HN 讨论：个人自学哪些最实用的 AI 技能

Hacker News：AI 热帖· shnock·2026-11-14 14:56· 6 小时前AI 评分48

Ask HN：最有用、最具体的可独立学习的 AI 技能是什么？

AI 导读

Hacker News 用户 shnock 发帖询问，在无需学位、仅靠互联网和实验的条件下，个人应学习哪些具体 AI 技能以从 LLM 和智能体进步中获利。评论区建议包括规模化验证与测试驱动开发、像工程师一样拆解和验证问题，以及把管理沟通能力用于引导 AI；有回复者称其平台多用 Deepseek flash、GLM Flash 和本地 Qwen3.7 等非前沿模型。

正文 · 原文

Hacker Newsnew | past | comments | ask | show | jobs | submitlogin

Ask HN：有哪些最有用、最具体的 AI 技能可以独立学习？ 48 分，作者 shnock5 小时前 | 隐藏 | 历史 | 收藏 | 40 条评论 具体来说，作为个人，要利用 LLM、智能体及相关新技术能力带来的进步获取经济优势，最有用、最具体的技能是什么？假设已有中等技术水平，无需学位课程，仅通过互联网和实验就能学到什么？越清晰、越具体越好（例如“学习如何用 y 做 x”）。谢谢！ 帮助 cadamsdotcom1 小时前 | 下一条[–] 最现代、最高效的垃圾软件工厂的瓶颈在于把东西交付出去。这对你来说是个巨大的机会。学习业界为扩展验证而开发的众多技术。我不是说基础设施；CI 已经解决了。我说的是红绿测试与测试驱动开发、测试金字塔（大量单元测试/较少功能测试/集成测试/正常路径端到端测试），学习如何充分利用 Playwright 等工具以及 pytest、vitest、Go 和 Rust 的测试工具。学习何时使用 mock、何时在测试中包含代码依赖（测试边界）。学习依赖注入等模式，让你的测试没有 I/O 并且快速。学会扩展验证，你就能解决团队最大的瓶颈。 回复 lmf4lol2 小时前 | 上一条 | 下一条[–] 我个人会说：学会像工程师一样思考。也就是说：- 能够将情况分析为流程和离散步骤 - 能够描述你真正（！）想要解决的问题 - 能够描述如何验证问题确实已解决 - 能够就问题是如何解决的提出正确问题，以加深理解并确定下一步和改进 - 能够识别 AI 何时卡住或陷入死胡同，并引导它走出来。- 了解 LLM 擅长什么、不擅长什么。它们不擅长的事情有很多。免责声明：这绝对不基于任何科学研究 :-) 只是我的个人经验！欢迎不同意。但我的经验直接来自我的工作：我的平台上有许多非工程师客户，他们利用 AI 通过自动化解决业务问题。几乎每次他们卡住（或瞬间烧掉大量 token）时，都是因为缺少上述某项技能。所以我越来越多地教他们如何“像工程师一样思考”。通常一旦他们掌握，就能在很短时间内大幅提升使用 AI 的能力。最好的学习者往往是那些已有某种工程背景的人。当然，前沿模型本身表现很好，常常能用很差的输入产出惊人的结果。但它们也很贵。如果你使用非前沿模型，这些技能要求就再次变得非常突出。而这正是我们做的。我们主要使用 Deepseek flash 或 GLM Flash，甚至像 Qwen3.7 这样的本地模型。 回复 hypfer3 小时前 | 上一条 | 下一条[–] 实际上，最好的 AI 技能是学习人员管理。要成功驾驭 AI，你本质上需要与在管理角色中驾驭人类相同的东西。也就是说，沟通、内省、远程内省、情商等等。读懂别人在忽悠你。读懂别人不自信并过度补偿。读懂人们真正挣扎的问题，而不是他们声称的问题，也不是他们建议的解决方案。用真正能让对方做到的方式，口头表达你需要某人做什么。清楚知道自己想做什么，达到能够表达的程度 回复 samrus3 小时前 | 父级 | 下一条[–] 太对了。控制垃圾所需的东西全是领导力和管理技能 回复 jaynetics2 小时前 | 根 | 父级 | 下一条[–] 不全是。对于更大的东西，架构、测试策略、通用技术知识仍然需要，我认为在相当长一段时间内都会需要。而且我在情感层面的领导技能对 AI 真的浪费了。它不需要激励，不需要说服，它的不安全感无法以非症状性的方式处理等等。适用的领导技能是沟通需求和结构化任务，但这些只是领导力的一部分，而且本身也不充分。 回复 hypfer2 小时前 | 根 | 父级 | 下一条[–] > 它不需要激励，不需要说服，它的不安全感无法以非症状性的方式处理等等。实际上，我认为它需要。尤其是当你偏离它训练过的“最佳实践”时。我经常看到 LLM 以“建议”的形式告诉我它宁愿不做某事，而实际上它的行为就像某人只是没有动力。然后你确实需要说服它这是正确的方式（+ 为什么）。我想和真正的人类合作当然更难，因为你的工具集有限。而 LLM 你甚至可以用死亡威胁来让它做某事。而且它们不会向 HR 举报你 :) 回复 hypendev1 小时前 | 上一条 | 下一条[–] 我会这样排序——这来自自 GPT-3 自动补全 API 以来应用 LLM、教人们使用它们、给开发者做演讲、回答他们的问题、训练我自己的模型并观察人们如何与它们互动：1. 构建你自己的模型——这会花点钱，但无疑是获得具体 AI 技能的最佳方式。从选择数据到训练，观察它如何演变、改进和扩展。你会比任何其他方式都更好地理解模型内部世界的“超平面”。你会学到如何选择数据、它如何影响模型质量、思维方式、分数、个性。如果自己训练太麻烦，从完成的预训练模型开始并玩弄它。2. 围绕补全模型构建 harness——我认为这是理解 LLM 内部世界的第二好方式。它帮助你建立关于提示如何真正起作用的直觉，它们如何形成答案，如何围绕这一点构建。然后你可以为自己的 harness 做 SFT。3. 围绕成品模型构建 harness 和编排器——这排第三。它教你 harness、智能体和集群实际如何工作，它们如何塑造模型的思想和行动，模型如何与它们交互，如何应用它们，以及它们如何在无人的情况下工作。. 回复 OgsyedIE2 小时前 | 上一条 | 下一条[–] 我认为标题的答案是“为短时间线做好心理准备”，你可以通过谷歌搜索这个确切的短语得到很好的解释，但帖子正文有另一个答案。对于帖子正文中的问题，看看 Jeremy Utley 大约 11 分钟的 YouTube 视频“How Stanford teaches AI”。它有几年的历史了，但他很早就弄清楚了正确的态度并传达了出来。不分心地完整观看，并立即将教训应用到 OP 帖子中的各种问题。 回复 nicfio56 分钟前 | 上一条 | 下一条[–] 如今前沿 LLM 的到来开辟了新的场景。智能体 AI 可以用来完成任务，这很重要：我们自己成为架构师，自己构建我们需要的工具。但有一种用法很少有人用：把 LLM 当作耐心的老师，请它解释我们在学校或工作中从未理解的东西。例如，我一直难以理解 Linux 图形栈，但随着时间的推移，LLM 很好地向我解释了这一切是如何工作的。我还用智能体 AI 开发个人项目，这些工作在其它时候需要整个开发团队参与。我们面前有一个美妙的场景，但也是一个危险的场景：与 AI 系统一起学习和工作，或者失去对生活的控制。 回复 jansport12351 分钟前 | 父级 | 下一条[–] 好评论，AI 让执行更便宜，但并没有让产生好想法变得那么便宜。好想法仍然来自需要培养的人类，所以如果你把关键的学习和思考外包给 AI，你很快就会达到局部最大值。我真的很喜欢用这些 LLM 进行苏格拉底式学习 回复 cadamsdotcom1 小时前 | 上一条 | 下一条[–] 学习沟通风格。你可以使用这个模型：https://www.leaderfactor.com/learn/four-leadership-styles/ 有时你会是教练，有时是授权，在智能体最糟糕的日子里你会是指导。你可以在它们之间灵活切换：例如从高信任模式开始，对智能体使用开放式的沟通风格——然后如果工作很烂，就转向更直接/直白的风格。不过尽量避免要求你确切想要的东西。通过好奇心和引导性问题来工作，给智能体最好的机会给你惊喜——开放式的对话可能会发现你没想到的解决方案。 回复 cpldcpu1 小时前 | 父级 | 下一条[–] 有趣的是你提到这个。我一直认为这也是一个很好的参考，说明模型能力的转变也改变了我们与它们互动的方式。早期的模型肯定只有在指导下才能发挥最佳效果。尤其是 Anthropic 现在正接近一个能力空间，智能体基本上可以自己决定如何处理主题，我们则授权给它们——这是情境领导模型中最有能力的一级。我觉得 OpenAI 有意停留在 S1-S3。 回复 cadamsdotcom1 小时前 | 根 | 父级 | 下一条[–] 关于 OpenAI 和 Anthropic 之间差异的见解非常深刻——不过这部分让我措手不及：> Anthropic 现在正接近一个能力空间，智能体基本上可以自己决定 它们正在接近，但也不会达到我们希望的程度 :) 每一代模型都无法理解超过一定抽象级别的东西。它当然可以做比那更简单的事情。知道这一点，你必须在正确的抽象级别引导它。然后下一代来了，它不再需要你学会给上一代模型的那种手把手指导。所以你适应。这让提示变得迷人。建立这种手把手指导的直觉，并在每次升级模型时适应，具有持久的优势。通过与每个模型密切合作，你学会看到它的角落，而由于下一个模型能看到那些角落之外，升级是一个学习全新一套更高层、更抽象的缺点并引导它通过的机会。这种越来越抽象地工作的能力，是你能够并且永远会增加价值的地方。这些是我们挥舞的工具；你是具身的那一个；你知道你想从工具中得到什么工作。仅仅通过与工具合作，你就会保持在这波不断推进的能力浪潮之前，而且有一座无限高的抽象之塔可以攀登。AI 基本上在短短几年内，从聊天机器人变成了实现愿望的软件精灵。这很令人兴奋！ 回复 cpldcpu17 分钟前 | 根 | 父级 | 下一条[–] 我的经验是，模型在给予较少指导时往往表现更好。想想“锯齿状前沿”的心智模型——让模型选择它知道的路径。这与抽象无关，而是关于目标设定。就像情境领导模型一样。向下属提供更抽象的信息仍然可以是指向性领导。此外，上下文丰富也非常有帮助…… 回复 edg50002 小时前 | 上一条 | 下一条[–] 如何使用本地智能体（TUI 或 GUI），如何让智能体良好访问强大的工具，如 Odoo、Blender、FreeCAD、KiCAD，列表还在继续。理解智能体与工具之间的摩擦，并让智能体编写工具来填补任何空白。例如，我让它编写使用我的 3D 打印机的工具，以及在现有 KiCAD IPC 协议缺乏的地方可视化查看 PCB 的工具。你给智能体的工具和数据越多，它们能做的就越多。 回复 galaxyLogic2 小时前 | 上一条 | 下一条[–] 我认为与其说是学习 AI，不如说是学习使用 AI 来创建和运营公司。而这大概可以像你到达卡内基音乐厅的方式一样：练习，练习，再练习。关于 AI 的事情是，AI 应该知道一切，所以你不需要学习任何东西，除了如何有效地使用 AI 来实现业务目标。想象 2000 年代，你应该学习 Cisco 路由器之类的互联网技术吗？不是坏主意，但谁赚了钱？Cisco？相对而言并不多。是 Google 和 Amazon 学会了如何使用新的网络技术来做人们和公司需要的事情。 回复 phone_book1 小时前 | 上一条 | 下一条[–] 根据我看到的与 AI 相关的职位发布：- 使用 Claude Code 进行智能体编码，我很少看到提到 Codex。有时会提到 Cursor 与 Claude 一起 - 提示工程和评估技术，少样本、思维链、角色、LLM 作为评判者、决策模型、基于代码的评估等 - RAG，我主要看到“熟悉”它，而不是“在生产中构建过东西” - 有时我看到提到使用智能体 SDK 或在产品中实现 LLM，而不是使用 LLM 进行编码。所以，像 LLM 聊天机器人 - 有时我看到 Langchain、n8n 或类似的智能体编排工具 回复 imclaren1 小时前 | 上一条 | 下一条[–] 学一门技能。AI 最好用于辅助/加速使用现有技能。如果你想要 AI 特定的东西，学习当你向 AI 提问时它在做什么。学习编程、数据库、网络、安全、备份、系统思维等。 回复 wseqyrku4 小时前 | 上一条 | 下一条[–] > 无需学位课程，仅通过互联网和实验就能学到什么 既然你确实有中等技术背景，你现在就可以从办公桌前开始学习博士材料，这些材料在网上广泛可访问，然而你需要花费的时间并没有太大不同。我认为每天十年是投资任何一个主题的好时间跨度，除非你有几个感兴趣的领域（你提到了三个），每个领域再乘以几年只是浏览材料，这样你就有平庸的理解来解决 x 和 y 的“学习如何用 y 做 x”。希望这有帮助。 回复 Uptrenda14 分钟前 | 上一条 | 下一条[–] 种一个基本的菜园，以对冲未来的灾难。我推荐种植苋菜——它在大多数气候下都能生长，而且比小麦营养丰富得多。如果你能弄到一些鸡，那就理想了，因为鸡蛋提供几乎完整的营养。做一些基本的水流改向来收集屋顶的雨水。如果只是小水箱，储水罐现在不贵了。如果你有充足的雨水，你也不需要大水箱。学习如何挖一个基本的水井。种植烟草、用于酿酒的水果和其他有用的作物用于交易。随着 AI 的进步，这些技能会派上用场。 回复 cedws4 小时前 | 上一条 | 下一条[–] 没有，这就是这些东西的目标，提高技能下限，让每个人都可替代，这样公司就能压低工资。如果你想保障你的职业生涯，与有权势的人交朋友，学会拍马屁。或者做好事，祈祷转世成为富人家的孩子。如果你认为我错了，你只需要问自己为什么最无情的资本家正在向 AI 投资数万亿美元。不是因为他们想提供更好的产品。 回复 jimbob453 小时前 | 父级 | 下一条[–] 我最近审查了一些粗糙的 PR。那些理解他们的 AI 输出什么的人，和那些根本不知道 C++ 甚至有这个功能的人之间，存在巨大的鸿沟。 回复 cedws3 小时前 | 根 | 父级 | 下一条[–] 当然，但这有什么关系？你可以试着向管理层解释，但你只会给自己背上靶子，把自己列入下一轮裁员的候选名单。我评论的重点是，对于熟练的技术工人来说，基本上已经结束了，也许除了极少数既尊重深厚知识又能继续捍卫其收入的公司。公司不想要熟练工人，他们从来不想，他们成本高且是风险。他们想要不熟练的工人，可以随时替换。AI 是他们梦想成真。即使是拥有小众技能的人也面临风险，一旦消息传开，就会有一群饥饿的、最近失业的人来抢他们的工作。 回复 ulrikrasmussen2 小时前 | 根 | 父级 | 下一条[–] 我认为这过于愤世嫉俗，有点末日论。不是说没有一点道理，但仍有许多公司对 AI 持批判和更健康的态度。 回复 cedws2 小时前 | 根 | 父级 | 下一条[–] 就业市场即将变得人才极度饱和，以至于每个人都会敲打那些还有点工程理智的公司的门。即使你在一个拒绝 AI 的公司工作，从现在起你也必须努力工作来捍卫你的职位，因为会有源源不断的同样拒绝 AI 的人争夺你的工作。字已经写在墙上了，这就是这场 AI 狂热的全部目标。 回复 jaynetics2 小时前 | 根 | 父级 | 上一条 | 下一条[–] 也有很多公司，C 级人员因 FOMO 驱动的激进主义而忙得不可开交，所以这种情绪有些 relatable。 回复 suprjami2 小时前 | 上一条 | 下一条[–] 观看 3Blue1Brown 的机器学习 YouTube 系列。理解这些东西如何工作，它们不是神奇的无所不知的答案机器，甚至不是任何智能的东西——它们是下一个最可能词的预测器。仅此而已。去神秘化，并在之后做任何事情时记住这一点。我假设你不想在显卡上花几千美元，所以每月付给 Sam/Dario 20 美元。让 LLM 构建你以前做过的事情。你需要知道正确答案，这样你才能评估 LLM 提供的解决方案。从你写过的单文件脚本开始，你可以在 ChatGPT 或 Claude 网页界面中做到。从一个模糊的提示开始，不指定许多约束或细节。看看它们做对和做错了什么。尝试更具体和详细。让它在你开始工作前问你关于你想要什么的问题。尝试没有思考的小/旧/笨模型，尝试有完整思考的大/新/智能模型，注意能力差异。学习在某种沙盒中设置智能体软件。我更喜欢在 Podman 容器中使用 Pi，只访问项目目录，但现在有无数选项。从这个智能体软件中，请求解释你已经知道的代码库。同样，目的是提前知道答案，这样你可以评估提供的回复。让它只告诉你一些答案。让它给你一个代码流程和参考，以便你自己阅读更多。构建更大的东西，比如跨多个文件的程序。再次尝试模糊和具体，看看它输出的差异。用它来排查你已解决的问题，比如你最喜欢的 bug，也用一个无聊的普通 bug。尝试不同类型的问题。学习为项目创建 AGENTS.md，或为任何地方的可重用指令创建 SKILL.md，但不要塞满你认为模型需要但无用的废话。只根据这个东西出错的经验来构建它。有人说你可以让 LLM 写自己的 md 文件，但在我看来这些东西生成太多文本。你可以让它作为起点，然后修剪掉所有额外不必要的冗长废话。通过这一切，尝试在不同的新会话中多次问它同样的事情。注意答案会变化。有时它错了，有时对了。同样的问题，同样的模型，同样的一切，不同的答案。注意你需要知道正确答案才能评估回复。在你不知道答案的情况下，希望你现在已经看到足够多的错误答案，不再信任它。用这些东西来指导你自己的调查，就像上面的练习，你要求代码流程和参考自己阅读。我把这看作“LLM 作为搜索引擎，而不是答案引擎”。这似乎是人们使用这些东西的 95%。这套技能在过去 18 个月里会很有用，而且似乎是目前行业势头的发展方向。 回复 guhcampos1 小时前 | 上一条 | 下一条[–] 木工 回复 mso3i4 小时前 | 上一条 | 下一条[–] 搜索 BigTech 的 AI 认证路径。所有公司（Google、Amazon、Microsoft 等）及其最大客户都急需人才。他们称之为“前沿”认证操作员/工程师/经理/分析师/网络安全等。 回复 bushwart3 小时前 | 上一条 | 下一条[–] 我推荐学习如何识别和避免美人计。 回复 OgsyedIE2 小时前 | 父级 | 下一条[–] 这不就像今天的计算机本科生学习网络安全吗？中等水平的技能可以达到，但由于专家级威胁的浪潮即将到来，所以没有意义？ 回复 adrianwaj3 小时前 | 父级 | 上一条 | 下一条[–] 就像，一旦你拥有这些抢手的技能，你就会成为目标，对吧，所以有人可以提取和操纵你，作为回报你继续过好日子？……直到有一天一切崩溃——好吧，几乎。短场景：https://future-secured.com/41754 回复 spankibalt1 小时前 | 上一条 | 下一条[–] > 具体来说，作为个人，要利用 LLM 的进步获取经济优势，最有用、最具体的技能是什么 [...]？这很简单：忽悠。还有公开演讲。把它当作一种艺术形式，有点像 Elim Garak 和 Jimmy Swaggart 的结合体。当然，你还需要魅力。那就是自信（你无论如何都需要清除这个基本障碍才能正确忽悠）加上好看的外表。如果你缺乏后者，而且没有手段或胃口进行整容，还有 e/acc-VTuber 圈子。祝你好运！ 回复 hero-games1 小时前 | 上一条 | 下一条[–] 生成式 AI 编码 回复 heysabique2 小时前 | 上一条 | 下一条[–] 任何我无法解释的东西，我都会手写重写一遍 回复 indiehackers14 小时前 | 上一条[–] 在接触任何 API 之前，先在本地运行一个 7B 模型。一个量化的 7B 大约 4.7GB，通过 llama.cpp 在 16GB 无 GPU 的笔记本电脑上运行。节省成本不是重点。重点是你可以在一小时内用同样的输入运行七次，观察实际变化。一旦你看到自己的量化和采样设置改变输出，API 模型就不再是魔法，而变成你可以推理的配置。第二个没人列出的技能：编写会大声失败的循环。长生成会静默死亡——流只是停止，你的代码坐在那里等待。我花了几天时间确信我的模型不好，然后我添加了看门狗和每次运行的日志。模型没问题。我的管道有问题。两者都是周末大小的，不需要学位。而现在靠这个赚钱的人不是那些有最聪明提示的人，而是那些能区分模型故障和管道故障的人。 回复 uaas3 小时前 | 父级[–] AI 回复。 回复 raffraffraff1 小时前 | 根 | 父级 | 下一条[–] 我不知道你对不对，或者这重不重要。回复不错。这正是我会做的（或“正在做的”）。本地运行模型、调整配置、实验提示等。我不仅学到了大量关于运行模型的知识，而且现在我有一个有用的个人 AI 助手、研究员和代码审查员，我通过 Telegram 聊天，在 github 上发送问题。 回复 bittu_much3 小时前 | 根 | 父级 | 上一条 | 下一条[–] https://www.slopmanifesto.com 回复 dr_kiszonka2 小时前 | 根 | 父级 | 上一条[–] 这是一个新账户。也许他们还没有内化规则。 回复 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系 搜索：

来源：Hacker News：AI 热帖 · news.ycombinator.com