🔧 阿川の電商水電行
我最近在CloudNexus 活動上做了演講，這是AWS 雲端俱樂部 QAU舉辦的一場專注於雲端運算技術和人工智慧的活動。演講很簡短，內容也比較樸實，主要圍繞在智能體人工智慧以及學生目前如何使用人工智慧工具。
讓我感到驚訝的不是問題本身，而是學生對自己「正確使用人工智慧」的自信程度。事實上，他們中的大多數人並沒有正確使用。
我讓他們用 ChatGPT 產生程式碼。
在討論中，許多學生坦言他們使用 ChatGPT 主要是為了產生程式碼，而不是為了理解或學習概念，只是為了快速獲得程式碼。
說實話，我不會怪他們這樣做。速度確實很快，感覺效率也很高。但問題也正是在這裡，在除錯、實際專案，甚至基本的系統設計討論或面試中，問題就開始顯現出來了。
問題不在於人工智慧本身，而是我們如何使用它。
我在演講中試圖解釋的一件事很簡單：
並非所有人工智慧工具都適合做同樣的事情。 ChatGPT 很棒，我也在用。但它在以下情況下更能發揮優勢：
-
理解概念
-
分解概念
-
撰寫或組織內容
-
問「為什麼」的問題
當你嘗試將其用作主要編碼引擎時，你會忽略上下文，而上下文在實際開發中非常重要。
程式碼工具的存在是有原因的
我們簡單討論了一下 Cursor、Amazon Q 等工具。這些工具直接在你的程式碼庫內部執行，它們能夠理解檔案、引用和結構，因此對開發工作來說更加實用。
不是因為它們是“更聰明的人工智慧”，而是因為它們是為開發者而設計的。
亞馬遜Q的定位
由於這是一場以 AWS 為主題的活動，我也談到了Amazon Q。我個人覺得 Amazon Q 最有趣的地方在於它並非遊離於你的工作流程之外。它能幫助你在 AWS 環境中有效運作，而雲端工程師正是在這些環境中花費時間。它並非讓你隨意提問，而是讓你專注：
-
雲端感知指導
-
最佳實踐
-
注重安全的建議
當你不再局限於教程內容時，這種差異就非常重要了。
用簡單術語解釋智能體人工智慧
為了簡單起見，我將人工智慧分為三個階段來解釋：
-
聊天機器人：你問，它答
-
副駕駛：它了解你的脈絡
-
代理：你設定目標，它就能找出步驟
智能體人工智慧與其說是提供提示，不如說是進行任務分配。這個理念非常受學生的歡迎。
為什麼雲在這裡變得不可避免
我強調的一點是，基於代理的系統並非孤立運作。它們需要基礎設施、規模和安全性。
正是在這一點上， AWS Bedrock等平台開始變得有意義，它們不僅僅是流行語，而是能夠幫助建立在現實世界中實際執行的 AI 系統的推動者。
我真正希望學生能記得的是
如果用一句話來概括這次演講，那就是：人工智慧應該可以幫助你成長，而不是取代你的思維。
-
使用 ChatGPT 進行學習。
-
使用編碼助手進行建構。
-
利用雲端人工智慧實現規模化發展。
當您準備實現結果自動化時，可以使用代理程式。
最後想說的
在 CloudNexus 的演講讓我意識到，學生需要的不是更多的工具，而是更好的指導，讓他們知道如何使用現有的資源。我在網路上看過這樣一句話：
人工智慧不會消失。但那些了解如何以及為何使用人工智慧的工程師，將始終脫穎而出。
這是我最近演講的LinkedIn貼文：
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式
