昨天我們提到「踩坑清單」,這個概念源自學生時期常聽到的「錯題本」,不過那時我甚至沒有在做筆記......因為對學習模式沒有什麼概念,所以不知道筆記要怎麼做對自己有幫助的筆記,最後就不了了之都不寫 XD
我過往的學習方式是快速看過知識講解後就開始做題目,遇到不會做的就往前翻翻看找答案,也算是一種錯題本,但是最後都沒有彙整,只會在考試前看過這些被圈起來的題目,仰賴年輕人的短期記憶力(?),所以大考很容易翻車 XD
我剛開始學習程式時也是如此,會大量地試錯(Tial & Error),讓腦袋有這個流程的肌肉記憶,不知道 React.useState
怎麼用,我就一直寫,寫壞也沒關係,直到記住為止。
還記得昨天說到的「學習模式的迭代」嗎?
在建構新知識時,試錯的確是可行且有用的,但是隨著我們越來越熟悉,一定會覺得試錯很花時間。
在沒有 AI 的時代,我們會嘗試分析、梳理流程、寫虛擬碼,開始習慣動手做之前先想一想,慢慢拓展解決問題的思維與面向。
有了 AI 之後,試錯變得很容易,因為繁瑣的工作都可以丟給這些時薪比工讀生還便宜的乖孩子,回答不滿意就按下 retry,惡言相向也不會收到傳票^O^
雖然我只是基層員工,不過 AI 可是隨意我們使喚的!
所以建立一套處理問題的 SOP 就更加重要,有了 SOP 就可以排除許多無效的事前準備,將腦力與時間花在值得探索的方向上,我認為這也是工程師這個職位應該要具備的價值。
我們已經有實作的經驗,那麼 SOP 中有很多部分是可以移交給 AI 來做做看,由我們的經驗來檢驗這位孩子的成果。
如果它越走越偏,回答越來越幻覺,有時候不是因為這個模型太廢(雖然 Cursor 某些模型經常斷線讓我非常不爽^^),這個孩子「目前」就只能做到這樣,那麼我們就得調整執行策略,換個 prompt、換個方法、繼續腦力激盪找關鍵字......無論如何,最後負責向上交差(背鍋)的是我們本人,不是這孩子。
我目前探索下來,比較有效解決 AI 不靈光的方式,是寫好範例,最好多列舉一些,並把需求拆解成更細的步驟,讓它依樣畫葫蘆,或是按照我們的思路去尋找解決方案,總之要身體力行,而不是養兒防老,祈禱它突然通靈來救我們 XD
聽起來有沒有很像小組長呢?我們以為只要向上管理,結果還要向下管理 AI......但這就是 AI 普及後必然的現象。
今天的內容水分偏多 XD 但這是我轉職一年以來的真實心得,工作上遇到的問題很多剛好都是以前作業、專題做過,或是黑客松有學到,所以我覺得實作經驗始終是不可或缺的。
今天的懶人包: