Datawhale干货
作者：艾芙，复旦大学，百姓AI教育负责人
前言
大家晚上好，我是艾芙，百姓 AI 的 AI 教育负责人。
先做一下自我介绍，我是一个在技术圈和教育圈反复横跳的斜杠中年了。大约在 5 年前，我作为一个写了很多年代码的这么一个技术人，在技术工程师和中小学的信息技术老师之间架了一节桥。当时的愿景是带孩子们去认识这个被计算机改编的世界，让大家能够让孩子们能够因计算机而强大。
然后在今年年初的时候，就非常明显地感受到，现在不只是孩子了，成年人也都需要去积极地面对这一波 AI 带来的浪潮，大家也都需要去学会和 AI 对话，然后学会用好AI，因AI而强大。所以我就又回到了百姓在作为 AI 教育的负责人，现在一直在探索着怎样帮每一个普通人用好AI。我们不只是面向计算机专业的学生，还包括非计算机专业的或者是非学生已经工作了的，确实大家都需要积极地拥抱这一次的 AI 浪潮。很开心地来做一次分享，这一次的分享会关注在 AI 的实际使用上，会以及接下来的职业的发展上面到底需要培养什么样子的能力，希望能够给大家一些启发。
这一张图还是比较有意思的，开发了ChatGPT的工程师们。因为ChatGPT 可以干掉很多事，他把其他的工程师也干掉了，但ChatGPT同时他也能写代码，就把开发ChatGPT 的工程师也给干掉。事实上，真的是这样子吗？我们来看前两天 XP 极限编程的发起者，敏捷软件开发的领导者KentBack，他发了一条Twitter，说之前一直都不愿意尝试ChatGPT，然后终于克服了不情愿。之后他发现，明白了为什么他之前不情愿，因为 90% 的技能，它已经被ChatGPT给归零了，剩下的 10% 杠杆却上升了 1000 倍。前面半句是坏消息，但后面半句是绝对的好消息。
这时候我们就需要考虑这一个问题，在 AI 时代，你会被放大 1000 倍的能力到底是什么？其实在前面的一段时间里面，因为之前在教育圈和很多创新教育的老师有过非常深的合作交流，所以最近一段时间大家也都在讨论这一个问题， AI 时代学生到底要学什么？老师要教什么？既然 AI 都能够帮助学生作弊，帮助学生通过各种各样的考试，完成各种各样的作业了，我们作为老师到底是应该防，还是应该反过来思考一下，是不是这一些东西不需要教，不需要考，我们应该去教一些更加被需要的，在 AI 时代更加被需要的能力。
被AI放大一千倍的核心能力
那 AI 时代这些能力会是什么呢？我用程序员的视角举一个小小的例子：
这个五一节因为我拿到了ChatGPT的code interpreter，它的那个 waitlist 终于把我给放出来了，就是你给ChatGPT 一行命令，一句指令，然后它写一段程序，自动可以执行程序。于是这个五一我就玩得挺开心的，我先做了一个小实验，让 GPT 来帮我写一个 Tic-tac-toe 的游戏，设置了两个player，然后我说了开始他们就自动开始进行游戏。果然 GPT 飞快地把整段程序都给写出来了，并且能够正常地运行。
很简单的一句话，它就可以很好地领会做出来，那是不是意味着确实这样子的代码能力被归零了？其实我们再往后看，在他帮我完成了这个能力这一段程序之后，我发现它所有的代码全都包含在一个类里面，虽然一行的函数写得很清晰，但其实整个设计还是有欠缺的。而这部分的欠缺确实也在我接下来让他做一个小改动的时候就体现出来。
我当时说，“你的这个棋盘画得太难看了，要把棋盘的格式给稍稍做一下调整”。结果他就反复地去改动，每一次改了一处地方，然后因为整段代码是团在一起的，就牵一发而动全身的在别处报错。于是他更很礼貌地跟我道歉，说对不起，我忘了修改什么，于是他再修改再运行，又是报错，翻来覆去的越改越多，出错的地方越来越多。
这时候我们认识到 GPT 它没有能力做一个很好的设计，因为它所有代码都团在一起之后，对功能进行一丁点的调整，就会引出大量错误，最终不可收拾。这时候就需要 Cent 所说的 10% 的能力了。人类登场，我重新组织了语言，给 GPT 一个非常清晰的指令：
同样的能够实现这么一个玩Tic-tac-toe的游戏，看起来好像也并没有高明多少，人类在这里扮演的角色似乎没有体现出价值，但是我们到下一步就可以看出威力来。
因为前面有了很好的设计之后，每一次 GPT 都很顺利地去完成了要求的改动。然后游戏继续进行，接下来真正有威力的是上面这一步红框里框出来的，我给了它一条思维链，说请按如下的步骤去创作一个新的玩家：
第一步，分析上一轮失败的原因，想一想有没有更好的策略来赢得比赛。
第二步，采用新的策略，写一个 smart go five 的player，写一个新的玩家的类。
第三步，让新的玩家和上一轮的胜者进行 10 轮比赛，看结果
并且把上面这三个步骤重复执行 3 轮，看看能不能创建出越来越聪明的玩家。
果然 GPT 因为它原先有良好的设计，所以它很顺利地按着这一个步骤一步一步执行下来，不断地去思考有没有更好的策略，然后写出来执行。他最终甚至想到了用Minimax，用那个Alpha-beta剪枝等等算法，非常复杂的算法来做。
这时候大家可以看到了人再加上 AI 的一个强大的组合，就是对于人来说，他在这里扮演的角色是帮助实现一个清晰的架构设计，之后应对后续的改动可以很好地适应，而 AI 它可以帮我完成所有的，虽然不像 Cent 所说的放大 1000 倍，但几十倍总还是有的。
如果真的要让我迭代着写，那么三五次算法的话，我估计怎么都得个把小时，两个小时，但是 AI 真的也就几分钟时间搞定。然后人的想法设计加上 AI 的执行，在这里强大的组合开始让AI左右互搏的迭代出越来越聪明的五子棋的下法。
这是一个小小的例子，从一个程序员的视角去思考在 AI 时代竞争力到底在哪里，我们可以去看到的是行业领域里边的那一些需要深度的知识、技能、经验才是那个会被放大也许没有 1000 倍，但是会被很大的放大的10%。
这里面就是对于程序员来讲，也许是一个架构设计能力，是更复对面对更复杂的领域的时候的一个领域的拆解规划。然后也许对法律的人员来讲是低级的，能够被 AI 替代的是那一些低水平的法律文书，但是一定有律师的很高级的思维是不会被替代的。
所以大家在课堂上面，平常在学校的课堂上面，或者在工作当中，其实是可以，应该是会有这样子的一些感觉，哪些事情是重复的、机械的，你可以很清晰地描绘出它的一些执行逻辑的那些东西交给AI，去把活外报给AI，你能轻松一些。而其他的那一些需要你更费劲地想的。你更需要你具有更多的深度知识技能的，这些会是你被放大的。
还有一个小小的tips，就是来检验一下你有没有充分使用AI。这是我前阵子和一个数学家朋友交流，他很有意思，他说用了 AI 之后他反而更累了。为什么呢？因为之前他最近这一两年时间在做一个很宏大的数学理论研究，然后需要有非常多的证明，然后之前从 a 到 b 这一个小步骤的证明，可能他需要去查一些他自己也不熟悉的公式，然后按部就班地去完成这一小段的证明过程，可能一两个小时间内是规整机械的劳动。但现在他把这样子的数学推理交给了GPT，然后他要做什么，他就不断地就原来一两个小时的这一工作， GPT40分钟就帮他完成了。
他需要不断地去想 a 到 b 的推理完成了之后， b 到 c 应该怎么做， c 之后的 d 又在哪里呢？他需要不断地去想这一些事，思考的密度就提升了。然后以前可能是工作一个上午都不带歇的，特别专注地可以做一整个上午。但现在基本上因为这样子思考的密度提升，因为你去想 a 到b、 b 到 c 这些更高层级的事情，肯定去比想 a 到 b 这一部的按部就班的推理要难得多。因为这样子思考密度的提升之后，一个多小时就觉得一定得歇一歇，所以这一个技巧也教给大家，就是你可以根据自己充分使用自己，在使用 AI 的这个过程当中，大脑有没有觉得更累，思考的信息密度有没有更高，来判断自己有没有真的用好AI。
用AI提升职业素养的刻意练习
先举一些简单的例子，让 AI 来帮助写简历。当然大家都知道 AI 可以帮你写很多东西，但就跟它说我是一名Python后端，帮我写份简历，那得到的结果肯定是不能用的，这是错误姿势：
接下来这一个是不是好一些？它确实编出了一个简历。这份简历可以用吗？首先是即使你侥幸地过了简历的筛选，得到了面试机会，你大概率也会遇到很大麻烦，对吧？因为毕竟是编的，里面有很多东西可能并不熟。其次，事实上，作为一个已经做过非常多的招聘，见过非常多简历的人，我可以很坦率地说，这样子出来的简历通常也过不了筛选。为什么？因为所有的这一堆熟悉、流利、了解、精通等等的这些话术太单薄、太空了，看上去就像是你更参照着我的这一个阶梯的需要，然后把这一堆东西堆齐而已。
我不相信里面的任何东西，那真的要写出一份能够打动到面试官，能够抓住招聘者眼神的简历应该是怎样？我们需要去深度地分析一下这个JD、这一份职位描述当中的内容。我们要从当中去读出几个信息，第一，招聘者关注哪些经验和技能，然后再有针对性地去考虑自己的经验、技能和岗位需求到底是不是匹配。第二，如果当中有匹配项的话，简历如何写才能够突出这些匹配项？尤其是如何写才能够突出这些匹配项当中的细节，用细节来抓住招聘者的眼球，那我们接下来一步一步地看。
首先是让 AI 来帮你梳理一下 JD 的需求。
我在这里要求，根据上面的这一个checklist，你要按照它的类别，它的具体要求，然后还要给我打一个分，根据岗位职责来给我打一个 1- 5 分的权重，并且帮我标注出是不是合适。留出一个空一列是否合适，让我自己去打勾。为了避免 GPT 忘掉，我把岗位职责在这里再贴了一遍，因为前面的文字已经比较长了。
最后是一个小技巧， Markdown 的格式的输出为冒号，有了这样，这个我们叫它match助推。有了这个助推之后，可以很有效地避免 GPT 说废话，它开始给你涂 Markdown 的格式的表格了。所以这是一个挺有用的小技巧。
顺带说一下，我们可以看到的是，有了这样子一个 Prompt 之后， GPT 果然就很有序地给你列出了一个表格，把里面每一项具体要求都列清楚，并且还做了一个打分。
好，我们看到刚才这两个步骤把阶梯的要求给梳理了，但是还有下一步我们需要什么？需要深挖JD他到底为什么有这样子的一个要求？所以我在这里给出的一个 Prompt 是结合各个岗位的职责去分析一下，这里我是对每一项能力都做了这样子的一个Prompt。
通过这样子的一个分析，我们可以做到的一件事情是帮助更进一步地去了解招聘者到底为什么在他的节点里列出了这些能力。他希望你过去做什么？其实他也是帮助你去 check 这份工作到底是不是我希望的，我到底想不想做？
第一，我有没有能力做这件事？第二，我到底希不希望做这件事？
如果这两个问题回答都是 yes 的话，那接下来我们可以去进一步想想简历应该怎么写，怎么写才能够体现自己具备这些能力，而且更重要的是要通过项目经验介绍来体现出自己具备这些能力。
所以说用前面的这一些方法让 GPT 帮自己梳理之后，其实是能够在整个简历的介绍当中去更加具体地列出自己具备能力。总结一下，我们可以用GPT来帮助：
第一步，梳理阶梯的要求。
第二步，根据阶梯要求和岗位职责，去理解招聘者关注的要点到底是什么。
第三步，针对关注的要点来结合自己的项目经验来写简历
第四步，根据 GPT 吐出来的内容删减、调整、美化等等
第五步，我希望能说到真的要做到简历要和人一致，哪怕事实上你还差那么一点点，最好也在面试之前努力地去够一够，补足一下，对吧？
好的，这是关于简历的使用的一个小例子，那假设现在在 AI 的帮助下，你顺利地通过了面试，找到了一份心仪的工作。
接下来我们来正式聊一聊职业素养。前两天我正好和一个商学院的老师在聊起 AI 帮助职场人员进行职场写作的一些可能。当时商学院的老师特别有感触，因为他每天接触那么多的企业管理者，听到的抱怨：
我们其实是真的可以把 AI 当成自己的私人职业教练、职场发展教练的。为什么？因为 AI 其实是一个全人类知识的加权平均，它确实具备了全人类的这些通用知识。
那在职场上面到底如何很有职业素养的做一些事情。我们来看一些小例子，就像这里 AI 帮助改进一个商务邮件，在这我先拍一下 AI 的马屁，给他做一个催眠：
经过了这样 4 步思考之后，我们再说行动改进当前邮件，并且最后一段是特别重要的，如果有需要补充的信息，你可以先用 placeholder 来代替。
于是有了这样子的一个思维链的指导之后，附上想表达的内容：“我们周末有个活动，你能够提供舞台搭建灯光音响桌椅吗？”
那有这样子的一封邮件做基底之后，你在这个基础上再去进行一些修改，就会变得很容易。
总结一下，让 AI 来帮助改进商务邮件的话，我们需要清晰说明背景，提出要求，然后要用思维链来提升邮件回答的质量。然后有一个小技巧是针对这样子的一些任务，你可以多尝试几次重新生成，因为AI 它每次它也就是除非你让它给你吐出 20 条需要注意的事项等等，否则的话 AI 它吐个三五条差不多了，所以有时候也会漏掉一些东西。那你多试几次，每次可能发现一些不同的细节，然后自己做个汇总就好。
你还可以做一个修改，就是让 AI 输出他自己的思考过程，这样子的思考过程其实可以帮助你自己去理解写邮件的要点，然后也帮助你后面能够更好地举一反三，融会贯通。
这里我们再拿会议纪举个例子。然后可以看到这个会议纪要确实是非常的简单，就是很勤勤恳恳地把会上每一个人说的一些要点都有记录下来了，但是挨着时间顺序就这样子一条一条地记。然后因为会议开得很随机，大家可能七嘴八舌地讨论比较凌乱，所以整个纪要也是非常凌乱。
那在这种情况下怎么说？跟 GPT 说，请按照互联网产公司产品项目组优秀会议纪要的常用模板。和具体要求这些东西到底模板要求是什么？不用说，因为 GPT 他自然知道，就要求他改进上述会议纪要。对于缺乏信息的部分，可以杜撰写内容作为示范，并用方框框标注，方便我根据实际情况调整。这条跟前面的一样的道理，因为如果说你不加这一句的话，他不帮你杜撰，然后就有可能会 miss 掉很多很重要的细节。最后我们加了这么一句，请对修改的每一项说明要点，以便我今后写出更好的会议纪要。
OK，就可以看到 AI 帮助改进之后的纪要，再眼看格式需要产母向组回纪要时间地点记录了，主持人、记录人、参与人员，他甚至帮你编了每一个角色，到底是每一个人，到底什么角色，它推理出来，然后编了下。然后最关键的是这一条那么多凌乱的七八条凌乱的信息，被他理解了之后，整理成了 3 条重要的项，然后把它们全部在就会议内容当中，一项一项地安排在合适的位置，并且每一项它后面的会议的结论是什么，下一步行动是什么，它也都帮你列出来了。
下一步行动当中有加了一个方括号，是因为这个时间它不知道所以帮你编了一个时间。另外一方面，其实你去理解 AI 它为什么写成这样，也能够帮助你成为一个更好的职场人。
所以大家应该看这样子的例子之后，能够有一个感受，就是 AI 真的可以扮演好职业发展教练这么一个角色，然后帮助你在一次和他对话过程当中刻意练习，把所有职场需要的这一些内化成你的知识技能，形成一个习惯。当然我觉得在我介绍完这些之后，我不知道是不是有小伙伴会说 AI 都会做这些事了，那我干嘛还要刻意练习？我干嘛还要会，反正老板布置给我这个任务的话，我就直接让 AI 来帮我做，不就结了嘛， AI都会了，为啥我还得会？
在这里我想说一个更早的一个例子，在 2008 年的时候，有一篇特别著名的文章， Nicholas G.Carr写的《Google 把我们变笨？》当时 Google 搜索引擎确实已经非常的流行，大家都习惯于从 Google 上面去找答案。
Nicholas 问说，我注意到以前我的孩子为了去了解一个知识，会在大英百科全书上面来来回回地翻去找到那个答案，然后在翻的过程当中，他可能也接收了非常大量的相关知识，但是现在他用 Google 搜一下，看到一句话的回答就会结束。知识太容易获取，少掉了摩擦之后，让人们的好奇心受到了损伤，降低了好奇心，甚至它让人们产生了一些知识的幻觉。我以为我知道了所谓的道理，懂得那么多还是过不好这一生，其实也是同样的。我们不可否认，谷歌这样子的搜索引擎，其实对善用它的人来讲，无疑是一个极大的放大器，让你在需要知识的时候，随时随地都能够获取到。
但是对于懒惰的人来讲，其实确实会让人变笨，那 AI 也是同样的道理， AI 帮我们把很多的事情变得容易了，但其实有一些东西真的就是必须要付出，要有艰苦的过程之后才能够获得的。所有走过的这些弯路，才是你成长的必经，才是你成长的养分。所以说有那么一些东西其实是少不了的，只有经过了一些刻意的练习之后，才会内化成你的技能。否则如果有一天你突然不能访问 AI 了，可能会很抓瞎。
然后正好前两天和朋友还聊到了一个特别有意思的一个类比，也分享给大家。就是我们说前面工业革命的时候解放了，大家的体力确实变得轻松了，但我们可以看到什么，看到肥胖，看到慢性病，成为人类健康的最大的杀手，所以免不了会有这样子的一个担忧。AI 革命解放了脑力之后，我们不需要思考，有很多事情不需要自己费力做了之后，精神类的疾病会不会成为人类的新杀手？
这是一个很严峻的问题。我们积极地去拥抱AI，我们相信它可以给我们带来极大的繁荣，带来非常多的创造力的迸发。但是前面列出来的那么多的例子都让人觉得，有些时候我也许可以躺在元宇宙里醉生梦死了。在这样子的情况下面，我们人类何以为人的这一些拷问，其实是每一个人都需要再去更多地思考一下的。
借助AI探索不设限实践新可能
刚才讲到的都是职场上面的，就是当你是一个打工人的时候该做些什么。我也知道现在的年轻的小伙伴们，可能有很多人都会希望自己能够以更加自由的方式去工作，不管是自由职业者，还是自己当老板。其实 AI 出现之后，有很多很多的人把 AI 当成自己的外包员工，把活都外包给 AI 做，然后自己成为一个超级个体，这样子的事情就变成了可能。
所以我们的第三部分就要来聊一聊，借助 AI 去探索一个不设限实践的新可能。之所以要去探索，这个原因也很简单，前面说了，只有像 Cent 这样子的大佬，他可能才具备一些把自己的能力，借助 AI 放大 1000 倍的能力，更深层的能力，可能对于很多职场的新人，对于很多学生来讲，也许也就被 AI 放大 2 倍，放大 10 倍。
那像左边这一张图，能力图，我们可以看到我具备的一些能力，有些今后会被 AI 归零，有些会被它放大两倍。
那有了 AI 之后，如果我只专注我原有的这些能力，只专注我原有的身份，我是一个程序员，我是一个设计师，我只专注自己已经拥有的这些能力的话，它会变得非常的狭窄，虽然长了一点，但是非常的狭窄。但是我们还有一种可能性是把原来很多根本就不具备的 0 变成1，本来就不具备的这些能力，借助 AI 都能做一点点了，那我们能做的事情也就多得多了，能做一点点的事情。
一个特别简单的例子，数据分析。以往可能这得是工程师，得是数据分析的专员，至少得会写SQL才能够做的。或者说现在虽然有大量的数据分析工具，那使用起来也还多多少少还是有些麻烦。但是有了 AI 之后，这同样是我在 code interpreter 上面做的实验，传给他一个 Excel 文件，然后跟他说帮我分析一下所有这一些视频类内容，每个人观看有效时长，然后要按照视频的标题，按照一个一个的视频去做聚合放在一张图上。比如说 AI 直接写代码执行，帮我呈现了一张柱状图，说柱状图呈现总和不太 make sense，用象限图分析更好，于是他展示了一张象限图给他一行命令，说竖起来彩色的，一张彩色的象限图，就几句话就出现所有的人我需要分析用的图表了。
这意味着什么？这意味着一个本来不具备代码能力，不具备数据分析能力，但是有可能有着挺好的商业直觉，有着挺好的一些常识，知道怎样从常识当中做一些定性判断的人，他现在都可以借助 GPT 进行去进行一些定量的分析了。数据分析变成了一个非常普适的技能。
更加常见的是，刚才已经看到绘画 AIGC 确确实实让很多像我这样子完全不懂绘画的人，现在也有能力去创造出一些东西，比如说像中间这一个，这是在我们百姓的一位准备要开 AIGC SD 绘画课的一个老师设计的内容，你拿着画，简单的手绘，它可以给你生成不同风格的图。你拿这一些字，它可以给你生成一些图，你拿几个文字，它可以给你生成 3D 的logo。
对于程序来讲也是类似的，我们之前有多少好点子，就差一个程序员，对不对？那现阶段呢？现阶段其实不管对于程序员还是非程序员，其实都可以去想一下。AI来了，你可以去尝试做哪些从来没有做过的事？
总结
之后有一个之前程序员说，你真的不能够共情到我的焦虑，我还在担心着失业呢，你有没有想过？但是当时我们的一个焦虑就是你有没有想过，现在虽然有很多人可以借助 AI 完成程序员的任务了，但是作为一个程序员，你感兴趣什么？你其实完全有能力去掌握其他的一些专业的皮毛，不管是法律、生物、人类学、社会学，所有这些都变得容易多了。
所以说，你难道真的是愿意去重复写一些机械的无趣的代码吗？还是你更愿意构思好一些东西之后，动动嘴皮子，让 AI 帮你把能力放大 1000 倍，直接完成这些东西。所以相信接下来我们可以做更多的创造。
整理不易，点赞三连↓
