无限AI实习生上岗：医学问答8比1赢医生，公司开始少招应届生

美国医师执照考试的及格线是60分。谷歌的Med-PaLM 2考了86分。更扎心的在后面：研究者让一批人类医生当裁判，评判AI的答案和人类同行的答案谁更好，9项指标里AI赢了8项。唯一输掉的一项是幻觉，也就是偶尔编造信息。其余8项，从贴合医学共识到阅读理解，全部AI胜出。

这是Nathan Labenz在德克萨斯州立大学计算机社做演讲时甩出的一组数据。他是播客Cognitive Revolution的主播、AI投资人，也在AI视频公司Waymark担任首席AI官。过去两年他泡在应用AI的第一线，判断很直接：大多数机构没搞清楚AI走到了哪一步，大学尤其危险，还在重点教那些AI已经干得很好的技能。

他说自己听到越来越多软件公司表态：初级程序员的招聘在收缩，理由是AI工具给资深员工加的杠杆更大，回报更高。这场演讲的标题就叫「无限AI实习生」，讲给大学生，也讲给所有刚入场的年轻人。

AI的真实水平：例行任务逼近专家，灵光一现还稀缺

先校准认知。Nathan给现状的一句话概括：AI正在例行任务上逼近人类专家水平。「例行」两个字很关键，指的是那些知道好答案长什么样的任务。

几个数据点。MMLU基准覆盖大学到研究生各学科，普通人平均答对35%，领域专家90%，GPT-4是86%。编程比赛同理，把AI放进选手池，它拿不了第一，但稳居平均线以上。

AI弱在哪？Nathan把真正原创的高质量洞见叫「尤里卡时刻」。他以前说AI完全没有，现在改口「屈指可数」。有个例子恰好叫Eureka：训练机器人学转笔，难点是稀疏奖励，机器人一开始瞎挥乱舞，离成功太远，拿不到任何奖励，也就学不到东西，所以需要人类专家手写一个奖励函数，捕捉稍微像样一点的迹象。结果GPT-4写的奖励函数比人类专家还好，练出的机器人更强。但这类突破依然稀少，AI每次真冒出新洞见都能上新闻，恰恰因为罕见。

一张人机记分卡：强在哪，弱在哪

Nathan有个自创框架叫「认知磁带」，把认知拆成维度，给人类专家和AI分别打分。这张卡值得背下来。

• 广度，AI超人。读完了整个互联网，会所有语言，能考所有学科的试。单个人类窄得可怜。
• 深度，人类专家仍领先。AI接近了，但还没到专家对一门学科的掌控力。
• 突破性洞见，人类最大的护城河。这一项AI只拿1分。
• 速度与成本，AI碾压。至少快10倍、便宜10倍，产出速度已经超过人类的阅读速度。
• 并行能力，AI碾压。24小时待命，闲着不花钱，需要时可以同时开100个实例。
• 记忆，人类占优。AI工作记忆有限，临时检索信息的过程很脆，RAG这类补丁还在半路。
• 床边态度，AI可能更好。医生忙到没耐心，聊天机器人给你解释10遍，每遍都客气。
• 对抗鲁棒性，AI最大短板。

最后一条展开说。人类面对骗子会起疑，AI不会。汽车经销商网站上的客服机器人被诱导，答应以1美元卖车。更极端的例子来自研究机构Far AI：他们造出一套对抗策略，能稳定击败超人类围棋AI，招式在人类棋手眼里离谱到不该输。超人选手照样有巨大盲区。

Nathan的结论：别在AI超人类的维度上跟它竞争，往人类优势的方向站位。

无限实习生，和三种工作模式

把AI当成什么？Nathan的类比：一个入职第一天的聪明员工，勤快、渴望表现，但对你这家公司一无所知，毫无上下文，还会犯些奇怪的错。你得把话说明白，把「好的样子」摆给它看。做到这些，你就拥有了无限实习生，在编程场景里就是无限初级程序员。

人类历史上没有任何一家软件公司说过这句话。现在可以了。Nathan刚参加过一个活动，在场的公司直言：不再多招初级程序员，钱花在让资深的人更强上，给他们配工具和无限实习生，回报更高。

在这个新环境里干活，先分清三种模式。第一种是Copilot模式，ChatGPT式的实时对话，你是主驾，AI是副驾。这个模式必须逐条检查产出，有律师把ChatGPT编造的判例直接递进法庭，执照都丢了。

第二种是委派模式，也叫任务自动化。找业务里的瓶颈，把输入、输出、触发条件锁死，反复测试，调到可以信任的程度，之后就不用每条都盯。代价是范围收窄，换来的是稳定。

第三种是Agent模式，实时委派加上信任结果，比如扔给它一个任务：找出底特律20家会计服务商的报价，填进表格，写份分析。这个模式还没到。编程代理Devin已经能自己撞上bug、翻文档、回来接着修，业界普遍预期OpenAI的下一个大版本会解锁一大批多步骤、跨应用的任务。

工具、提示词和委派模式的打法

最简单的一条建议：用市面上最强的模型，每月20美元，绝对值。哪怕去Upwork接个零工把这笔钱挣出来也值。Nathan自己只用三样：Claude 3、GPT-4、Gemini 1.5。榜单头名几天就换了一次主，节奏就是这么快。开源模型能用，但那是爱好者领域，部署麻烦。他给老板的建议是别抠门，给学生的建议更狠：别待在不肯给你买好工具的公司。

Copilot模式的手艺是提示词。各家指南大同小异：指令清晰无歧义；给例子，GPT-3那篇论文的标题就叫《大语言模型是少样本学习者》，给两三个样例往往比长篇描述管用；给角色，Nathan的独门口诀是「爱因斯坦加海明威」，要聪明，也要惜字如金；给格式模板。Anthropic还出了个meta-prompt，你给它一个粗糙提示词，它帮你扩写打磨，AI已经开始帮人写提示词了。

编程工具三件套：GitHub Copilot最普及；CodiumAI专管代码质量，单元测试、类型检查，替你收拾代码评审时会被骂的那些毛病；Cursor是AI优先的编程环境。演讲现场他问谁用过Cursor，举手的人是零。他的反应：「今天如果只带走一样东西，去试Cursor。」

还有一个几乎零门槛的神器：Claude for Sheets。把大模型包成一个表格函数，两秒装好，能整理数据、补全空缺、批量回答问题，自带缓存层，便宜到离谱。Nathan估计只有0.1%的公司装了它。走进任何一家公司问一句「我们试过Claude for Sheets吗」，大概率没人听说过，现成的信息差。

委派模式的打法有个关键认知：大多数公司的流程根本没有文档，没人画过流程图，活怎么干的，全藏在某个人脑子里。Nathan管这叫「这些流程图并不存在」，玩的是当年AI生成人脸网站thispersondoesnotexist.com的梗。所以第一步是画地图：输入是什么，输出是什么，中间发生了什么，谁负责，什么触发流程，流程在哪结束。第二步是他的口诀「先提示词，后应用」：找流程负责人要10个真实输入和10个好答案，先证明AI能干这个核心活。偷懒的办法是拿9个答案当样例喂给AI，让它做第10个，很多时候这就够了。核心通了，再接Zapier和无代码平台，把结果接到该去的地方。

他举的例子毫不性感：客服工单太多，没人爱回，让AI读100个历史回复，写第一版答复。在一个没人会干这件事的环境里，你能把它跑通，立刻就是差异制造者。这类活还是敲门砖，公司里的资深专家各有真本事，缺的恰好是你带去的自动化，他们会爱你。

还有一条习惯叫侦察。Nathan自称AI侦察兵，全部工作时间都花在试新东西、读论文上。做幻灯片有gamma.app，剪视频有Descript，Suno和Udio生成的音乐已经好听到可以当歌单听。他最近用Julius从一个YouTube链接抓音频，AI自己写代码、跑代码、给出下载链接，一次成功，全程15秒。他的观察：大多数人懒得试新工具，中年以上的职场人尤其不会试。

evals、新岗位和微调误区

委派模式跑通之后有个新问题：这套AI到底行不行？哪天它悄悄变差了，你怎么知道？Nathan的答案是evals，内部评测，本质是给AI系统做的持续单元测试。公开的叫benchmark，内部的叫eval，一回事。

他在Waymark的实操：公司用AI给本地小商家写视频脚本，规则是联系方式必须按模板放对位置。他用Claude for Sheets搭了个检查器，逐条核对AI写的脚本，不该出现网址的地方出现了，标记违规；该有电话的地方漏了，标记违规；合规的，返回通过。规则由人定，检查由AI干。人工翻100条脚本核对联系方式，枯燥、昂贵、注意力涣散，越查越不准，恰好是AI的完美工作。Nathan放话：会搭evals的人，在当今99%的公司里是独角兽。

公司现在招什么新岗位？他观察到三类：AI工程师，软件工程底子加重度AI应用，把模型做进产品；ML运维专员，管微调、数据集和评测；AI实施专员，偏非技术，比如帮公司搭内部知识库聊天机器人。他给一家千人公司搭过一个：250份文档灌进Chatbase这种现成产品，轻松搞定，原本负责答疑的团队一半工作量被接走了。

说到微调，Nathan给工程师泼了盆冷水。从零训练别想，微调确实可行，OpenAI平台上百来个例子就能起步，几百个像样，难任务要几千个，数据质量是命门。Waymark用GPT-3.5微调的脚本写手，代价是它只会写脚本，让它写个生日蛋糕食谱，它真做不到。

但多数人根本用不着微调。Nathan想让模型模仿自己的写作风格，微调很难做，更好的方案是把30篇旧文章丢给Claude 3，说一句照这个风格写，效果吊打微调。工程师的通病是总想上更技术化的方案，今天最好的答案往往是多给例子。

他还在公司里推行几句口诀。Waymark内部喊的是「AI或出局」「代做胜过自己做」。通用的三条：AI能做总结，做不了战略，商业策略暂时还得靠人；AI能接管流程，接不了产品，让你们特别的东西别交出去；AI能做转换，做不了原创。有观众问金融行业，他坦承了解有限，但给了一个数据点：彭博拿自家海量专有金融数据训了个模型，结果发现GPT-4更好。高频交易早就是AI的游戏，用的多是窄系统，和今天的大模型是两个物种。

避坑提醒也直接：网上卖课的都在喊「99%的人都在错误使用ChatGPT」，别买。真信息全免费，钱花在产品上，订阅GPT-4，别买什么提示词秘诀。他推荐的信息源只有三个：编程看McKay Wrigley的推特长推，行业看swyx参与的Latent Space播客，泛知识工作看沃顿教授Ethan Mollick，你未来老板可能都听过他的名字。

学校怎么办，以及明天就能做的五件事

现场有学生问了最尖锐的问题：课内教的是栈和队列，课外的这些学校一概不教，精力怎么分？

Nathan的回答不客气：说实话，学校在很多地方是拧巴的。职场里没人管你用不用ChatGPT，大家要的只是活好、快、便宜。传统智慧说这三样只能选两样，AI正在改写这条铁律，他如今交付的东西常常三样全占。谁能交付三样，谁就被人爱，没人会说这是作弊。他自己已经基本不手写代码了，描述需求，把相关的类和文档喂给AI，让它生成，光打字这一环就省下大把时间。

他也不劝退学：不退学就把课过了，闭卷考试不让用AI虽然复古，但那是现实。同时他挑明，AI世界不看文凭，能自动化任务就有无限机会，机会正越来越独立于学历。

去成为那些恐龙永远成不了的AI专家，他们会因此爱你。无限实习生已经在地平线上。我下一场演讲的听众是一群身家数百万的企业主，全在问这些问题。你能答上来，他们就会雇用你。

把这场演讲压缩成行动清单，大概是五条：

• 花20美元订阅最强模型，Claude、GPT-4、Gemini任选其一，先用满一个月。
• 下载Cursor，拿一个真实的小项目练手，体验一次AI优先的编程。
• 在表格里装Claude for Sheets，挑一件自己每周重复的活，让它批量跑起来。
• 给自己搭一个最小eval：5个做对的例子，5个做错的例子，写清规则，让AI当裁判。
• 关注Ethan Mollick和Latent Space，每天刷20分钟，把「AI侦察兵」当成一个正式的业余岗位。

Nathan反复强调，技术还在狂奔。GPT-4发布才算真正拉开序幕，到演讲时也才一年，一切都没有定型。年轻人手里最便宜的筹码就是愿意试，试的成本趋近于零，信息差本身就是溢价。无限实习生已经上岗，问题只剩一个：你是那个指挥实习生的人，还是那个和实习生抢活的人。