Mr Panda
@PandaTalk8
程序员、在X上分享 AI 构建、内容创作、独立创业与X增长方法
가입 July 2017
5.4K 팔로잉 중 77.3K 팬
虽然现在LLM 非常好用。 但知识付费这个行业仍然会活的很好。 因为切身经历过某些事的人经验直觉和判断更加有价值， 这是机器永远也不太可能做到的事。
当一个人带着复杂问题向专家请教时，回答“去问大模型”往往毫无帮助——因为对方很可能早就问过了。真正想获得的，是专家经过多年实践形成的个人判断、经验和直觉。
举了两个例子：
一位女士向一位资深人士请教一个业内没有共识的问题，希望知道对方会如何判断相互矛盾的研究，得到的却是“问 Claude”。
她曾经被一个数据问题困住，已经尝试了多种方法，也和大模型反复讨论过，随后向专业人士求助，结果多数人仍然建议她去问模型。
她强调这不同于过去那些“不先搜索就伸手问人”的行为。她不是想让别人代替自己查资料，而是想知道：
你个人怎么看？
你的实际经验告诉了你什么？
公开资料或行业共识哪里可能有问题？
面对不确定性，你会相信什么、舍弃什么？
这类似于向熟悉的朋友询问餐厅推荐：需要的不是网上的“十大榜单”，而是基于共同品味和过往经验的私人判断。
作者也承认，认真回答别人确实有成本，需要时间、注意力和思考。因此，“我现在没时间”“我也不知道”“你试过的方法已经是我能想到的全部”，都是可以接受的真实回答。相比之下，“问 Claude”更像一种含糊的推辞，它掩盖了对方不愿或无法回答的事实。
一句话概括：
大模型擅长提供可检索、可归纳的普遍知识，但人们向专家请教，往往正是为了获得模型无法提供的、由长期实践形成的个人经验和判断。
文章并非反对使用大模型，而是在批评一种新的交流习惯：把“问大模型”当成所有问题的默认终点，从而让真正珍贵的人类经验更难被分享。
阅读原文
더 보기
