Ich möchte einige meiner jüngsten Arbeitserfahrungen teilen. Steve Jobs erwähnte in seiner Rede "Stay hungry, Stay foolish" ein Konzept: Connecting Dots. AI ist der beste Helfer, um dir beim Connecting Dots zu helfen, ein großartiger Lehrer, der Wissen verknüpft. Blockchain ist ein sehr komplexes System, das fast alle Systemmodule der Informatik umfasst, von verteilten Algorithmen, P2P-Kommunikation, Kodierungs- und Verschlüsselungsalgorithmen, Memory Pools, bis hin zu VM und Programmiersprachen-Design, zur Ausführung von Transaktionen und Parallelität, und schließlich zum zugrunde liegenden KV Store. Es ist sehr schwierig, die vollständige Systemstruktur zu verstehen. In den Jahren 2021-2022 habe ich viel Energie darauf verwendet, durch das Lesen der ETH-Dokumentation, des Geth-Quellcodes, das Ausführen von Knoten und das Debuggen mit Breakpoints, die grundlegende Logik der ETH-Ausführungsebene zu verstehen. Ich weiß, dass Transaktionen aus dem Memory Pool in Blöcke gepackt werden, aber ich musste zuerst die verschiedenen syntaktischen Zucker der Programmiersprache Go lernen, um verschiedene Optimierungen und Tests zu umgehen, Kompatibilitätscode, Kodierungs- und Dekodierungslogik zu verstehen und die richtigen Kernfunktionen zu finden, was schwierig ist. Selbst mit einem Informatik-Hintergrund muss man viele Dinge aus der Dokumentation nach und nach lernen, was viel Zeit in Anspruch nimmt. Die CS-Universitätsausbildung (hauptsächlich durch Selbststudium) hat mir einige sehr fragmentarische Rahmen und allgemeine Kenntnisse beigebracht. Zum Beispiel weiß ich, was Netzwerkübertragungsprotokolle sind, und ich weiß, dass ich mit Tools wie WireShark Pakete erfassen kann. Aber ich kann nicht so wie ein Netzwerkspezialist verschiedene Tools beherrschen und durch Muskelgedächtnis versteckte Hinweise entdecken. Mit AI hat sich die Situation erheblich verändert. Eine kürzliche Aufgabe hat bewiesen, dass AI dir helfen kann, schnell von 0 auf 7 zu kommen, indem sie die Phase des Lernens der Tool-Nutzung umgeht und dir direkt zuverlässige Schlussfolgerungen mitteilt. Ich muss nicht die grundlegenden Funktionen von WireShark lernen, sondern kann durch AI erfahren, auf welche Datenpakete ich achten sollte und welche Informationen diese Pakete enthalten. So habe ich schnell eine Arbeit in einem zuvor unbekannten, nur vom Hörensagen bekannten Nischenbereich abgeschlossen. Wenn man AI gut nutzt, kann man die Geschwindigkeit von Research-Arbeiten um das Hundertfache steigern. Forscher haben strukturierte Konzepte im Kopf, und AI kann diese Dots schnell miteinander verbinden. Ich denke, das alles hat gerade erst begonnen, und die zukünftige Wachstumsrate wird noch schneller sein. Jetzt ist eine gute Zeit, um Prompts/Agenten/Fähigkeiten zu sammeln. Ein gut genutztes AI-Team kann seine Konkurrenten um das Zehn- oder Hundertfache übertreffen.