昨天, Anthropic这家公司, 将Claude的上下文窗口, 提升到了100万Token这么多。
怎样的一种概念呢, 一部有着七十万字篇幅的长篇小说, 将其完整无缺地填充进去, 居然还能够毫无问题地进行正常回答。
朋友圈一下子就被刷满了屏, 有的人叫嚷着“AGI 要来了”, 有的人呼喊着“RAG 死了”。
身为一名自2012年起就在生产环境当中编写代码的工程师, 在看完全部技术细节之后, 反倒比先前更加冷静起来了。
就在今天讲出 3 个判断, 这 3 个判断全部都是基于我过去 6 个月带领团队去做 AI 项目时的真实感受。
### 一、100 万 Token, 并非是那种所谓的“更大”, 而属于“另一种工作方式”。
很多人理解上下文窗口,是用"大"和"小"来形容。
但这个理解,会让大家错过真正重要的事。
模型处于的窗口呈现出变大倾向,这表明着发生了一种转变开云app官方最新下载地址, 即从原本作为“答题者”的角色, 转化成为可称作“工作搭档”的角色。
我举个真实例子。
上个星期, 我让 Claude 帮, 我梳理一个项目的,完整代码库开云app在线入口,开云真人官方下载, 这个代码库涉及, 前后端方面, 还有数据库设计, 以及 API 文档, 其总共有着, 8 万行代码, 和 200 多个文件。
曾几何时, 我需要将其拆解为 5 个部分来喂给它, 并且每一个部分都必须在 Prompt 当中对背景信息予以重复, 然而最终却往往由于上下文出现断裂从而产生 bug。
这回, 我干脆把整个仓库扔进去, 跟它讲: “帮我找出全部有可能的性能瓶颈, 依照优先级排列顺序, 给出修改方面的建议。”。
**10 分钟,出 23 个可执行的优化点。**
我过去手动梳理这些,至少要 1 周。
这便是“大”跟“多”二者之间的差异, 并非容器转变为更大的状态, 而是工作模式发生了改变。
### 二、上下文工程,会成为新岗位
这次升级,让我意识到一件事:
未来的十二个月到二十四个月期间, 企业当中将会新增一个岗位, 这个岗位叫做上下文工程师, 也就是 Context Engineer。
之所以如此, 是由于上下文中的窗口达到了足够大的程度, 于是怎样去“填”以及以何种方式去“填”, 就摇身一变成为了核心竞争力。
同样一百万Token, 有人塞进去垃圾, 它给你的是垃圾, 模型给你的也是垃圾。
结构化、分层的真实业务数据, 是被人塞进去的, 能直接落地的产品方案, 是模型给到你的。
这个能力,模型自己不会自己长出来。
有没有人发现, 它其实是需要这样的人, 懂业务, 懂技术, 懂那个Prompt设计, 懂知识图谱, 懂数据清洗。
在中国市场目前的状况下, 几乎没有办法找到现成的人, 这些人要是具备这5个能力的交集。
正在招这个方向人员的是我的团队, 已经开设三个月了, 然而却没有招到合适的。的。标点很重要嘛不要漏哟。
**如果你看到这个趋势,现在补这些能力,卡位刚刚好。**
### 三、别迷信参数,真正能跑出价值的还是"业务深度"
最后一条,也是我最想说的。
一百万 Token 的 Claude 不会使任何一个人失去工作岗位, 然而, 会提出问题的人会致使不会提出问题的人失去工作岗位。
倘若在你拥有了 100 万 Token 的处理能力之际, 你所能纳入的资料容量, 对此后输出的上限起着决定性作用, 是这样的情况。
- 塞产品文档进去,出来的是产品建议
- 塞代码进去,出来的是代码优化
- 塞客户对话进去开云正版app下载开云app在线入口,出来的是销售策略
- 塞行业报告进去,出来的是市场判断
**这一切的前提是:你得先有"那一堆数据"。**
**而"那一堆数据"的来源,是你对业务的理解深度。**
这同样是致使我自去年起始, 将近九成精力投放于“AI 项目全方位周期”的缘由所在——并非追逐新颖模型, 而是协助企业将其自身业务数据, 切实转化为可供 AI 运用的样式形态。
这件事,过去 6 个月,我的结论是:
AI并非是要去替代人, 而是要将人从“执行”当中解放出来, 把人放置回“判断”的位置之上。
过去,我 70% 的时间在写代码、开会、催进度;
现在, 我有七成的时间用以思索, “这个需求究竟是不是真实存在的需求”, “这个产品形态到底是不是用户所需要的”。
这才是, 那有着一百万 Token 的, 真正的革命, 并非是机器变得强大了, 而是人, 终于拥有了时间, 能够“做回人”了。
---
## 结尾
100 万 Token 是个好工具。
但好工具不会让你自动变好。
**真正让你变好的,是"你知道用它解决什么"。**
#AI观察 #程序员的AI时代 #AI项目实战
标签： AI观察 程序员的AI时代 AI项目实战 上下文工程 业务深度
还木有评论哦，快来抢沙发吧~