学习内容
传统软件：你给规则，它执行——结果确定、可复现。
AI 工具：你给意图，它生成——结果不确定、每次可能不同。
输入：软件要精确参数；AI 要自然语言描述。
输出：软件结果稳定；AI 输出有随机性，需筛选。
出错方式：软件错了可查逻辑；AI 错了可能是"自信地胡说"。
扩展性：软件功能靠开发；AI 新任务靠提示词。
创意生成：文案、图片、方案初稿。
模糊任务：说不清规则但能判断好坏的活。
长尾需求：开发成本高、频次低的功能。
精确计算：财务、工程计算。
合规流程：需要审计记录的业务。
高频稳定操作：报表、批量处理。
先问三个问题：结果必须精确吗？需要稳定复现吗？出错代价高吗？答案都是"是"，就用软件；否则 AI 更合适。
AI 工具与传统软件是互补关系：软件管"确定"，AI 管"生成"。理解它们的分工，按任务特性选工具，才是提效的正确姿势。
继续学习
AGI（通用人工智能）是所有 AI 公司的终极目标。本文讲清 AGI 与当前 AI 的区别、发展阶段与争议。
微调让通用大模型适配特定业务。本文讲清微调原理、方法与 RAG 的取舍。
RAG（检索增强生成）解决大模型知识过时与幻觉问题。本文讲清原理、流程和适用场景。
大语言模型（LLM）是 ChatGPT 等 AI 助手背后的核心技术。本文用通俗语言讲清 LLM 是什么、怎么训练、能做什么、不能做什么。
智能体工作流是让 AI 自动化完成复杂任务的编排方式。本文讲清常见模式与落地场景。
AI 对就业的影响是热门话题。本文从任务层面分析哪些工作最受影响、哪些最安全，以及个人应对策略。
