AI 落地三大洞察：帕累托法则、非确定性与早期机遇

Vibe 编码与人工智能采用的摩擦

上周，我参加了在北卡罗来纳州达勒姆举办的 All Things AI 大会。这个活动面向技术 AI 从业者，第一天有工作坊，第二天有标准的会议演讲。以下是我从这个大会中获得的一些要点！

在第一天，我帮助 Major League Hacking (MLH) 运营了一场 AI Roadshow。我们现在大约每个月举办一场。有些是独立活动，有些是在合作伙伴的大会上举办的。我认为秋天你们会在 All Things Open 上再看到我们。

在 AI Roadshow，我们运营大约 6 场实用的、动手编程的活动。你走上前，用一台随时可用的笔记本电脑来学习一项新技能或 AI 技巧。整个活动中我们通常会提供零食、饮料和交流机会。如果你想了解下一站的信息，可以查看我们的 Luma。

80/20 法则实践

（灵感来自 Justin Jeffress：《Vibe 编码实战》）

我享受了 Justin 的整场演讲，但他有一张关于 80/20 法则的幻灯片至今还留在我脑海里。AI 在帮你解决大多数问题时感觉擅长于达到 80% 的进度。

但是那剩余的 20% 怎么办呢？Justin 的建议很简单：重复。把"剩余的" 20% 再发回给你选择的 AI 工具。

我自己用编码 Agent 已经这样做了一段时间，但这次演讲让我再次思考简单循环和重复的有效性。我想这个建议可能还没有传达到那些主要通过聊天应用使用 AI 的人。对于那些无法测试的结果，这个方法可能也不太适用。但这个框架确实引起了我的共鸣。

人类也是非确定性的

（灵感来自 Calvin Hendryx-Parker：《编排 Agent 型 AI》）

通过我在 MLH 的工作，我经常与软件开发者交流。过去 18 个月这种情况更加频繁，受到所有 AI 开发的推动。

有一个我一直没有准备好解决的常见关注点，那就是 AI 工具是非确定性的。我理解。当你写代码时，你是在为特定的结果而构建。我认为开发者喜欢确定性。

Calvin 在他的演讲中做了一个小评论，提醒观众人类也是非确定性的。这个观察真的击中了要点。我知道这一点。我相信你也知道。但这是一个很好的重新框架。流程驱动的思维和防护栏感觉突然变得很重要。

我们仍然非常非常早期

（只是个人反思）

像你们中的许多人一样，我最近一直在密切关注 AI。这对我在 MLH 所做的工作很重要。在 Twitter 上很容易被每周的风潮所吸引。但现实是大多数人仍然没有充分利用 AI 工具。尤其是没有充分发挥其最大潜能。

即使在一个为 AI 从业者举办的大会上，我也遇到了没有使用过编码 Agent 的人。有些笑话涉及 OpenClaw 和 Mac Mini，但并不是每个人都"掌握情况"。

在这一波变革中，我们仍然非常非常早期。没有比现在更好的时机来卷起袖子自己尝试一些东西。我仍然认为边做边学是使用 AI 工具的正确方法。

如需进一步采取行动，你可以考虑屏蔽此人和/或举报滥用