周末来回一下
首先，姑且不论你一开始的假设就错了──
你完全不需要把使用指南从头到尾看完才开始用 Git，
我们就站在你的角度，从审视工具的立场看这件事好了。
一个工具若不想“抽象外溢”，那有个前提──使用方式必须合乎设计用途。
举例来说，如果一个当代的使用者拿网页浏览器浏览网页，
那他其实不是很需要懂 HTML、HTTP、TCP/IP 或浏览器的架构，
他只需要知道网址以及加密的概念，然后看浏览器的指引就可以上手，
至于什么开发者工具更是可能一辈子都没打开来看过。
然而要是他看到这东西能发起网络连线、能上传或下载东西，
而且还有个图形接口，于是就想用浏览器从 FTP 服务器抓东西，
那就要了解目前浏览器的运作原理和特性，
否则便无法让它有这种连线功能，但这样就抽象外溢了。
现在问题来了， LLM 以及建构在其上的一整套之设计初衷是当开发人员用吗？
显然不是，它是为了改善翻译品质和效率而发展的工具。
人们看到涌现效果后觉得很惊艳，
于是用种种方法调试，让它变得更有可能产出某些有意义的东西。
只是既然没按用途使用，那有“抽象外溢”现象，
或者根本是刻意让抽象外溢，这样有什么好令人意外呢？
相对来说，如果你是把人类开发人员当开发人员来用，那这件事情会怎样处理？
你会变成像 PM 一样未必要会用 Git，只是跟开发人员说：
“明天 12:00 前部署昨天傍晚 6:00 测的那一版到 UAT 环境”，然后附上版本号码，
至于用 Git 保管原始码并取得昨天版本的事情则让开发人员自己去伤脑筋就好。
这才是真正的“高层次”以及“抽象不外溢”吧？
然而这些事情是始终在预测下一个字的 LLM 堆叠能做到的吗？
显然不是，你一定要额外尝试一些提示内容或套用某些客户端设定才可能做到，
再不然起码也要使用专为复杂开发工作设计的 AI Agent 以便套上某些可能符合
个人需求设定，毕竟这东西的核心就是一个根据字词关联吐出更多字词的系统。
它既无法像人类一样负责，也无法像人类合作或交易那样──
只要给定投入和产出就可以放手等理想结果，因此你就认了吧！
这就是一套操作接口不固定，产出内容也难事先确定的软件。
它本就很难控制，而且除非用自动化测试这种多面向的回馈机制供 AI 检讨，
否则用它就像在赌博，只用一点输入就得到完美输出时，那就是赌赢了，你会爽歪歪，
但要是赌输也别意外，只要是赌博哪有可能永远不输？
如果不希望变成赌博，那就要准备多面向的回馈机制，
但这样你就要把手伸进黑箱搞懂里面的运作原理和特性，那又如何能不抽象外溢？

明天十二点前部署….那句话，AI现在就做得到啊怎么可能做不到，我都不知道叫AI做几次了我是不知道你的LLM是指什么，但现在的Claude code几乎都办得到你讲的那些了更进一步讲，AI现在已经比大部分开发人员来还厉害了，加上人类本身也是一个黑盒你怎么会觉得人类只要给投入，就可以放手等理想结果？你也太相信人类了吧XDClaude code本身就是一个agent，所以不存在什么要再去用什么“专为复杂开发工作的AI agent ”，我真的怀疑你有用过吗？Claude code基本上就是那个专为复杂开发工作的AI agent，其他还有codex，opencode，都是用人类也是赌博，赌博要讲胜率和期望值，用AI的胜率比用人类胜率期望值不知道高多少倍了

ai能处理这个问题是因为有人类写的工具保证 不管是排程还是时间同步 ai如果要自己校对时间 花token不说还可能出错 话说这问题ai确实也无法做 因为没确切时间任务完成时间也不能保证

https://zh.wikipedia.org/zh-tw/抽象泄漏/ 你也是第一个词就用错还搞错意思 整篇直接白写然后已经2026了还在把LLM当猜下一个字的语言模型 就拿来论证LLM什么事情都干不好 干的比人类差???莫札特也只是在排列震动空气的音符 没什么了不起你可以说他黑盒 但人类也是黑盒 你可以说他有机率性错误人类也是会机率性错误 今天会考虑这问题只有“承担后果”拿抽象泄漏来论证要不要学git 是无效论证 因为AI写出的bug不是靠你用git知识就能修的回来的

当然不会是纯猜下一字 但很不同的是 人类是别人对你来讲是黑盒 自己对自己来讲是黑盒吗 如果是那也真神奇 个人的技树可以外加对个人而言自己不是黑盒 不就可以保证产出 就算是他人 一个人相处久了也会熟悉 而ai在进化或在退化你是没办法不透过实际操作验证的对已知变量来说用ai还不如纯自动化 如果你懂的技树能支撑你做好自动化任何时代都不缺异想天开想逆天的人 不属于自己的力量终究不是自己的

有什么力量是属于自己的吗? 拿拳头打架才算 拿刀枪不算 用手劈木柴才算 用斧头砍木柴不算一切不都是工具? 一切也不都是可以黑盒? 这叫做抽象化 以写程式来说AI跟人类没什么不同只差在特性不同能掌握或能测试就没有什么问题一间软件公司今天会因为走了一个比较会写程式的老鸟来了一个菜鸟就倒了吗企业能运作就是有架构有框架 而不是在于一个个体员工强不强 软件工程也是怎样回 dream的论述基础也是在LLM是机率性的预测下个token不是设计来写程式的 那很好笑 人类几百万年前出现在地球上也是来当猩猩吃饭打炮的 不是设计来发明原子弹 发明相对论跟当码农的你对数学跟LLM的理解是不是有些问题? 谁说要永远不会输才能用? 偷天换日还是脑筋短路才会这样想吧 叫你写程式一口气写五百行你会有错吧 那写一百行呢?那写十行一行呢? 一切不都是机率的问题 在这边偷天换日变成LLM一定不会错才行 我写一行正确率99.99%然后重复这动作这样不行吗? 你对机率到底有没有理解?为什么赌博要不输?我赢999次输一次不行吗?这系统就没用了?

ai这工具与刀枪性质是不一样的 你们就是很喜欢拿些不是十分精确的类比说嘴 首先刀枪是买断的 有人租刀枪吗 ai除非自己架设否则就不是自己的 别人说停就可以停 再者ai你没办法如你所想100%完成你要的任务 本身复杂就是有很多不可控因素 你的力量你没办法自己掌控吗? 比对特性再来类比 不然就是引人发笑的形容 只有不怎么思考和耳根子弱的人才会被你们说服我说的是公司要掌握能支撑公司的技术 我从没说过这些技术由一个还是多个人掌握至于楼主讲的一个东西该有什么用途这我不评论 因为选择权在于人 而能不能有错误也是在于人 老板能不能接受错误 而非表达永远不错才能用楼主讲不确定性 而我讲自动化相比ai确定性更高人类写的排程工具久经验证也都是确定性更高 看来有人在乱回 haha我发现这类人几乎都有思考发散的问题 整天讲笑 我很好奇他们写code到底能不能写好 还是可能因为不能所以才要靠ai...当然这样的人人品未必就差 但真的蛮多为了赢为了整蛊别人的人

推讨论和推文

光是怎样叫写code写得好不好，每个人定义都不尽相同了，怀疑别人写code写不好，首先要定义什么叫好我可以肯定的是，不管你对好的定义是怎样，AI目前写的code比99趴的人还好

小知识，台湾软件工程师的人口占比大约是全人口的 0.5% 左右，所以所谓的比 99% 的人还强的意思是被台湾所有软件工程师压着打 w

要挑语病喔，那我改一下，AI现在写得比99趴的软件工程师还要好

就算是业界评价最高的 Fable 我也是三不五时在 review code 的时候揪到一些烂结构、过度设计、逻辑溢出，Agent 就像个非常努力但不会反思的 junior 一样埋头苦干，如果收敛顺利还好、不顺利 git 的纪录看上去就会很精彩。只要 AI 那种头痛医头脚痛医脚的毛病还根深柢固我就不觉得程式码品质能进从业人员的前5%，我自己都不敢说能进前5%了；AI 的优势终究在它就算撞了五次墙才做好也比我一次写完快 ww

烂不烂就跟我前面讲的一样，每个人定义不同，没有PR看很难评论甚至你讲的那些问题，交给另一个subagent去review应该也能看出，看得又快又好架构归架构，coding归coding，如果你要他架构好就是要用superpower，不然他只能猜测

你要这样算还可以再细分 不只每个人 每个时机 每个场合 每个职位 什么叫好code字里行间已经点出了 不就是我做出的定义...我还需要定义什么?更详尽? 一个人对某事物的评价与衡量不就是对该事物的定义... 至于superpowers我不看好

你是用过后不看好？还是压根没用过？

这东西主要还是用skill skill我看过 很傻 写那团我不如用模板 因为看来很傻所以当然是没用过superpowers

所以只是单纯看过没用过，了解了XD

用过评论一下：brainstorming 还好。到生成spec的时候只会生一堆没人想看的垃圾。够精准，但review那个跟review code的差别在哪？我还不如叫他跑完后再review code。最后生成的品质也是一言难尽，还不是一堆地方要改。我觉得还不如就接受llm生成就是不确定的，spec生出来后请他直接实作，我review再细修比较省时间也比较省token。

其实要生成到那个“规格文件没有问题”本身就已经是撞墙的过程了，我让 AI 帮我写 AI TRPG 用的行为循环时撞了不知道几次墙，到最后我干脆叫它去研究 github上的竞品 XD那个“好的规格文件”其实差不多就已经很接近某种虚拟码了当然还有一种情况是用 AI 处理的已经是某种有大量范本的常见工作，这种工作 AI 就能做的又快又好，但小众需求基本上很难不撞墙

不然我要继续研究那团东西吗 指令和脚本能做的事情比想像多很多 能开发也能管理

不愧是脚本哥 用脚本走过整个开发宇宙的人你的作业系统也是脚本吗 你的AI也是脚本吗 还是你的电脑也是用脚本兜的? 什么时候要展示一下?阿！我可能误会了 这个留言也只是脚本写的