎么判断它做得对不对。