AI 最新进展分享

为什么想写这篇小记？

这几年 AI 的发展有点像按下了“加速键”。从最早只能写写对联、生成一点小作文的模型， 到现在已经可以写代码、画图、分析数据、甚至帮我梳理整套学习路线。 有时候刷新闻会觉得信息太密集了，所以我想有一个地方，安静地把我看到的、觉得有意思的进展简单记下来。

这不是一篇严肃的论文综述，更像是一个普通人在 时代洪流边上做的一点流水账式记录。

最近几年让我印象很深的几个方向

1. 大模型能力的“通才化”

最明显的变化，就是大模型从“会聊天”变成了“什么都沾一点边”：

• 代码生成和理解：从只能写点 demo，到现在可以协助完成中等复杂度的项目、重构老代码、生成测试用例。
• 长上下文：上下文从最初的几千 token，到现在可以一次读完整本书、甚至一个中型项目，这对知识管理和工具开发非常关键。
• 推理能力增强：链式思维（Chain-of-Thought）、工具调用、代码解释器的结合，让模型不再只是“回答问题”，而是能逐步拆解问题、调用外部工具来解决。

对个人来说，最直接的感受是：很多原来需要“先系统学一整块再动手”的事情，现在可以先做起来， 不会的地方一边问 AI 一边补课，门槛被整体抬起来又被整体拉低，很微妙。

2. 多模态：文字不再是唯一入口

过去我们和 AI 交互几乎只靠文本，现在多模态能力已经变得相当实用：

• 能看图：UI 设计稿、手绘草图、数据可视化图表，AI 都能给出不错的理解和修改建议。
• 能听音：语音识别越来越准，生成的语音也越来越自然，多语言、多口音的支持在不断提升。
• 能处理视频：虽然还不算完美，但已经可以对视频做摘要、提取关键片段、生成脚本和分镜大纲。

这意味着很多“原来要开会开半天”的东西，现在可以先扔给模型做一轮整理，再由人来做判断和润色。

3. AI Agent 和自动化工作流

另一个很热的方向，是所谓的 AI Agent（智能体）。 简单理解，就是让模型不只“回答问题”，而是“被赋予一个目标，然后自己拆解任务、调用工具、循环执行直到完成”。

• 对个人：可以自动帮你查资料、整理报告、定期做一些例行检查（如日志、数据质量、舆情等）。
• 对团队：可以把一部分固定流程自动化，让人更多地花时间在决策和创造上。

现在的 Agent 还谈不上“完全托管”，但已经足够作为 “超级脚本 + 会聊天的自动化工具” 来用。

4. 开源生态和“人人都能玩”的趋势

让我很惊喜的一点，是开源社区的活力：

• 各种尺寸的开源模型（从大到小）不断出现，让本地部署和隐私场景有了更多选择。
• 推理框架、量化技术、加速库在疯狂迭代，让“跑模型”这件事越来越不需要顶配显卡。
• 围绕提示工程、RAG（检索增强生成）、多模态的开源项目层出不穷，堆起来就是一整套 AI 应用基础设施。

对我这样的普通开发者来说，最大变化是“能动手的空间变大了”， 很多以前只有大公司实验室能玩的东西，现在在笔记本电脑上就能尝试一版。

作为一个普通人，我在怎么用 AI？

站在“吃瓜群众”的视角，我目前主要是这样用 AI 的：

• 当作 随时在线的技术同事，用来问代码、问架构设计思路、让它帮忙 review 一下自己写的东西。
• 当作 学习搭子，陪我读论文、拆课程大纲、生成习题和思考题。
• 当作 写作助手，帮我改标题、调语气、整理大纲，尤其在我卡壳的时候给一点“起步的句子”。

当然，我也在不断提醒自己：重要的判断还是要自己来做， 模型可以给很多建议，但价值观、取舍、长期方向这种东西，暂时还是人类自己的功课。

一点个人的感谢

写到这里，突然有点感慨。十几年前我刚开始接触编程的时候，能找到的中文资料并不多， 很多知识是从零碎的博客、论坛帖子、GitHub issue 里一点点拼起来的。 那时候根本想不到，有一天“和一个 AI 聊五分钟”可能抵得上当年我满世界找资料的几天时间。

所以这页小小的网页，其实也是想对很多人说一声“谢谢”：

如果你也在用 AI 学习、创作、做实验，哪怕只是偶尔拿它写写小故事、帮忙总结一下日记， 都欢迎你把这当成一个小小的“同好信号”：我们在同一条时间线上，悄悄见证着同一场变化。