Showing Posts From

Ai

ChatGPT 是最好的英语学习工具——但它解决不了真正的问题

ChatGPT 是最好的英语学习工具——但它解决不了真正的问题

所有语言学习者的梦想，是拥有一个每周七天、每天二十四小时免费陪你练习的老师。现在这个梦想真的实现了——但学外语的人反而越来越少。前几天刷到一个英国英语老师 Christian 做的 YouTube 视频，标题是《用 ChatGPT 学英语》。我以为又是一期工具推荐，没想到看完之后，他根本不是在推销 ChatGPT，而是在给所有语言学习者泼一盆冷水。 这盆水浇得很准。 梦想成真了，然后呢？ ChatGPT 这类大语言模型的出现，对语言学习者来说是真正的革命：请不起老师？问题解决了。 没有英语语境，没有人可以对话？问题解决了。 想要一个单词的十个例句，还要带发音？问题解决了。 想模拟电话面试、工作面试？问题解决了。Christian 在视频里真的演示了这个场景：他输入「我下周有一个工作面试，想练习英语」，ChatGPT 立刻接手，问他想重点练哪些方向，然后开始角色扮演。反应速度、覆盖广度、耐心程度，完胜任何一个真人外教。 按照正常逻辑，接下来的故事应该是：全球流利说外语的人大爆发，语言学习迎来黄金时代。 但现实完全相反。 越来越少的人在学外语 美国的数据最典型：过去五年，学外语的人数下降了 17%。这还只是英语母语者——他们确实有理由偷懒，因为英语本身就是通行证。 但问题是，即便是你——正在学英语的人——大概率也没有把 ChatGPT 变成每日练习的对话搭档。 Christian 说他是一名真正在课堂里工作的老师，几乎每天都和真实的学生打交道。他从没见过这么多人，对一场「革命」如此冷漠。 为什么？ 这不是第一次了 答案其实很老：语言学习从来不是资源问题，而是人的问题。 他列了一张清单，每一条都让我觉得似曾相识—— 录音机时代：「我现在随时可以听真实对话了！英语学习从此又快又简单！」 互联网时代：「我可以找到无限内容和对话伙伴了！英语学习从此又快又简单！」 App 时代：「我上班坐地铁的五分钟就能学语法和词汇！英语学习从此又快又简单！」 AI 时代：「AI 将让英语学习又快又简单！」 每一次，都有同一句口号。每一次，都有同一个结局。 人们尝试一下，发现不是魔法，然后去找下一个「又快又简单」的东西。 战俘营里的英语课 这个道理，Christian 用了一个让我印象深刻的故事来说明。 1980 年，两伊战争爆发，持续了整整八年。战争中，数千名士兵被俘，关押在条件极为恶劣的战俘营里。那种地方，是为惩罚而设计的，是你能想到的学习语言最糟糕的环境。 但就是在那里，一些战俘开始学英语。 动机各不相同：有人是为了打发漫长的无聊和抑郁；有人觉得「时间是黄金」，不想浪费被俘的每一天；还有人是为了将来用英语改变命运。 他们没有书，没有铅笔，没有纸——这些东西都被明令禁止。会英语的战俘悄悄教其他人，课程在秘密中进行，因为守卫不允许任何形式的教育活动。 当外界没有任何资源的时候，他们在院子里捡起树枝，蹲下来，在泥土上写单词和句子。 结果如何？其中一些人，后来流利到可以在舞台上表演英语戏剧。 那些在战俘营里、用树枝在泥土上练英语的人，比大多数拥有所有工具和资源的现代学习者，学得更好。 这就是答案。 学习是买不到的东西 Christian 说了一句话，我觉得值得原文引用：「没有任何技术、系统或方法，能让语言学习变得快速或容易。学一门语言，可能是你成年后做过的最难的事。无论用什么方法，当你剥离掉技术、内容和老师，永远剩下同一件事：学习。这不是任何人或机器能替你做的，你也买不到它。你必须自己去做，你必须去赢得它。」我们点开那些「用 AI 学英语」的视频，内心深处都藏着一个小小的期待：也许这次，真的有捷径。 没有。 那 AI 究竟有没有用？ 有，非常有用——但不是作为魔法，而是作为工具。 工具的价值，完全取决于使用它的人的心态。 一把好锤子，放在一个不想盖房子的人手里，毫无意义。放在一个每天坚持动工的人手里，它就是改变速度的利器。 ChatGPT 是有史以来最好的语言学习工具，没有之一。但它解决的是「有没有资源」的问题，不解决「想不想学」的问题。 如果你真的想学好英语，现在的条件比任何时代都要好。没有钱请老师，有 AI；没有人陪你练口语，有 AI；不懂某个表达，有 AI；想模拟面试，有 AI。 如果你不想学，那这一切都只是手机里又一个打开三天就被遗忘的 App。 时间才是最宝贵的资源 视频最后，Christian 把话题拉回了那些战俘。他们在最恶劣的条件下拼命学英语，是因为他们明白一件事： 时间是我们最宝贵的资源。 不是工具，不是方法，不是 App，不是 AI。 是时间。 你现在手里有全世界最好的语言学习工具，免费，随时可用。唯一的问题是，你打算从什么时候开始认真用它？这篇文章的灵感来自 Canguro English 的 YouTube 视频《Get fluent with AI - Use ChatGPT to learn and practice English》。Christian 是一位英国英语老师，他的频道专注于帮助非母语者真正掌握英语沟通能力，而不只是学语法。

当每个人都能造应用：AI 时代，分发是新的代码

当每个人都能造应用：AI 时代，分发是新的代码

一张图，说透 2026 年 AI 创业的真相 前几天在 X 上看到一张图（来自 FT，数据来源：Demirer et al, 2026），配着 @levelsio 的推文一起看，瞬间觉得很多事情串起来了。 先上图：这张图有三个数据系列，全部以 2024 年均值为基准 100：深蓝线（App 发布量）：Agentic AI 时代后垂直拉升，2026 年已飙到 180——相当于 2024 年均值的 1.8 倍。 浅蓝线（有实质用户量的 App）：纹丝不动，紧贴 100 基准线，整个 2025-2026 年毫无增长。 中蓝线（App 评论量）：不升反降，跌到约 75，说明不仅新用户没增加，老用户的活跃度和满意度也在下滑。翻译过来就是一句话：能造船的人多了 80%，但港口的位置一个都没多。levelsio 说了什么 Pieter Levels（@levelsio）是独立开发者的标志性人物，一个人做了 NomadList、RemoteOK、PhotoAI、InteriorAI 等一系列产品，年营收 300 万美元以上，没有团队、没有融资。 他在转发这张图时写了这样一段话（大意）：我认为挑战在于现在每个人都可以构建应用，但是：几乎没有人拥有分发渠道（比如受众） 有钱支付分发费用（广告或用户生成内容） 拥有免费获得分发的创意天才（传统上称为游击营销）这三句话，说得非常准。 他用三个条件定义了 AI 时代真正稀缺的东西——不是构建能力，是分发能力。为什么「能做出来」已经不够了 第一，信噪比正在崩溃 这张图最令人警觉的不是 App 发布量涨了多少，而是评论量在下降。 当一个市场里每个月涌入的产品是以前的两倍，用户的注意力并没有同步扩张。平台的通知栏、推荐位、搜索结果页——这些「发现机制」的承载能力是固定的。分蛋糕的人多了，每块蛋糕自然更小。 更糟糕的是，当大量低质量 AI 生成应用涌入商店，用户的信任度下降，整体转化率随之降低。这就是评论量下跌的深层原因：不是用户变少了，是用户变得更谨慎了。 第二，「受众」正在变成最强的护城河 levelsio 说的第一条——「几乎没有人拥有分发渠道（受众）」——是他自己成功的注脚。 他能在一天之内让一个新产品的启动页获得几万次访问，不是因为他懂增长黑客，而是因为他在 Twitter 上积累了百万级的关注者。他自己的账号就是他的营销部门。 AI 工具让构建成本趋近于零之后，你手上的读者关系反而变得更值钱了，不是更不值钱。因为产品可以 AI 生成，但信任不能。 第三，广告竞价正在杀死没有收入的初创产品 第二条，「有钱支付分发费用」——这听起来很世俗，但这就是现实。 Meta、Google、TikTok 的广告系统是为有收入的企业优化的。如果你是一个没有收入、没有融资的独立开发者，你根本竞不过那些有 ARR 的 SaaS 产品。他们可以负担更高的 CAC（客户获取成本），因为你没有收入来覆盖这个成本。 这意味着：没有收入的分发，必须靠创意或已有受众。这就是 levelsio 说的第三条——「创意天才（游击营销）」。 第四，平台是唯一的赢家 这张图对独立开发者是警示，对平台来说是机会。 苹果、微信、TikTok——谁控制着用户的注意力入口，谁就坐拥一切。当供给侧无限扩张、需求侧不变，平台的议价能力反而会提高。 这对独立开发者的启示是：选择平台比选择技术栈更重要。在微信生态里做一个小程序，可能比在 App Store 里发布一个原生应用更容易获得初始用户——因为微信的社交分发机制对小产品更友好。levelsio 自己就是最好的证明 levelsio 说这番话的时候，他不是在维护自己的优势——他是在用亲身经历论证自己的观点。 十年前，当他还是一个籍籍无名的数字游民，在 Twitter 上分享 NomadList 的构建过程时，没有人觉得「受众」是护城河。Build in Public 在那个年代是一种个人品牌建设，没有人把它当成一种战略。 但十年后回头看，他无意中做对了 AI 时代最重要的一件事：在供给过剩之前，提前占住了分发入口。他的受众 —— Twitter 百万粉丝，每条推文都是免费分发渠道 —— 是十年公开构建的自然沉淀，不是 AI 赋予的优势 他的收入 —— PhotoAI 等产品有稳定现金流，可以负担付费投放 —— 同样是积累的结果，不是一夜之间靠 AI 工具做出来的 他的创意营销 —— Build in Public 本身就是他的独特分发方式 —— 这件事 AI 再强也替代不了所以他的三个判断，不是站在高处说风凉话，而是坦诚地告诉你：我能走到今天，靠的就是这三样。而这三样，AI 帮不了你。这张图没告诉你的事 FT 的这张图只覆盖了「应用发布量」和「用户活跃度」，但有几个维度它没有展现： 第一，收入集中度。 发布量涨了 80%，但收入可能集中在顶部 1% 的产品里。如果真是这样，局势比图表看起来更严峻。 第二，企业级市场 vs 消费者市场。 这张图应该是消费者应用的数据。企业级 AI 工具（B2B）的分发逻辑完全不同——口碑、销售团队、集成生态才是关键，而不是 App Store 榜单。 第三，地理差异。 中美两个市场的分发逻辑截然不同。在美国，Twitter/X、Product Hunt、Reddit 是独立开发者的主战场；在中国，微信公众号、小红书、抖音才是。这张图如果只看美国数据，对中国的借鉴意义需要打折。对你来说，这意味着什么 如果你正在经营一个内容品牌（比如「AI知识迁移」），或者正在考虑做一个 AI 产品，这张图和 levelsio 的话给你以下几个行动点： 1. 把读者关系当成资产来管理，而不是流量。 粉丝数是一个虚荣指标，但「有多少人会点开你的每一篇文章」才是真正的护城河。levelsio 的三条护城河里，第一条就是最难被复制的。 2. 做产品之前，先想清楚分发。 以前的产品逻辑是：做一个好产品 → 用户会来。现在的逻辑应该是：想清楚怎么让用户知道 → 再做产品。顺序反了。 3. 善用平台的分发机制，而不是对抗它。 微信的「看一看」、小红书的算法推荐、抖音的同城——这些机制对小而美的产品是有利的，因为它们的推荐逻辑是「内容质量」而不是「广告预算」。 4. 把「Build in Public」当成分发策略，而不只是记录。 levelsio 的成功不是因为他产品做得最好，而是因为他最会让别人想看他的产品。这个过程本身就是营销。一句话总结 AI 时代的竞争，已经从「谁能做出来」转移到「谁能让人看到」。 构建是新时代的识字率——重要，但不再是稀缺能力。 分发才是新时代的代码。数据来源：Demirer et al, 2026，经由 Financial Times 可视化。推文来源：@levelsio（Pieter Levels），2026 年 6 月。

软件开发正迎来它的「印刷机时刻」

软件开发正迎来它的「印刷机时刻」

编程的「印刷机时刻」：当代码消失，软件开发的权力将归还给每一个人在人类文明史上，15世纪的古腾堡印刷术是一个转折点。在那之前，欧洲只有约10%的人掌握读写能力，他们是受雇于权贵的"专业人士"。印刷机的出现让书籍成本下降了100倍，在接下来的50年里，欧洲产出的文献超过了过去一千年。虽然普及教育用了几个世纪，但它最终让文字从精英手中的权杖，变成了人人都能使用的工具。 如今，Anthropic 的 Boris Cherny 提出了一个大胆的断言：软件开发正迎来它的「印刷机时刻」。 一、编程问题已经解决了 在最近的一次访谈中，Boris 向在座的开发者们抛出了一个扎心的问题："现在还有谁是100%手写代码的？"结果显示，现场已没有人坚持手动输入每一行代码。 Boris 透露，他自己已经一年多没写过一行代码了。 现在的 Claude 等最新模型已经能够100%接管代码编写。 在他看来，"编程问题已经解决了"（Coding is solved）。 这一变革的速度将远超当年的印刷机。Boris 认为，软件开发将从一种需要高度专业技能的"手艺"，迅速演变为一种像发短信一样普及的通用技能。 二、从「氛围编程」到「智能体工程」 硅谷技术大神 Andrej Karpathy 为这一变革提供了深层的理论支撑。他提出了**软件 3.0（Software 3.0）**的概念：软件 1.0：人类手写明确的规则（传统代码）。 软件 2.0：通过数据集训练神经网络。 软件 3.0：编程变成了提示词工程（Prompting）。上下文窗口就是我们的杠杆，通过它来驱动 LLM 这个「解释器」在数字空间中执行任务。Karpathy 观察到，自去年12月以来，模型的能力出现了质的飞跃。过去 AI 只能写代码片段，现在它能生成完整且正确的代码块，让人进入一种**「氛围编程」（Vibe Coding）**的状态——你只需要描述愿景，AI 负责实现细节。 但更高的境界是智能体工程（Agentic Engineering）。这不再仅仅是提高速度，而是在保持专业软件质量标准（安全性、健壮性）的同时，指挥一组智能体协同工作。 三、「循环」的力量：AI 正接管繁琐流程 如果说 100% 自动写代码是起点，那么**「循环」（Loops）**则是软件开发的未来形态。 Boris 分享了他的私人工作流：他在手机上运行着几百个甚至几千个智能体。通过一种简单的逻辑——让 AI 利用 Cron 等工具定时运行任务——他构建了无数个「循环」：有的循环在「监视」PR（拉取请求），自动修复 CI 错误； 有的循环在自动重构过时的测试代码； 有的循环每 30 分钟从社交媒体抓取反馈并自动归类。这种「大规模并行」的能力，让一个人就能发挥出过去一整个团队的效能。 四、跨学科通用型人才 在「印刷机时刻」之后，软件的价值将发生重心的偏移。 Boris 指出，当编程变得极其廉价且简单时，掌握**「领域知识」将比掌握「编程语言」**更重要。比如，开发一款会计软件的最佳人选，可能不再是资深工程师，而是一位精通业务的资深会计，因为 AI 让实现变得容易，而「定义问题」才是真正的门槛。 与此同时，我们将看到更多**「跨学科通用型人才」（Cross-disciplinary Generalists）**的崛起。他们既懂产品，又懂设计，还能指挥 AI 完成工程实现。这种人能够通过 AI 这种原生技术，从零开始构建出足以挑战巨头的小型公司。 五、外包思考，但不外包理解 面对 Intelligence 变得像水和电一样廉价的时代，人类还剩下什么？ Karpathy 引用了一句耐人寻味的话：「你可以外包你的思考，但你不能外包你的理解。」虽然 AI 可以替我们写代码、跑循环、做繁琐的执行，但审美、判断力和理解力依然是人类最后的堡垒。 结语 我们正站在软件开发历史上最令人兴奋的门槛上。正如印刷机终结了知识的垄断，AI 正在终结代码的垄断。软件的未来，不再属于那些会写代码的人，而属于那些有想法、有洞察、并懂得如何与机器协作的人。