現(xiàn)在的科技領(lǐng)域，有關(guān)人工智能有沒有被吹得太厲害，一直都有爭論，沒完沒了的。不過，像谷歌 DeepMind 的安全研究專家和機(jī)器學(xué)習(xí)科學(xué)家 Nicholas Carlini 這樣的人可不多，他用自己的經(jīng)歷給咱們展現(xiàn)了不一樣的看法。通過他寫的東西，咱們能知道大型語言模型在實(shí)際用的時(shí)候很厲害，花樣也多。這可不是光嘴上說說，而是真能改變工作辦法、讓干活更快、還能冒出新點(diǎn)子的好東西。
最近，Carlini 自己寫了一篇特別長的文章，仔細(xì)講了他平常怎么用 AI。這篇文章可厲害啦，不光讓咱們看到了 AI 技術(shù)到處都能用，還能讓咱們猜猜以后科技會(huì)怎么改變?cè)蹅兊纳睢?/p>
Carlini 在文章里舉了 50 個(gè)他自己用 AI 的例子，像工作效率提高啦、寫東西有創(chuàng)意啦、幫忙編程啦等等好多方面。不過讓人吃驚的是，這 50 個(gè)例子只是他用 AI 的一小部分，他說還不到 2%呢。這可太讓人震驚啦，不光說明 AI 技術(shù)厲害，還說明咱們可能還沒完全明白 AI 的潛力有多大。
實(shí)際上，Carlini 的經(jīng)歷可能是個(gè)大趨勢的開頭：隨著 AI 技術(shù)越來越好，用的人越來越多，咱們可能正站在一場技術(shù)大革命的邊上呢。就像以前個(gè)人電腦和互聯(lián)網(wǎng)徹底改變了咱們工作生活的樣子，AI 說不定就是下一個(gè)能讓社會(huì)大變樣的重要力量。那面對(duì)這樣的情況，咱們?cè)撛趺纯?AI 技術(shù)的發(fā)展呢？是小心點(diǎn)好，還是大膽去擁抱變化？
原文如下：
作者：DeepMind 安全研究專家和機(jī)器學(xué)習(xí)科學(xué)家 Nicholas Carlini
我覺得“人工智能”模型（我說的是大型語言模型）沒有被吹過頭。確實(shí)，每出來個(gè)新技術(shù)，都會(huì)招來騙子。好多公司都說自己在用“人工智能”，就像以前說自己靠“區(qū)塊鏈”一樣。（咱們都見過好多回啦）同樣，咱們可能現(xiàn)在就在個(gè)泡泡里。互聯(lián)網(wǎng)在 2000 年泡泡破了，可咱們現(xiàn)在用的互聯(lián)網(wǎng)應(yīng)用，以前在科幻小說里才有。
但我覺得最近咱們?cè)谶@方面的進(jìn)步可不只是吹出來的，是因?yàn)檫^去這一年，我每個(gè)星期都花好幾個(gè)小時(shí)跟各種大型語言模型打交道，它們解決我給的難任務(wù)的本事讓我特別吃驚。所以我能說，這些模型讓我寫代碼的速度至少快了 50%，不管是做研究項(xiàng)目還是自己弄點(diǎn)編程的小副業(yè)。
我在網(wǎng)上看到好多說大型語言模型有用沒用的人，要么太樂觀，說所有工作三年里都能自動(dòng)化，要么特別悲觀，說一點(diǎn)用沒有，以后也不會(huì)有。
所以在這篇文章里，我就是想讓大家討論得實(shí)際點(diǎn)。我不會(huì)說以后會(huì)怎么樣。我就是想列個(gè)表，這是我（一個(gè)研究機(jī)器學(xué)習(xí)的程序員和科學(xué)家）跟不同的大型語言模型交流的 50 次，這些交流讓我做研究的本事強(qiáng)了不少，還幫我弄了些隨便的編程小項(xiàng)目。這里面包括：
- 用我以前沒用過的技術(shù)弄出個(gè)完整的網(wǎng)絡(luò)應(yīng)用程序。
- 教我怎么用各種框架，就算我以前沒用過。
- 把幾十個(gè)程序改成 C 或者 Rust 語言，性能能提高 10 到 100 倍。
- 把大的代碼庫簡化，讓項(xiàng)目簡單不少。
- 給我去年寫的差不多每一篇研究論文寫一開始的實(shí)驗(yàn)代碼。
- 把幾乎所有無聊的任務(wù)或者一次性的腳本都自動(dòng)化了。
- 差不多完全代替了我以前在網(wǎng)上找怎么設(shè)置和配置新軟件或者項(xiàng)目的搜索。
- 在幫我解決錯(cuò)誤信息方面，代替了差不多 50%的網(wǎng)上搜索。
要是給這些應(yīng)用例子分分類，大概能分成“幫忙學(xué)習(xí)”和“把日常無聊的事自動(dòng)化”這兩類。前面那個(gè)對(duì)我特別重要，因?yàn)槟茏屛逸p松對(duì)付以前覺得難的任務(wù)；后面那個(gè)也重要，因?yàn)槟茏屛覍Ｐ淖鑫易钅檬值模鉀Q真正難的問題。
關(guān)鍵是，這些例子都是我怎么實(shí)實(shí)在在用大型語言模型的。不是為了顯擺技術(shù)多牛，就是根據(jù)我工作的實(shí)際情況。這就是說，這些例子可能看著不怎么厲害，但其實(shí)我平常工作好多也普普通通的，現(xiàn)在能用的大型語言模型差不多把這些工作都自動(dòng)化了。
通過這篇文章，我的目的就是一個(gè)例子接一個(gè)例子地給你看，過去這一年我怎么用大型語言模型提高工作效率，一直說到你聽煩了為止。要知道，就算你可能看過不少例子了，其實(shí)我給你看的還不到我用大型語言模型的總數(shù)的 2%。
細(xì)微差別
要說互聯(lián)網(wǎng)做得不好的地方，那肯定是對(duì)細(xì)節(jié)的處理。我絕對(duì)不覺得現(xiàn)在的大型語言模型能統(tǒng)治世界，也不打算說以后的模型能做啥不能做啥。我就想說說，現(xiàn)在的模型對(duì)我到底有沒有用。
你可能會(huì)問，為啥還得寫篇文章來證明語言模型有用呢？這不是明擺著的事嗎？但其實(shí)，不管是在學(xué)術(shù)界、軟件工程領(lǐng)域還是媒體行業(yè)，都有不少人說大型語言模型一點(diǎn)用沒有，就是一陣風(fēng)，過幾年就沒人提了，對(duì)世界一點(diǎn)影響沒有。我不同意這些觀點(diǎn)，因?yàn)楝F(xiàn)在的大型語言模型已經(jīng)證明有用啦。
但同時(shí)，我也得說，還有另一幫聲音特別大的人，他們覺得現(xiàn)在的模型能把所有程序員都代替了，大家都不用學(xué)編程了，因?yàn)楹芸於嫉檬I(yè)。雖然反駁這些不是我這篇文章的主要目的，但我得說，我不支持這種特別極端的看法。
另外，我也不會(huì)說“只要目的好，用啥辦法都行”，就算這些模型訓(xùn)練的時(shí)候有好多不好的影響，我也不覺得就該使勁用。
我知道這些模型可能有不好的后果，可能特別嚴(yán)重，像亂傳錯(cuò)消息、亂用、監(jiān)控人、搶人工作（甚至有人擔(dān)心能讓人滅絕）。我以后會(huì)寫篇文章仔細(xì)說說大型語言模型可能帶來的壞處，到時(shí)候會(huì)在這放個(gè)鏈接。不過，這跟語言模型有沒有用是兩碼事——這才是我在這想說的。
我也知道你可能因?yàn)檎Z言模型老出不準(zhǔn)的信息、老重復(fù)知道的事、碰上復(fù)雜情況就完蛋這些毛病不想用它們——可能我比你更清楚這些缺點(diǎn)。但這篇文章不說這些。因?yàn)槲矣X得，就算有這些毛病，模型還是有用的。
而且，我也知道培訓(xùn)這些模型的倫理問題爭議可大了。你可能不同意沒經(jīng)過允許就用人家的數(shù)據(jù)來訓(xùn)練（我可能比你更明白這里面的事）。也許你關(guān)心的是那些為了訓(xùn)練模型拿很少錢的人。我承認(rèn)這些都是問題，但這篇文章也不說這些。
就像我一直說的：我在這說的，就是這些模型現(xiàn)在這個(gè)樣子到底有沒有用。
我的背景簡介
一般來說，我不是那種別人說啥我都信的人。比如說，十年前信息安全界流行加密貨幣的時(shí)候，我從來沒寫過關(guān)于區(qū)塊鏈的研究論文。我也從來沒買過比特幣，因?yàn)樵谖铱磥恚四苣脕碣€錢和騙人，一點(diǎn)實(shí)際價(jià)值沒有。我一直都懷疑，每次有人跟我說“有個(gè)新技術(shù)能改變世界”，我都不搭理。
所以，第一次有人跟我說人工智能能大大提高我的工作效率，還能改變我平常工作的辦法，我也不信，我說：“等我看到真有用我才信。”
另外，我是個(gè)搞安全研究的。這差不多十年里，我一直忙著證明人工智能模型在碰到?jīng)]訓(xùn)練過的情況的時(shí)候怎么就不行了。我證明了只要稍微改改機(jī)器學(xué)習(xí)模型的輸入，它的輸出就能全錯(cuò)；或者這些模型就是記住了訓(xùn)練數(shù)據(jù)里的一些例子，實(shí)際用的時(shí)候就重復(fù)。我很清楚這些系統(tǒng)的缺點(diǎn)。
但是，現(xiàn)在我在這說，我覺得現(xiàn)在的大型語言模型是互聯(lián)網(wǎng)出來以后，對(duì)我工作效率提高最大的東西。說實(shí)話，要是今天讓我在能用互聯(lián)網(wǎng)和一個(gè)最先進(jìn)的語言模型里選一個(gè)來解決工作里隨便一個(gè)編程任務(wù)，我選語言模型的次數(shù)能超過一半。
怎么用語言模型
下面我就說說我怎么用大型語言模型來提高工作效率。
你可能對(duì)我舉的例子不感興趣，覺得太荒唐。也可能這些例子跟你的需要沒關(guān)系，這我能理解。但我只能從我自己的角度說。這些例子都是我過去一年跟大型語言模型交流的記錄里直接拿出來的。
1、給我開發(fā)完整的應(yīng)用
去年，我弄了個(gè)測驗(yàn)，讓人看看 GPT-4 在處理幾個(gè)特定任務(wù)上怎么樣。這個(gè)測驗(yàn)可火了，有超過一千萬的頁面瀏覽量。你可能想不到，我差不多讓 GPT-4 給我寫了這個(gè)應(yīng)用的第一個(gè)版本。這是通過一連串的問題弄的，我先問應(yīng)用的基本結(jié)構(gòu)，然后一點(diǎn)點(diǎn)加功能。整個(gè)交流有 30000 個(gè)字，把當(dāng)時(shí)的 GPT-4 模型的本事都快試到底了。你要是看看這些交流，能看到從我跟模型說需求讓它寫完整個(gè)東西，到我讓它改具體的地方（比如說“別比平均分，用核密度估計(jì)說它在哪個(gè)百分位”），還有我復(fù)制粘貼錯(cuò)了的信息（比如說，“畫圖錯(cuò)了：numpy.linalg.LinAlgError: 奇異矩陣”），還有我就問個(gè)簡單問題（比如“怎么在網(wǎng)頁上用 JavaScript 加個(gè) iframe，內(nèi)容是從字符串加載的？”）。
這個(gè)辦法能行，主要是因?yàn)檎Z言模型擅長處理別人解決過的問題，這個(gè)測驗(yàn) 99%的內(nèi)容就是些基礎(chǔ)的 HTML 和 Python 后端服務(wù)器，誰都能寫。這個(gè)測驗(yàn)讓人喜歡不是因?yàn)榧夹g(shù)多牛，是因?yàn)闇y驗(yàn)的內(nèi)容。把重復(fù)的部分都自動(dòng)化了，我就能輕松弄好這個(gè)項(xiàng)目。
其實(shí)，要是沒有語言模型幫忙，我可能根本就不會(huì)弄這個(gè)測驗(yàn)，因?yàn)槲也幌牖〞r(shí)間從頭寫整個(gè)網(wǎng)頁應(yīng)用。就算我會(huì)編程！我相信，就算是現(xiàn)在的模型，也能讓大多數(shù)人光靠問問題就能解決以前解決不了的重要任務(wù)。
我還有些類似的例子以后說，像我讓模型給我寫整個(gè)應(yīng)用，等這些應(yīng)用發(fā)出來，我會(huì)明說有語言模型幫忙。
2、當(dāng)新技術(shù)的向?qū)?/strong>
我以前總能跟上新框架的步子。但一個(gè)人的時(shí)間有限，因?yàn)槲业墓ぷ鳎掖蟛糠謺r(shí)間都在跟最新的研究進(jìn)展，不是最新的 JavaScript 框架。
這就是說，我開始一個(gè)不是我研究領(lǐng)域的新項(xiàng)目的時(shí)候，一般有兩個(gè)選擇：一個(gè)是用我知道的技術(shù)，就算這些技術(shù)可能老了十年二十年，對(duì)小項(xiàng)目也夠用；另一個(gè)是學(xué)新的（一般也更好）辦法。這時(shí)候語言模型就有用啦。對(duì)我來說新的框架或者工具，像 Docker、Flexbox 或者 React，對(duì)別人可能很熟。世界上可能有成千上萬的人很了解這些技術(shù)。現(xiàn)在的語言模型也能懂。這就是說，我能通過跟語言模型交流學(xué)習(xí)，學(xué)會(huì)解決任務(wù)需要的知識(shí)，不用靠那些假設(shè)讀者啥都懂、目標(biāo)特別明確的死板教程。
比如說，今年早些時(shí)候，我弄一個(gè) LLM 評(píng)估框架的時(shí)候，想在一個(gè)限制的環(huán)境里運(yùn)行 LLM 生成的代碼，省得它把我電腦上隨便的文件刪了啥的。Docker 是干這個(gè)的好工具，可我以前沒用過。
重要的是，這個(gè)項(xiàng)目的目的不是學(xué)會(huì)用 Docker，Docker 就是我達(dá)到目的的一個(gè)工具。我就需要學(xué)會(huì) 10%，保證能安全用就行。
要是在 90 年代，我可能得買本關(guān)于 Docker 的書，從頭學(xué)，看前面幾章，然后跳著看怎么弄我想要的功能。過去十年好點(diǎn)了，我可能會(huì)在網(wǎng)上找怎么用 Docker 的教程，跟著做，然后找遇到的錯(cuò)誤信息，看有沒有人跟我一樣。
但現(xiàn)在，我只要讓一個(gè)語言模型教我用 Docker 就行。
3、開始新項(xiàng)目
想起來，我最早學(xué)的編程語言是 Java。我特別喜歡編程，但有一件事我特別煩：面對(duì)新項(xiàng)目的空白屏幕。特別是用 Java 的時(shí)候！就算是讓程序編譯個(gè)“hello world”程序——這個(gè)“public static void main string args”到底是干啥的？括號(hào)放哪？哪些字母大寫？為啥這用花括號(hào)，那用方括號(hào)？
所以我就像小孩一樣——讓我爸幫我弄。
二十年過去了，我還是不喜歡用不熟悉的框架開始新項(xiàng)目。光為了弄好開頭的代碼就得花好多時(shí)間，而且我都不知道自己在干啥。
比如說，我最近想試試寫點(diǎn) CUDA 代碼，看看一個(gè)簡單的貪心搜索在 GPU 上的性能跟別人在 CPU 上高效優(yōu)化的比怎么樣。
但我不會(huì) CUDA 編程。我會(huì)寫 C 語言，知道 GPU 咋工作、內(nèi)核啥功能、內(nèi)存咋布局啥的，但真要寫往 GPU 發(fā)任務(wù)的代碼？我不知道從哪開始。所以我直接讓模型給我寫 CUDA 程序的初稿。完美嗎？肯定不是！但這是個(gè)開頭。這就是我要的。你能看到這里面代碼好多錯(cuò)！其實(shí)我完全能接受。我不是要完美的辦法，就是要個(gè)開頭，我能從這接著弄。要是以后的模型能做得更好，那就太棒了。但現(xiàn)在我有的已經(jīng)幫了大忙了。
另一方面，我在家弄一些個(gè)人項(xiàng)目的時(shí)候，用了個(gè)樹莓派 Pico W。這是我第一次用。我想讓它給我干點(diǎn)事，特別是跟網(wǎng)絡(luò)有關(guān)的。再說，我肯定能在網(wǎng)上找到有人說怎么弄我想弄的。但你最近看過網(wǎng)上的東西嗎？前五個(gè)結(jié)果經(jīng)常是些沒用的垃圾，代碼有問題，就為了搜索引擎優(yōu)化改了改，但還是不行。
所以，我直接讓一個(gè)語言模型教我怎么弄我想弄的。我以前弄過微控制器，所以大概知道它們咋工作。但我沒用過 Pico W。我就需要點(diǎn)幫忙弄好所有依賴的東西，然后我能自己弄剩下的。
我給新的微控制器寫的第一個(gè)“hello world”程序一般就是讓一個(gè) LED 燈閃。這能讓我試試能不能編譯上傳代碼到設(shè)備里，引腳設(shè)置對(duì)不對(duì)，基本上知道我在干啥。所以，我就直接讓弄個(gè)閃的程序。（再說一遍：網(wǎng)上有這個(gè)嗎？幾乎肯定有。但那樣我就得去找。）我有了這個(gè)代碼能運(yùn)行了，從這我就知道后面咋弄了。我知道 python 咋工作（信不信由你！）。所以，我能從這接著改東西，把特殊的 Micro Python 的東西弄好。
我碰到別的要專門處理的問題，我能再讓模型幫我。比如說，我接著就讓模型給我寫個(gè)連 wifi 的腳本。
4、簡化代碼
我是個(gè)安全研究員，經(jīng)常得處理別人的研究項(xiàng)目，里面好幾千行代碼，我得弄明白咋工作才能攻擊。這聽著不難，要是每個(gè)人都寫清楚的代碼，確實(shí)不難，但現(xiàn)實(shí)不是這樣。研究人員一般沒動(dòng)力發(fā)清楚的代碼。所以，經(jīng)常發(fā)出來的都是亂亂的代碼能湊合用就行。（我自己也這樣。）
我不能給你舉跟研究有關(guān)的例子，但我能給你說我正在弄的一個(gè)個(gè)人項(xiàng)目的例子。聽說我對(duì)康威的生命游戲特別著迷。最近，我想找個(gè)快的辦法，用 Python 評(píng)估一些生命游戲的模式。有個(gè) C++的工具叫 golly 能做這個(gè)，但我不想把我的 Python 代碼改成 C++的。
golly 有個(gè)命令行工具正好我能用——我要做的就是簡化那個(gè)支持 50 種不同命令行選項(xiàng)的 C++代碼，讓它只做我想要的。所以我把 500 行的 C++代碼給大型語言模型，讓它給我個(gè)更短的文件做一樣的事。
你知道嗎？這可太管用了。然后，我讓它給我個(gè)圍繞 C++代碼的 Python 封裝器。也管用。這是那種讓人頭疼的任務(wù)，要是我自己弄，可能永遠(yuǎn)弄不完。但現(xiàn)在我能讓別人幫我弄，我得到的東西比我原來的 Python 代碼快 100 倍。
我發(fā)現(xiàn)我經(jīng)常這么干。這還有個(gè)例子，我用 Python 也這么干。
再說一遍，這些任務(wù)不復(fù)雜。但每次這么干，我都能省好多時(shí)間。這就是我覺得大型語言模型現(xiàn)在厲害的原因之一：它們的用處可能不咋好看，也不會(huì)因?yàn)檎f“這是我用大型語言模型簡化日常工作的普通辦法”就被網(wǎng)上夸，但這是真的有用。
5、處理無聊的任務(wù)
我好多要做的任務(wù)都特別無聊，不用想太多，但又必須做。
其實(shí)，我發(fā)現(xiàn)我拖著不做任務(wù)，經(jīng)常是因?yàn)槲抑雷鲞@些會(huì)無聊會(huì)難受。大型語言模型大大減輕了這種難受，讓我知道做任務(wù)的時(shí)候只要解決好玩的問題就行。所以，我一個(gè)一個(gè)給你說說我讓大型語言模型幫忙解決的特別普通的問題。
比如說，最近我得把一個(gè)用 Python 3.9 寫的程序拆開。大部分 Python 反編譯器只支持到 Python 3.7，在我這個(gè) 3.9 的上用不了。
反編譯其實(shí)不難，主要是弄對(duì)控制流程別出錯(cuò)。所以，我沒自己花時(shí)間把幾千個(gè)操作碼和幾百行代碼弄好，讓大型語言模型幫我弄了。它干得特別好！比我想的好多了。這有三個(gè)交流，我讓模型幫我干了這個(gè)。另一個(gè)例子是，我要把一些沒結(jié)構(gòu)的數(shù)據(jù)弄成有結(jié)構(gòu)的格式。比如說，我做一個(gè)項(xiàng)目，要列一些書名和作者名。我在網(wǎng)上找了些沒結(jié)構(gòu)的格式的數(shù)據(jù)，讓大型語言模型幫我弄好格式。最近，我寫一篇博客說怎么破解一個(gè)保護(hù)，想展示我改的代碼的全部差別。所以我把差別和以前怎么把差別弄成 HTML 的例子貼上，讓大型語言模型按以前的格式給我弄差別。另外，我工作的時(shí)候經(jīng)常要給我用的資源弄引用。谷歌學(xué)術(shù)引用論文很容易，我能直接復(fù)制粘貼。但引用網(wǎng)頁就有點(diǎn)麻煩；我最近開始讓大型語言模型給我弄引用（確保這是正確的！）我可以繼續(xù)舉出至少一百個(gè)類似的例子。但我想你已經(jīng)明白了我的意思。
我完全明白這種任務(wù)可能會(huì)讓人覺得“就這？”但我們要記住，五年前這些模型幾乎不能連貫地寫出一個(gè)段落，更別說為你解決整個(gè)問題了。
6、讓每個(gè)用戶都變成“高級(jí)用戶”
要是你看過不太會(huì)用某個(gè)工具的人用，可能會(huì)有點(diǎn)難受。他們可能花好幾分鐘甚至幾小時(shí)去做一個(gè)本來用個(gè)宏或者同時(shí)用幾個(gè)程序就能自動(dòng)完成的任務(wù)。可是，學(xué)這些操作技巧要花時(shí)間，還很難。比如說，我最近想寫個(gè) Python 程序處理蘋果 Lisa 鍵盤的輸入。我在網(wǎng)上找到一個(gè)人用 C 語言寫的相關(guān)代碼，里面好多像#define KEYNAME key_code 這樣的語句，我想把它們變成一個(gè) Python 字典，把整數(shù)代碼對(duì)應(yīng)到字符串。我是個(gè) Emacs 用戶。我知道在 Emacs 里咋解決，這對(duì)我不難。這是我剛記下來的關(guān)鍵操作：C-h C-s #def [enter] M-f [delete] C-d M-f C-[space] M-f C-w C-a C-y : " M-f ", C-g C-] } C-[ { 雖說這對(duì)我很自然，可到現(xiàn)在，我在 Emacs 上花了大半輩子才這么熟練，熟練到這都成自然反應(yīng)了。但你知道現(xiàn)在我把大型語言模型連到編輯器里，我會(huì)咋做不？C-h C-h 請(qǐng)把這些 #define 重寫成{keycode: string,...}的字典格式。然后，文本就在我眼前重寫好了！就是在這種情況下，我覺得大型語言模型對(duì)不是專家的人的潛在用處甚至比專家還大。這個(gè)模型給每個(gè)人都提高了起點(diǎn)，要是你以前完全不會(huì)，現(xiàn)在突然能做很多事。
7、當(dāng)作 API 參考
真正的程序員想搞懂某個(gè)工具咋工作會(huì)去讀參考手冊(cè)。但我比較懶，我更想直接得到答案。所以現(xiàn)在我就問大型語言模型。我給別人展示這些例子的時(shí)候，有人會(huì)有點(diǎn)防備，說：“大型語言模型沒做啥你用別的工具做不了的事！”你知道不？他們說得對(duì)。但是，用搜索引擎能做的事，用實(shí)體書講這個(gè)主題的也能做；用實(shí)體書能做的事，讀源代碼也能做。不過，每一種都比前一種簡單。事情越簡單，你就做得越頻繁，做法也不一樣。這就是我問“哪個(gè)$命令可以傳遞所有剩余參數(shù)”然后得到答案的例子。（緊接著是另一個(gè)“我該咋用這個(gè)東西”的問題！）這其實(shí)是我用大型語言模型最常用的辦法之一。我沒法給你展示更多這樣的例子，是因?yàn)槲以?Emacs 和我的 shell 里都內(nèi)置了問大型語言模型的工具。所以，我想做這些事 90%的時(shí)候，都不用離開我的編輯器。