陈然的公开内容

第一章：初次相遇——命运的屏幕闪光 萧木是个普通但又不平凡的年轻工程师。说他普通，是因为他跟所有人一样，在深夜加班写代码、在清晨匆匆赶地铁、在午间随便买个盒饭，过着急忙又略显孤独的都市生活。说他不平凡，则是因为他有一双善于观察和思考的眼睛，还有一颗对未来技术极度狂热的心。 某一天深夜，萧木像往常一样，坐在略显凌乱的桌前...

作为一个日常工作中有超过 50% 时间都在与各种大模型对话的人，想跟大家分享一下我在使用各个主流模型时的一些体验和感受。 Google Gemini 系列 优点： 1. 极其便宜：无论是免费额度还是付费使用，价格都非常有优势。 2. Context Window 超级大：1-2M 的上下文长度，基本能覆盖绝大部分任务场...

我是一名在硅谷一线打拼的AI工程师和创业者。在过去的几年里，我亲眼见证了编程世界正在发生的一场革命。这场革命的主角不是某种新的编程语言或框架，而是人工智能。尤其是在年轻一代的程序员中，AI已经悄然成为他们日常编程的伙伴，深刻改变了我们的开发流程与思维方式。 某个深夜的办公室里，我和团队里一位刚毕业不久的工程师一起排查一...

最近，AI 社区里流传着这样一句话——“通用大模型很强，但我并不需要我的应用去给我背诵法文诗歌。” 这句话听上去有点调侃，却反映了一个重要现象：许多企业和开发者在早期会选择大型通用模型（例如 GPT-4）去快速验证想法，但真正想要落地到生产环境，往往发现必须在速度、成本和“专用领域准确度”之间做权衡。 于是，“微调（F...

你是否曾想过，不懂代码的人也能用AI完成创意编程？或者一个不懂音乐的程序员，也可以用AI做出让自己都惊喜的音乐？在AI时代，这些都不再是天方夜谭。本文将结合我自身“用AI做音乐”的经历，聊聊“AI原生（AI-native）”的思维方式，为什么它能让“外行”获得更多超级能力。 1. “外行”做音乐：不一样的创作角度 我是...

从我的观察来看，AI辅助编程最大的变革不在于代码自动生成本身，而在于它完全改变了我们与代码交互的方式，让编程从"写代码"变成了"设计系统"。就像我写的文章中提到的： "工程师的工作大部分就是造轮子与用轮子，而工具的逐渐标准化使得重复造轮子的需求越来越弱，越来越多的工程师核心任务并不是研发，而是整合（Integratio...

你有没有过这样的时候：花了无数心力去“打磨”一个人工智能开发项目，结果却越修越乱，反而不如直接重来？这个现象在当今 AI 领域并不罕见。我们常常期望用 AI 帮助我们自动生成内容乃至代码，但却忘了 AI 在处理复杂的中间过程时，可能会带来比想象中更多的混乱。今天就和大家分享一个失败的 AI 开发项目经历，以及由此带来的...

你有没有想过，只花不到一个小时，就能为你的播客产出整整一周的内容？又或者，一首自己用AI创作的音乐，能成为一支支短视频的背景，让需要被领养的狗狗收获更多关注？听起来像是天方夜谭，但其实现在通过“AI自动化”，这一切都不再是难事。下面，我想分享三件我用 Cursor AI+自动化做的项目，也谈谈其中的一些思考。 一、自动...

知乎/文章Superlinear/文章

7 分钟

原文链接：https://www.superlinear.academy/c/resources/ai-aigc 都说 AI 牛逼，都说要学 AI，但是 AI 学了有什么用呢？我想这是困扰很多人的问题。 就像锤子和钉子，就算我们拿到了锤子，锤子很厉害，找不到钉子，也很痛苦。 那钉子呢？钉子在哪里？ 如果你不知道 AI ...

之前引用过一个笑话： "程序员有个著名的笑话，这么说的：'老公，晚上回来买一个西瓜，如果看到西红柿，就买两个。'晚上，老公买了两个西瓜回来，老婆问为什么，老公说，'因为看到了西红柿。'程序员看到了一定会心一笑，甚至认真的人还会辩解说完全没有什么问题，认为这是对于语言严谨的追求。" 这个笑话说明编程其实改变了我们的思维方...

其实写代码和写文章一样难，但是难在不同的地方。在《好学生学不会 THE UNTEACHABLE STUDENT》中我分享了一个观点："他们接受的训练就是去分析、研究和寻找问题，而且他们在这方面相当在行。他们能很快找出任何问题的负面影响，在行动之前，他们会问很多问题，确保自己了解所有的事实。" 有意思的是，这个特点在面对...

当了程序员最大的感受，就是当你真正进入行业，会发现实际工作和在学校里学习完全是两回事。 实际工作中，代码量只是整个软件工程中很小的一部分。花在写代码上的时间可能只占20%，更多的时间是在做设计、测试、部署、运维，以及最重要的：跟人沟通。 Conway's Law（康威定律）说组织的架构决定了系统的架构。当你真正进入行业...

编程最大的难点其实都不在这些技术层面上，而是在于如何把一个复杂的现实问题转化为计算机可以理解和执行的形式。 我之前中提到过一个观点："部署、运维等工具的逐渐标准化使得重复造轮子的需求越来越弱，越来越多的工程师核心任务并不是研发，而是整合（Integration）。"这背后的深意是：现在的编程工作，难点已经从"如何实现"...

这个问题让我想到了一个本质的观点：学习编程不是为了看会做什么，而是要真正理解和掌握。 从我在CMU的经历来看，最重要的不是获取知识的方式，而是如何让知识真正变成自己的。正如我在《如何做错题集》中说过的： "因为学习就两步：1.找到不会的，2.把不会的变成会的。绝大部分人把时间花在了做题上，而忘了其实做题是为了找到不会的...

今天听到了几个观点，觉得很有意思： 有些公司已经开始允许用 GPT 和 Google 来帮助候选人面试，但是必修要共享屏幕让面试者看到你如何写 prompt 如何 debug。 还有一个核心的思考：要找一个会用AI的人，还是找一个会用AI作弊的人，还是找一个会刷题的人？ 所以引发的一些思考。 随着人工智能技术的迅猛发展...

随着生成式AI（Generative AI，简称Gen AI）技术的不断发展，越来越多的领域开始探索其应用潜力。从图像生成、文本创作到音乐编写，生成式AI展现了其强大的能力。然而，当我们谈论生成式AI原生应用（Gen AI native applications）时，我们不仅要关注其带来的知识价值，更应该看到其在情绪价...

机器学习工程师小月最近一直在研究新的深度学习算法。相对于现有的算法框架，新算法要求兄弟团队一块搭建了不少新的框架，也选用了一些以前不太熟悉的库。经过了三个月的准备，终于可以上线AB测试了。 但是AB测试效果老是不好 经过了几个月的迭代，效果依然不佳，仅仅只比手动排序更好，与现有的模型相比效果差距甚远。离线数据 AUC，...

有业务能上机器学习模型了，算法工程师小月开心地不行。毕竟作为一名机器学习工程师，口袋子藏着无数陈年老模型：线性模型、树模型、深度模型、增强学习，要啥有啥。业务一来，恨不得立刻就掏出最炫酷的模型，一步到位。 但是，第一个模型，一定要简单 正当小月兴奋着呢，经理大圆泼了一瓢冷水，“第一个模型，一定要简单”。 第一个次迭代往...

一个新的产品需求来了，产品经理总会提前很久就来找机器学习的团队，讨论能不能在第一版上线中就加入“神奇的”机器学习排序算法。 “我也是想呢，但是不行“。 我们当然想着用机器学习去帮助每一个产品，但是在实践中，最早的版本不应该考虑机器学习算法。 原因 背后的原因有很多。 第一当然是数据。不管是有监督还是无监督算法，或多或少...

提问的原意是“打通任督二脉”，我也分享一下我的经历，但并不是某个算法，可能有些跑题。 我在初高中的时候学习过一些 Pascal 编程，主要是为了参加 NOIP 竞赛。那时候对于编程的理解非常局限于函数的实现，觉得能够实现复杂的深搜广搜和动态规划就是很厉害的人了，各种能把 N^2 降低到 NLog(N) 的奇淫技巧都好厉...

今天，我们的 VP 佘昶 (Chang 是大家喜爱的 Python 库 Pandas 的第二位核心作者，在 Tubi 负责数据、机器学习等业务) 发表了一篇博客: 比图科技：打造一家模型驱动型公司 - Tubi 数据与机器学习平台简介 谈到了 Tubi 的数据工程，机器学习，算法驱动。内容非常丰富，值得深入阅读。借这个...

程序员有个著名的笑话，这么说的： “老公，晚上回来买一个西瓜，如果看到西红柿，就买两个。”晚上，老公买了两个西瓜回来，老婆问为什么，老公说，“因为看到了西红柿。” 程序员看到了一定会心一笑，甚至认真的人还会辩解说完全没有什么问题，认为这是对于语言严谨的追求。不管两个西瓜吃不吃的完，没了西红柿怎么炒鸡蛋，至少我们可以看到...

我觉得这是一个非常好的问题。计算机编程这门学科本身非常年轻，技术日新月异，我们走过的路都不一定是最好的路。不断地反思可以给后面的同学更多的经验，帮助大家成长的更快。下面是我的一些思考。 简单的语言入门 我一直认为，一门新的学科的入门，一定要激发兴趣，最重要的一点，就是要深刻认识学了有什么用，能够解决什么问题。因此，上手...

据说每一个酷酷的互联网公司都会举行编程马拉松（hackathon），当然，tubi 也不意外。 圣诞节前（19、20号）刚好是一个完美的时刻，毕竟流量高峰，我们要 code freeze，原则上不能上线任何新的功能，大家的精力可以放在一些更有趣的事情上面。经过 CTO 马老师（Marios）和 VPE Chang 的深...

过去两年，我们 Trulia Data Science Team 探索了大量图像识别（Computer Vision）在房地产相关的应用，在 Trulia 上线了一些，并发布了一些博客，在这里一并总结一下。 相关博客： Image Recognition Technology What Makes a Photo Cl...

最近在公司的博客发了一篇技术文章，关于我们组在2015~2016年期间完成的一个自然语言生成的项目，生成的内容是地区的描述（Location Description），要覆盖美国大概十万个城市（City）、小区（Neighborhood）和邮政编码（Zip Code）。博客本身更多是公关与宣传，而不是学术交流，所以细节...

Amazon Mechanical Turk (MTurk) 是一个并不被大众所了解，严重被低估的平台。它提供了一种标准化的向人类发布任务并收集数据的方式，而且完全由价格驱动，你可以把它想象成一个 Human As a Service。MTurk 继承了 Amazon 一贯不重视 UI 但是重视 API 的策略，对于入...

从技术难度来讲，受益于深度学习的发展，相似图片搜索几乎已经成为一个解决的问题。 在应用的领域，Pinterest 带了一个好头，是一个非常优秀的应用典范。同时，发布的论文 http://www.kevinjing.com/visualsearchatpinterest.pdf 从系统架构来讲，也非常有指导性。 从工程角...

Docker for Data Science at Trulia 和一点感悟 - Hello陈然! - 知乎专栏 我们在Trulia Data Science Team 里面推行了Docker。一方面是搭建API做SOA，另一方面也在帮助每一个Data Scientist 都可以直接从最开始算法分析、开发一直做到部署...

刚刚在 Trulia 的博客上发表了我的第一篇文章：Docker for Data Science at Trulia. -How Trulia’s Data Scientists Minimized Releasing, Testing, and DevOps Efforts with Docker 文章大意，就是我...