AI 不过是下一件工具

先说清楚，这篇文章不谈什么。

我不打算争论某个模型训练得是否合乎道德，也不去追究它背后的公司有没有为学习用的素材付过钱。那是一场真实的讨论，只不过不是这一场。我是个工程师，我挑工具，看的是它能做什么，而不是它当初怎么被造出来的那些是非。所以如果你是冲着”AI 训练的伦理之争”来的，这篇不是。就当它在讨论范围之外吧。

我真正的立场是这样的：AI 是一件工具。就这么简单。在我为了把事情做成而顺手拿起的那些工具里，它只是又多了一件。

MoVox 就是最好的证明。这是一个 AI 原生（AI-native）的项目，是借着 AI 才诞生的。这里头 AI 的成分很重，让我拆开来说。先给”AI 原生”这个时髦词下个定义。在我看来，它的意思是：没有 AI，这个项目根本就不存在。不是”AI 帮它提了提速”，而是没有 AI，就没有 MoVox。整条流水线都跑在 AI 技术之上：小说分析、配音、图像生成、视频剪辑，等等。

再说说让这一切成真的那些帮手。研究、设计、找点子，我用的是 Gemini、Claude、NotebookLM 这类 AI 研究工具；而搭建这个项目，我每天都在用 Claude Code、Gemini 这样的 AI 编程智能体（coding agent）。没有这些帮手，项目走不到今天；我大概还在苦苦琢磨自己到底需要哪些技术，边做边学（这一点后面还会提到）。

那我为什么这么淡定，而很多人却不是？因为身为工程师，这部”电影”我早看过了。让我把那个我一再使用的类比摆出来：AI 编程智能体，不过就是一门编程语言。

想想一门编程语言到底在做什么。它把人的意图翻译成计算机能跑的东西，一路翻到最底层的 0 和 1。这就是它的全部工作。而整部编程史，就是一场漫长的求索：找一条更好、更快、更省力的路子来完成这场翻译——把我们想要的告诉计算机，再让它真的听懂。

我把话说简单了些，但请你听我讲完。从最底下说起：我们有汇编，那是处理器直接执行的原始指令。早些年，这些得靠手一条条写。难写，更难读懂。后来出现了 C、C++ 这类高级语言，读起来几乎像英文。当你编译一段 C++ 程序，编译器会把这份”像英文一样”的代码，原封不动地翻回同样的汇编、同样那份我们过去手写的机器码。计算机在最底层是怎么运行程序的，一点没变；只是我们人有了一个更好的方法来传达意图。编程变简单了。就我所知，大多数人都为这份进步叫好，纷纷用起新语言，更快地做出更好的应用。

这场转变里，实际发生了什么？工程师们适应了，就像他们现在也会适应一样。他们提升了自己的本事。他们学 Fortran，再学 C、C++，再学 Java，再学 Rust，如此一路走下来。这里头每一样，都让人和机器的对话变得更容易了一点。这，就是贯穿始终的那条线。

大语言模型（LLM），就是这条线上的下一步。它让编程又一次变简单，这回靠的是让你用自然语言。而且还不只是英文。这是件坏事吗？

是的，它拉低了门槛。是的，它带来了”凭感觉编程”（vibe coding）的时代：你用大白话把想要的东西描述出来，让模型去把代码写好。再问一遍：这有什么不好？我们总算能把心里想的，明明白白地告诉计算机，并且被听懂了。

很多抱怨，来自 LLM 和智能体写出的烂代码。关于这个，有两点。其一：越新、越强的模型，正在把这个问题一点点啃下去。其二，也是我真正欣赏的一点：很多在”凭感觉编程”的人，本来不是工程师，是在做的过程中学习。他们起步时确实没受过训练，没错。可他们中许多人，对自己在做的东西是真的有热情，而且很快就上手了工程师那套思维——怎么把一个问题拆开，怎么一块一块、有条有理地把它解决掉。而 AI 编程智能体，正帮着他们走到那一步。

说实话？这条路——从工作中学——恰恰也是我们大多数”科班程序员”走过的路。我头一回进游戏公司时，压根不知道怎么用 C++ 写游戏。学位没教我这个。它教我的，是怎么更快地在岗位上学会。就这么回事，如此而已。

所以这是我诚实的判断：这里没什么可怕的。这是自然的演进。我们从前经历过，以后还会再经历。

这一次唯一的不同，而且是个实打实的不同，是速度。从汇编到 C 再到现代语言，这一路走了几十年。工程师有好几年的时间看它一步步逼近，去反应，去转向，去提升自己。可 LLM 和智能体没给任何人几年。它们是在几个月里就轰然登场的。很多人根本没时间反应：喘口气、换套本事、想清楚自己该落在哪儿。我想，大多数恐惧其实就出在这儿。不是工具本身，是速度。

在速度底下，还压着一样更根本的东西。这里我要抛出几个论断，不逐一去证明，否则这篇就成研究论文，而不是一篇博客了。

大多数人怕未知。很多人怕改变。我想，这才是围绕 AI 的那份恐惧更深的根子。

容我拿自家人开一会儿玩笑。总来跟我说”AI 要抢你饭碗”的，正是我上了年纪的父母。他们没受过一点计算机训练，一点都没有。他们对 AI 的全部了解，都来自网上那些”它正冲着我们的工作来了”的文章，这就是他们接触到的全部。所以他们担心，那是自然的。因为别人递到他们手里的，只有这一个版本的故事。

可他们说对了一半。AI 的这股浪潮，确实会带来改变。天翻地覆的改变。这一点你必须确信。

而改变，从来不会等谁准备好了才来。你要愿意，就管它叫物竞天择。那些去适应的人——把新工具捡起来，真正学会怎么用的人——往前走了。那些偏要死守、拒绝改变的人，被落在了后头。听着是狠，可每一次技术更迭讲的都是同一个故事。当年学了 C 的工程师，没有谁把饭碗输给了 C。输掉的，是那些拒绝去学的人。

所以不，我不怕 AI 抢我饭碗。我宁愿把那份力气，花在学会怎么把它用好上，就像我当年不得不去学 C 一样。工具一直在变；去适应它们，从来就是这份工作本身。

一旦我们不再惧怕 AI，开始动手用起这些工具，另一桩大担忧就冒出来了：所谓的”AI 废料”（AI slop），不管是在代码里、画作里，还是别的什么地方。很多人抱怨，AI 产出的东西没创意、没灵魂，或者干脆就是错的。这里我还是拿编程语言来打比方。

当我们向编译器描述一个问题（也就是写下 C 代码），它的输出是确定性的——意思是，只要知道输入，就能预知一模一样的输出。于是就有了那句老话：“垃圾进，垃圾出。“输入错了，就别指望有对的输出。我常跟别人念叨：计算机不会犯错（除非硬件出了故障，而那相对少见）；软件里的 bug，通常出在人给它的那份描述上（也就是那段 C 代码）。

正因为我们太习惯跟计算机打交道时的这种确定性，我们也就指望计算机上的这位新来者——AI 模型——照样如此。问题是，AI 模型是非确定性的。你给 AI 模型一个指令，比方说让它替我们写个程序，输出就没那么容易预知了。我想，大部分抱怨都由此而来。输出就是不像我们以为它该有的样子。

在我看来，这种非确定性其实是我们要的。而大家没注意到的那一点是：它是一种选择，不是一个缺陷。你完全可以把模型摁住，让它变得几乎全然确定——把所谓的”温度”（temperature）调到零，把随机种子（seed）固定住，它每次都会还你同一个答案。可我们通常选择不这么做。那点随机，是我们故意留着没关的一个开关，因为正是它，让模型去探索，而不是鹦鹉学舌地重复同一句固定回答。

那我们为什么想要一个会去探索的模型？我先从 AI 是怎么”学”的说起。在最基本的层面上，我们现在的 AI 模型，靠的是神经网络（neural network）。神经网络的细节不展开，它大体是受了”人脑如何处理和存储信息”这件事的启发而来的——或者说，受了现代医学对大脑运作方式那点了解的启发，而那点了解，其实远谈不上完整。我们的 AI 生来就是为了模仿人的智能，所以才有 AI 这个词：人工智能（artificial intelligence）。

人的”训练”，是被我们一生的经历塑造出来的。我们用感官去采集身边世界的信息（训练数据），然后大脑去处理这一堆采集，把它消化、提炼成我们的理解（训练过程）。AI 模型的训练，在很高的层面上，走的是一个相似的过程。再往下说一层：人也好，AI 模型也好，都靠反馈来强化自己的学习。对模型来说，这甚至还有个名字：RLHF，即”基于人类反馈的强化学习”（reinforcement learning from human feedback），它是模型在最初训练之后被进一步塑形的一大关键。

从这个意义上讲，一个 AI 编程智能体，更像是一位见多识广的软件工程师，而不像一台编译器。当我们让一个 AI 模型去解决一个问题，我们并不知道它会怎么解，但它会解出来，用它自己的方式。就像人一样，我们都会犯错。有时想出对的答案，有时想出错的，无论是人还是 AI。如果我们不把 AI 当成一位无所不知的神，而是当成一个知识有限、只能凭手头这点知识作答的存在，那我们在评判 AI 的产出时，就会宽容许多。

那我们又该怎么保证 AI 的产出尽可能地接近准确？第一步，为这份活儿选对模型（模型评估与选型）。第二步，把我们的意图讲得清清楚楚（提示词与上下文工程）。等第一轮产出到手，我们审阅它，必要时打回去返工（一套”人在环中”的审阅循环）。这三样，我搭 MoVox 时都用过。让我拿配音那部分做个具体的例子。

选模型这一步，我不想凭直觉拍脑袋，于是在另一个分支上，我搭了个小小的 A/B 对比台：把同一句话，喂给好几个文本转语音（TTS）模型——Qwen-TTS、MeloTTS、CosyVoice3，还有另外几个——然后一句挨一句地听，给每一个结果打分。它们没一个是完美的，一个都没有。但就我们所需的效果而言，Qwen-TTS 得分最高，于是 MoVox 就跑在它上头。用大白话说，这就是模型评估与选型。

不过，就算是冠军也会翻车。Qwen-TTS 偶尔会卡进一个循环里——通常是碰上很短的一句话——然后吐出一段乱糟糟的音频。我大可以坐着把每个文件都听一遍去逮它们，可那不成规模。于是我写了个审查智能体，让它在自己的进程里跑着，就盯着输出目录。每落下一段新音频，它就拿这段音频的时长，去比对这句话有多少个字。要是一段音频相对它要说的内容长得离谱，那就是循环的特征；于是这个智能体就把那个文件挪进一个审查目录，留给我稍后来查。生成照跑，审查照跑，谁也不用等谁。这就是那套”人在环中”的循环：我不指望模型完美无缺，我料定它会出岔子，所以我搭了个东西专门去接住这些岔子。（我是怎么给这些模型打分的，还有那个审查智能体一直在逮到些什么，这两样往后各自都值得写一篇。）

至于作画，我不是艺术家，所以我不会去争论 AI 画出来的东西到底有没有创意。同样，这在讨论范围之外。我只知道，人也一样，既产出杰作，也产出垃圾。

那让我把这两半合到一处，回到我最开头的地方。

AI 是废料吗？可以是。你把一个模型指向一句敷衍的提示词，抓过它随手扔回来的第一个东西，连看都不看第二眼就发出去——那当然，你会得到废料。可那不是工具的错。那是垃圾进、垃圾出，是我们从写下第一行代码起就一直遵守的那条老规矩。拉低标准的不是工具，是人。

另一条路，是我一直和 MoVox 一起在走的那条。为这份活儿选对模型。把心里想的，清清楚楚地说出来。审阅回来的东西，逮住那些没做好的地方，再打一个来回。你要像调度一位有才华、偶尔也马虎的合作者那样去调度它——因为比起任何一台编译器，它离”这个”要近得多。这么做，从另一头出来的东西，就不是废料，是手艺。

这就是我全部的立场，两半都在这儿了。别怕这件工具：它是工程师们走了大半个世纪的这条路上的下一步，而去适应下一件工具，从来就是这份工作的真谛。也别小看它做出来的东西：那份品味、那份判断、这一路上千百次细小的修正——手艺一向就活在那里，如今依然。工具没有取代讲故事的人的位置。它把一整间工作室，交到了一个人手上——单单一个人，就足以撑起全局。

所以不。不是流水线废料，而是手艺。