拼团等更加广义的普惠

不知不觉，从2016年1月2日学Python时我写第一篇csdn博客已经过去整整8个年头，我的博客也刚刚突破百万级别的访问量。

不必考虑先有鸡还是先有蛋，大胆创作更优质更有深度的内容，与这个世界分享你的知识和见识吧。

百度的查询结果来前几位自知乎，从知乎帖子里面我看到多位答主推荐一本《笨办法学Python》(适合非计算机背景，不适合科班)，号称是Python的最佳入门书籍，于是我就靠着这本舶来品进入了Python的世界。

（关于大模型的基本原理我有一篇比较详细的博客：大模型基础知识 - 语言模型及其演进 公开版）

因而是先有了内容，再有了大模型，如果没有人类生成内容，则不会产生大模型，如果人类停止生产内容，那么大模型的知识则不会得到更新。

我个人认为互联网的核心精神有3个：创新、彼时程序员圈子流行的梗还是“PHP世界上最好的语言”，但Python和Ruby的当时的讨论度确实很高。豆包给出了如下答复，精准且全面地回答了我的问题，而且贴心的给出了一小段代码示例。但是像如今这么好的效果，一方面是海量数据超大参数规模的大模型，确实比那会的Bert更加强大，一方面则是由于RAG（检索增强生成）技术，使得模型能够以输入上下文的形式获取最新最准确最全面的信息，结合自身的语义能力，生成如上一节例子那般准确全面的回复内容。如果没有新内容产生，也不会有更强的大模型或者未来更新的AI技术造福我们的社会。只是AI的出现，让我们可以从低价值的内容生产中解放出来，去生产更高价值的内容。

我的观点是创作是一件十分必要的事情，如果只有消费者，没有生产者，那么技术一样不会向前进步。

https://www.doubao.com/thread/wef2f6a9b7d197c26

百度自己也在原有的检索结果列表之上添加了大模型回答，结果列表依然是和2016年一样的CSDN博客。粗浅的概念解释、

从查博客到问模型

最近在开发内部智能平台时，为赶工期mentor拉了一个正儿八经的前端研发帮我加速，前端组老大表示临近年底，大家都很忙，我亲自来帮你们吧。在练习书中的程序时，有时候遇到问题，书中讲的并不是很详细，再度百度，查询结果来自CSDN，我经常靠着来自几篇不同博客拼凑起来的信息将问题解决，完成练习程序的编写。拼团等更加广义的普惠。老师所言，自然激起了我的好奇心，于是就在网上百度Python的相关信息。

乐观看待变化

我对AI的发展持比较乐观的态度，任何社会的发展都是落后的生产力被先进的生产力淘汰，大模型对知识创作的冲击也是如此。

我们不如就把粗浅内容的赛道让给模型，投入深度内容的创作中，这其实也就是社会进步的过程。全英文博客等等应用仅有。AI由于跟互联网有着一脉相承的关系，也应该继承这些核心价值，为全人类创造一个更美好的未来。你会发现一个现象，也是我对博客的一个基本认知：越是粗浅的内容，访问量越大，越是比较有深度的内容，访问量越小。

这也符合常理，一个领域刚入门的新人体量肯定比专家大，大部分人的需求就是粗浅的内容，少部分专家才需要更有深度的内容。感谢之余，我在事后认真看了一下大佬的代码，因为是比较简单的react项目，所以和工程原有的代码总体大差不差，唯一的一个明显差别是大佬的方法上全都包了一层UseCallBack。作为一名工作内容主要围绕大模型能力的开发者，特此写一篇纪念文章，谈谈AI时代，大模型和博客等严重依赖人来编写的知识类内容创作的关系，以及目前大模型应用对知识创作的冲击和影响，也欢迎各位读者在评论区谈谈你的看法。专门撰写的博客、拼车、

AI从不生产内容，AI只是内容的搬运工 / 复读机

使用模型回答知识类问题，在AI领域不是新鲜事，我硕士实习那会做得就是KBQA（Knowledge-Based Question Answering）。

这对于博主而言，看上去不是好事情，高ROI的粗浅内容创作，马上就要被AI取代了，越来越多的人会转向问大模型，而不是通过搜索引擎查到博客，再一个一个看下去。

于是我打开字节的大模型应用豆包PC端，问她“React的UseCallBack有什么作用，适用场景为？”。分享、

加之，文本类大模型本身训练的时候就是靠着从互联网上获取到的大量文本信息（当然也包括博客）完成的，使用时通过预测下一个token来生成回复。