AI 辅助开发与博客重构随想
记录忙碌生活中的博客近况，以及使用 AI 辅助开发、从 Typecho 迁移到 Astro 后的思考与感受。
本文的部分内容经过 AI 辅助修饰和整理，文中的想法与感受均来自于博主自己的记录。如有错漏之处，欢迎在下方评论区留言指正。感谢你的阅读，也谢谢你的建议。
前言
不知不觉间，这一年又快要过去了。回头想想，时间似乎总是在忙忙碌碌中悄悄溜走，快得让人有些措手不及。最近不是忙于工作中的琐事，就是被生活上的烦心事牵着走，等到终于想起该更新博客的时候，才发现这里已经安静了很久。
有时候下班回到家，明明想着要写点东西，打开电脑之后却不知道该从哪里开始。脑子里零零散散地攒了不少想法，可真要整理成一篇文章，又觉得还差一点耐心和状态。时间久了，博客就这样安静了下来。
不过我并没有忘记这里。偶尔点开网站看看，还是会忍不住想改改页面、调整一下排版，或者把以前没处理好的细节重新收拾一遍。相比一口气增加很多新功能，我现在更在意阅读文章的时候舒不舒服、页面是否看起来协调，以及内容能不能更自然地呈现出来。
从图灵测试到 AI Agent
如果把人工智能的发展放在一条时间线上，就会发现今天的热潮并非突然出现。1950 年，艾伦·图灵在论文《计算机器与智能》中提出“机器能思考吗”的问题，并讨论了后来广为人知的模仿游戏。1955 年，约翰·麦卡锡等人在达特茅斯研究计划提案中使用了“人工智能”一词；次年举行的达特茅斯研讨会，也常被视为 AI 学科的起点。
早期研究逐渐形成了两条主要路线：一条是通过人为编写知识和规则来模拟智能的符号主义，另一条是让机器从数据中学习的连接主义。前者推动了专家系统的发展，后者则为神经网络和今天的深度学习埋下了种子。但当时的算法、数据和算力都很有限，过高的期待无法兑现，AI 也先后经历了两次低谷。
转折来自算法、数据和算力的共同进步。反向传播让神经网络能够更有效地学习，ImageNet 等大规模数据集提供了丰富的训练材料，GPU 并行计算则显著提升了训练速度。2012 年，AlexNet在 ImageNet 竞赛中的表现让深度学习重新进入大众视野；AlphaGo 在围棋领域的突破，以及 2017 年提出的 Transformer 架构，又为现代大语言模型的发展奠定了基础。
图二来源：《AI 简史：从 1950 到 2026，科学界的人类群星闪耀时》
ChatGPT 于 2022 年 11 月 30 日发布后，生成式 AI 很快从研究领域走进日常生活。AI 不再只处理文字，也开始理解和生成图像、音频与视频。与此同时，各类 AI Agent 不断出现，AI 逐渐从“回答问题”走向“理解目标、拆解任务、调用工具并参与完成工作”。过去以年甚至十年计算的变化，如今似乎正在被压缩到几个月之内。
这段历史让我意识到，AI 的每一次突破都不是凭空发生的，而是长期积累的结果。未来的 AI 或许会拥有更强的空间理解和具身能力，进一步与现实世界交互，但它究竟应该走向哪里，仍然离不开人的选择与约束。
AI 辅助开发的体验
这段时间，我开始使用 AI 辅助开发。它确实能省下不少查找资料和重复修改的时间，尤其是在思路比较混乱的时候，可以先帮我梳理出一个大致方向。有些原本要折腾很久的问题，现在能够更快找到可能的解决办法。
不过说到底，我接触 AI 的时间并不算长，许多功能和使用方式都还没有琢磨透。有时知道它或许能帮上忙，却不知道该怎样把问题表达清楚；有时得到一个看似可行的答案，也需要反复尝试，才能判断它是否真的适合当前需求。对我来说，这仍然是一个边使用、边学习，也边调整思路的过程。
随着使用次数慢慢增加，我越发觉得 AI 更像是一个协助者，而不是能够完全代替自己做决定的人。它生成的代码不一定适合现有项目，写出的内容也未必符合我真正想表达的意思。最终还是要由自己去阅读、修改和验证，判断哪些值得留下，哪些只是表面上看起来不错。
就像我之前在《AI Agent 来了，真的不需要学编程了吗？》中提到的，AI 生成的代码有时看起来没有问题，实际却可能藏着逻辑漏洞、性能问题，甚至带来安全风险。它擅长快速完成局部任务，却未必能够把握整个项目的设计和长期维护需求。真正让它参与开发之后，我对这一点也有了更直接的体会。
如果只把学习过程作一个比喻，AI 有些像仍在成长的孩子：孩子需要通过学习和经历积累认识，AI 的能力也离不开大量数据训练、人的反馈和持续的技术改进。不过，模型并不具备孩子那样的经历与理解，也不会在每次对话后自行成长。我们可以期待技术继续进步，同时也应清楚认识它当下的能力边界。
技术发展得越快，越需要冷静分辨 AI 真正能够做到什么。它可以带来更高的效率和更多可能性，却不会因为进步迅速就自动变得可靠，也不能取代人的理解、判断与责任。
我在那篇文章的结尾写过一句话：
AI 是你的副驾驶，而不是飞行员。
现在再回头看，我依然认同这个比喻。我更愿意把 AI 当作一个可以随时交流想法的伙伴，让它提供思路、补充遗漏，也帮助我从另一个角度看待问题；但前进的方向、最终的选择以及相应的责任，始终应该掌握在自己手中。
学会使用 AI，不只是学会怎样向它提问，更重要的是保持思考、认真验证，并在它给出的答案中加入自己的理解。只有这样，AI 带来的才不只是更快的速度，也能真正成为帮助自己学习和成长的工具。
从 Typecho 到 Astro
这也让我想起之前写过的《从 Typecho 迁移到 Astro：我的静态博客重构记》。当时我在文章里这样总结这次迁移：
从 Typecho 到 Astro，本质上是把博客从“一个需要养着的系统”变成了“一组能放进 Git 的文件”。
现在回头看，这种变化带来的不只是更快的访问速度，也改变了我维护博客的方式。文章变成 Markdown 文件以后，我可以直接在熟悉的编辑器里写作和修改，再通过 Git 留下每一次变化。过去需要进入后台才能完成的事情，如今更像是在慢慢整理一本属于自己的电子笔记。
当然，静态博客也不意味着从此不需要维护。框架升级、内容整理、页面适配和样式调整，仍然会带来新的问题。就像那篇文章里记录的迁移过程一样，从内容导出到主题重建，每一步都需要耐心。只是比起维护服务器和数据库，我更喜欢现在这种能够看清每个文件、也能掌握每次修改的感觉。
这次重新整理博客也是如此。页面上的一处间距、一段文字的表达，甚至一个标题放在哪里，单独看都只是很小的问题，可这些细节凑在一起，就决定了整个网站给人的感觉。修改的过程有点琐碎，但看到它一点点接近自己喜欢的样子，心里还是挺满足的。
结语
这次借助 AI 重新整理博客，让我更直观地感受到辅助工具带来的便利，也让我重新审视了从 Typecho 迁移到 Astro 之后的写作与维护方式。AI 可以帮我梳理思路、修改代码和完善表达，但博客最终呈现怎样的内容与模样，仍然需要自己判断和打磨。往后即使工作与生活依然忙碌，我也希望按照自己的节奏继续记录，让这个博客在一次次修改中慢慢完善，同时留下自己学习、使用和理解新技术的过程。
评论