KeyFrame內部研究專用

When We Can Do Anything, Do We Still Know What We Want? — Ryo Lu, ex-Cursor | AI Engineer Shanghai

AI Engineer英文
觀看原始影片

三句話摘要

當AI工具讓我們能做任何事時,我們是否還知道自己想要什麼,以及如何保持真實的判斷與創意初心。 好的工具應該放大我們的判斷力和在乎的事,而不是替代思考;與他人合作、互相影響應該被保留,因為那是發現自己真實想要什麼、創造單獨無法創造的事物的唯一途徑。 工具強大與自我認知的衝突:講者反思了從純粹好奇心(童年時改造電腦的美感)到職業化(需要證明、計劃、成果)的轉變。當機器也能做設計師和工程師做的事時,不只是技能被貶值,而是我們用來定義自己的整個身份被動搖,迫使我們重新問:除了工作能力,什麼是特別的我?

重點整理

  1. 工具強大與自我認知的衝突:講者反思了從純粹好奇心(童年時改造電腦的美感)到職業化(需要證明、計劃、成果)的轉變。當機器也能做設計師和工程師做的事時,不只是技能被貶值,而是我們用來定義自己的整個身份被動搖,迫使我們重新問:除了工作能力,什麼是特別的我?

  2. 工具設計如何影響人的思考:「服務櫃檯」式工具給出完整答案後就結束,只能接受/拒絕;「工作臺」式工具讓使用者看到計劃、即將發生什麼、有即時預覽和微調空間。關鍵差異在於後者讓人在過程中發現自己真正想要什麼,而不是被完整的解釋所說服。

  3. 與他人合作的不可替代性:獨自思考形成不了真實的判斷。當別人指出「這感覺奇怪」或堅持某個細節時,才能看清自己遺漏了什麼。就像爵士樂隊,沒人試圖演奏最多音符,而是互相傾聽、留出空間、共同創造出沒人單獨想到的結果。

  4. 自主性與選擇的重要性:工具永遠在那,但何時用、為什麼用、用來做什麼仍是個人決定。有些事值得手工完成以感受創作過程,有些可以交給工具,有些根本不需要做——關鍵是保持有意識的選擇。

實用技巧與重點

  • 日誌工具案例:情緒評分、寫作streak、每日提醒、週報
  • 工作臺設計要點:
  • 讓重要假設可見化
  • 使改變足夠小可以逐一嘗試
  • 保留人們收回已交付任務的機會
  • 展示除了「接受/拒絕」外更多的選擇層次
  • 具體建議:移除障礙,讓人們有機會在過程中自己形成判斷
  • 生活實踐:從舊金山搬到台北,練習不用工作成就定義自己,每天問「我想做什麼」
  • 協作模式比喻:爵士樂隊式合作——一人帶旋律,他人傾聽、留空間、相互回應

結論

好的工具應該放大我們的判斷力和在乎的事,而不是替代思考;與他人合作、互相影響應該被保留,因為那是發現自己真實想要什麼、創造單獨無法創造的事物的唯一途徑。

完整解析

Ryo開場提出核心問題:當工具變得越來越強大,為什麼我們感到更加不安?他觀察到AI帶來的矛盾反應——驚嘆「太棒了」之後緊跟焦慮「我落後了」。這源於一個習慣:我們用能做什麼來證明自己是誰。當機器也能設計、寫代碼時,失去的不只是技能的獨特性,而是整個自我認同的基礎。

Ryo回顧了自己童年的純粹好奇心:看到漂亮的Apple電腦,就想改變圖標和字體讓自己的電腦也那樣。這種好奇心最終變成職業,但在這過程中,玩樂變成了輸出、品味變成了決策。他開始懷念那種不需要證明、單純因為感興趣而探索的心態。

他用一個具體案例說明問題的深度。請求AI製作日誌工具,兩分鐘得到包含情緒評分、streak、提醒、週報的完整方案,還有詳細解釋為什麼需要這些功能。看起來合理到讓人認可。但這裡的問題是:我們真的思考過為什麼要量化生活嗎?還是被完整的解釋所說服?一個完整答案往往掩蓋了我們還沒問過的問題。

Ryo提出工具設計的關鍵區別。「服務櫃檯」給出完成品,你只能接受、拒絕或重新說明。「工作臺」讓你看到計劃、即將移除什麼、即時預覽結果,你可以在執行前介入。這差異遠不只是多了幾個按鈕——在工作臺上,有時看到提醒要被移除時才驚覺你想保留它。你能把手放在正在改變的東西上,而不是等待一個完整答案。

他提出三個實踐建議:讓重要假設可見,使改變足夠小到可以嘗試;展示比「全部接受/拒絕」更多的選擇層次;移除障礙讓人有機會自己形成判斷。關鍵不是對話框或品牌在哪一邊,而是能否改變某一部分、看到決策理由、重新掌握控制權。

Ryo強調與他人合作的不可替代性。獨自思考很難形成真實的判斷。當有人說你的設計「感覺奇怪」或堅持一個你認為微不足道的細節時,那是你看清自己遺漏了什麼的契機。這就像爵士樂隊的即興演奏——沒人試圖演奏最多音符來證明自己,而是互相傾聽、留出空間、共同找回節奏。什麼都是一起創造出來的,沒人能獨自做到。

他談到自己從舊金山搬到台北的意義:停止用工作成就定義全部生活。空白的日程迫使他每天問「我想做什麼」。漸漸他發現時間本身就有價值,即使暫無產出。一次對話、一條陌生街道、反覆聽的歌曲都提醒他在乎什麼。生活和創意工作不是競爭關係,壓榨生活不會留下更多創意,反而生活給創意提供養分。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。