技術筆記 #001｜AI 迭代得再快，底層的問題定義仍然不變

強迫自己每天輸出且不用 AI 寫文章 Day006

今天沒有引用任何來源，全是來自一個開發者的真實感想。

開源模型不到一年的劇變

誰想得到，不到一年，就從要為特定任務花大量人力準備資料、訓練模型，而且結果還不一定比較好；變成三天兩頭就有能力強大的開源模型誕生，並號稱在 Benchmark 上只差前沿模型一點點，甚至超越。

一旦覺得某個模型在任務上的表現不好，搜尋一下就能得到一堆替代品。拿資料測試，只要通過標準，就可以替換。

但不變的是什麼？

我覺得差最多的，還是定義問題：

1. 任務定義與描述：任務要做什麼？要解決什麼問題？
2. 任務邊界：能做什麼？不能做什麼？
3. 情境定義：實際可能遇到哪些情境？每種情境有什麼工具可用？

AI Agent 就像很強的武將，能力一直在變強；但問題的定義與拆解，仍然得由人類擔任諸葛亮的角色：定義戰場、制定策略、設計任務，再判斷這場仗到底有沒有打贏。

之後也會整理我在這一年中踩過的坑與收穫。先預祝自己戰勝拖延症，早日發文！