Guest · 8 张署名卡

Chip Huyen

署名于 AI 与新工作方式

现在人人都能用 AI 从零构建东西（网站、代码、设计），但很多人反而陷入"不知道要做什么"的"idea crisis"——公司办 hackathon、鼓励员工提想法，结果发现大部分人想不出要做什么。

面对层出不穷的新技术/新协议（例如她举的例子：MCP vs Agent-to-Agent 协议该选哪个），怎么快速判断值不值得花时间纠结、要不要现在就采用。

回应"AI 产品到底需不需要做 eval，还是靠 vibe check 就够了"这个业内常见争论；帮团队判断该把有限的工程精力投在打磨已有功能的 eval 上，还是投在做新功能上。

回答"AI 把编码自动化之后，工程师/学计算机的人到底还要学什么、什么技能不会被替代"这个问题。

对于像 deep research 这类多步骤 agentic 产品（搜索 → 聚合 → 再搜索 → 生成摘要），没有一个单一端到端指标能衡量好坏，该怎么设计 eval 体系。

诊断团队/个人在构建 AI 产品时，精力有没有花在真正影响结果的事情上；她这张对比表在 LinkedIn 广泛传播，因为戳中了大量团队"很忙但没进展"的痛点。

AI 编程工具对不同资历工程师的实际提效效果是否一致；企业该不该、以及怎么因此调整工程组织结构。

RAG（检索增强生成）应用效果不好时，该往哪里投入精力提升——她的核心主张是：多数公司 RAG 效果的最大瓶颈来自数据准备，而不是向量数据库选型。

框架、方法、洞察本身属于 Chip Huyen。卡片是用中文重新组织的转述，仅保留少量带署名的短引述。关于与出处 →