不是，都有 AI 了 skills 还是问题吗？ 就算你不分享 skills ，那无非就是前期投入一点成本，让 AI 跑出来一套就可以了。 Tailwind 也没有分享 skills 吧，那 AI 读了代码不就知道怎么用了吗。

@xwhxbg #35 站在现在这个时间,我认为能被 ai 取代的都是初级重复劳动. 包括你说的"写汇编，debug 内核 dump ，推理变量 lifetime ，推理变量是否可 pin". 也包括我正在干的.

@nealHuang #48 哈哈那你这样说 rag 也没有区别啊，我可以在 rag 里面写规则，写顺序，写一个运维修复手册步骤。 甚至是 rag 里面写工作流？

仵作之法只能口口相传是吧

@nealHuang Skills 是比较宽泛和弹性的，比如我举例中，如果 AI 根据 skills 运行，发现运行链路没问题，它可以自由开始根据代码进行推断，甚至可以加打印，重新部署测试，适合排查类的任务，因为此类任务中通常需要根据每一步查到的信息进行决策 skills 也不像 rules 需要你提前想好去写好，skills 可以通过你指挥 LLM 做一次任务，然后请 LLM 自己从做的事情中去抽取出来 优点是前期投入很小，弹性很大，很容易修改，即使不具备专业知识也可以指挥 LLM 修改 缺点是不如 rules 稳定，有时中间自由发挥导致出现问题

好多在说汽车和纺织机的例子。 我认为有一个问题，LLM 是吃了互联网内容发展起来的，有点像教会徒弟饿死师傅

即使没有 AI 现在软件开发的生产力也是过剩的，很多需求都是过度设计的需求，大部分人并不需要很多复杂的软件和产品，免费的除外。产能过剩不仅仅是制造业过剩，软件也同样的过剩。AI 到来加剧了软件开发产能的过剩，几年前饿了么前端团队可是有上千人，现在把这上千人干掉可能并不太影响。

@Leeeeex AI 不能凭空跑 skills ，例如你要排查一个项目的 bug ，并不是你拍脑袋请 AI 读所有代码然后就自动有 skills 了 LLM 本质上是向量空间搜索，如果把全世界的代码可能当做一个海，LLM 想要从海里捞出来你想要的那条鱼（代码），为了提高效率，需要你提供上下文（ RAG ），这一步相当于告诉 LLM 你要去哪一片海域更容易捞到我要的金枪鱼，其次提供 skills ，类似渔网/渔船，即你告诉 LLM 不要试图用手抓鱼也不要试图用原子弹炸鱼，我们最好就是渔船拖网去抓金枪鱼，然后你就祈祷 LLM 能在你指定的哪一片海域用你指定的工具，稍微发挥下能抓到你要的那条金枪鱼

太迟了，互联网沉淀了几十年的大数据，AI 已经拥有了足够的数据训练提升自己，以后你不写，人家 AI 自己写。

@xwhxbg #57 在我看来这只是 AI 发展过程中「暂时」不太好解决的一个问题而已 AI 模型够强，上下文长度够长，直接让 AI 读一整个项目去看代码看问题就可以了。最开始 AI 的角色设置，还需要用很长的 prompt 让 AI 专注于这个领域，但是现在 AI 模型发展起来之后 prompt 的作用在我看来已经没有那么大了。 同理现在的 skills 也是一样的，无非是暂时还做不到超长项目可以秒懂的程度，但是以后 skills ，甚至包括 RAG 都是历史的尘埃。