管四(@guansi):这两天，我拿一个真实项目里的技术点写专利。本来以为这是 AI 最擅长的活。Claude Opus 5 和 GPT 5.6 轮番上阵，看代码、理思路、写技术方案、组织专利语言，一开始效率高得让我很兴奋。结果，两天过去，我发现自己碰到了现在大模型真正的天花板。上下文足够，需求也很清楚，但它始终写不出一个真正闭环的技术方案。看上去逻辑完整，细抠就发现有漏洞。你指出一个问题，它立刻改好；可刚改完，另外一个地方又露出新的破绽。于是只能一遍遍顺着整条技术路线去推，一点一点找漏洞，再一点一点修。最累的地方不是它写，而是你审。它写一个方案可能只要几分钟，你为了确认它有没有坑，可能要花半个小时。等你终于把坑找出来，它马上就改；改完以后，又在另一个地方给你埋了一个新的坑。以前我总觉得模型特别强，是因为我让它做的大多是局部任务。真正开始做这种需要代码、架构、逻辑、专利四条线同时保持一致的工作，才发现它离真正的专家还差得很远。还有一个变化让我印象特别深。现在的大模型越来越会给你一种”它已经想明白了”的感觉。很多内容看起来都对，甚至写得很专业。如果使用者水平一般，很容易就相信了；如果使用者水平够高，就只能不停地识别它到底是哪一步开始”编圆了”，然后再一点一点把它拉回来。最后，Token 烧没了，人也快烧没了。我觉得，AI 有点像一团火。火本身没有好坏。能驾驭它的人，会拿它炼钢；驾驭不了的人，只会被它烫得手忙脚乱。至少在今天，真正决定上限的，依然不是 AI，而是坐在屏幕前那个不停给 AI 找漏洞的人。

2026.08.06 12:35

这两天，我拿一个真实项目里的技术点写专利。本来以为这是 AI 最擅长的活。Claude Opus 5 和 GPT 5.6 轮番上阵，看代码、理思路、写技术方案、组织专利语言，一开始效率高得让我很兴奋。结果，两天过去，我发现自己碰到了现在大模型真正的天花板。上下文足够，需求也很清楚，但它始终写不出一个真正闭环的技术方案。看上去逻辑完整，细抠就发现有漏洞。你指出一个问题，它立刻改好；可刚改完，另外一个地方又露出新的破绽。于是只能一遍遍顺着整条技术路线去推，一点一点找漏洞，再一点一点修。最累的地方不是它写，而是你审。它写一个方案可能只要几分钟，你为了确认它有没有坑，可能要花半个小时。等你终于把坑找出来，它马上就改；改完以后，又在另一个地方给你埋了一个新的坑。以前我总觉得模型特别强，是因为我让它做的大多是局部任务。真正开始做这种需要代码、架构、逻辑、专利四条线同时保持一致的工作，才发现它离真正的专家还差得很远。还有一个变化让我印象特别深。现在的大模型越来越会给你一种”它已经想明白了”的感觉。很多内容看起来都对，甚至写得很专业。如果使用者水平一般，很容易就相信了；如果使用者水平够高，就只能不停地识别它到底是哪一步开始”编圆了”，然后再一点一点把它拉回来。最后，Token 烧没了，人也快烧没了。我觉得，AI 有点像一团火。火本身没有好坏。能驾驭它的人，会拿它炼钢；驾驭不了的人，只会被它烫得手忙脚乱。至少在今天，真正决定上限的，依然不是 AI，而是坐在屏幕前那个不停给 AI 找漏洞的人。