AI的成本是别人的时间

作者对大型语言模型（LLM）抱有爱恨交织的情感。初遇ChatGPT Omni的演示时，那种如同电影《Her》成真的惊奇感令人难忘。然而，除了将LLM用作日常故障排查的新搜索引擎外，作者更多时候感到的是失望而非愉悦——尤其是当AI被强行塞入社交和工作场景时。

作者认为，AI已无法逆转，我们能影响的是其使用礼仪。核心规则是：拥有你的工作。若需注明答案基于AI，则应继续完善直至可以署名。信任关系因AI而破裂：接收者无法判断内容来自模型还是同事的判断。LLM可用于工作，但必须用自身专业知识引导、校对、修改，直到对结果满意。

若无法评估模型输出的质量，不要依赖它。LLM擅长语义搜索和摘要，但也会以自信的语气胡编乱造（幻觉），且这一缺陷可能永无解。这与确定性算法截然不同——模型输出多变却伪装成人类般的笃定。而人类在不确定时会直接表露。作者强调，对不熟悉领域的LLM输出应极度怀疑，交叉验证。

若未用心撰写，他人也不会费力审阅。历史上首次，内容生产速度超过消费速度。LLM默认冗长，导致邮件、文档篇幅膨胀，低熵文本淹没核心思想。接收者需花费大量时间消化，或只能再扔给LLM总结，形成“AI自我吞噬”的浪费。对策是礼貌要求精简文档，或索要原始提示词以暴露对方投入的不足。

提示词至少应占输出长度一半（尽管思维模型使这点弱化）。LLM本质是预测下一个token，缺乏上下文和记忆。投入自身专业知识越多，输出质量越高。虽然减少省时效果，但避免平庸。

重度委托给AI的技能会萎缩。大脑如同肌肉，不用则废。已有实证表明，过度依赖AI导致认知能力下降。与计算器、GPS类似，但LLM可外包规划、推理、决策甚至创造力——这些核心能力。短期省时，长期可能丧失独立构建论证的能力。作者建议：将无意义工作委托给AI，但对重要事务，应利用LLM作为挑战自我的伙伴，而非直接产出内容。如此既能保持质量，又能保留个人风格。

归结为黄金法则：做让你自豪的工作。使用AI，责任仍在己。始终验证、修正、挑战，去除不配署名的一切。尊重他人的时间，也会赢得尊重。