昨晚熬夜到凌晨 3 点，把我今年即将出版的书《从零开发企业级 Go 应用》重新打磨了一遍。这本书，我花了很多精力打磨，全书的逻辑、内容、文字打磨了不下 7 遍。
书中的实战项目 miniblog（github.com/onexstack/m… miniblog 中的绝大多数变量命名方式，背后都可能经过反复推敲，使其更加简洁、易懂、易展现。
本文来分享下我在使用 AI 工具写书、开发 miniblog 项目过程中的一些真实感受。
写作书稿内容时的感受
在书稿第一版写好后，出版社编辑当时提醒我可以试试用 ChatGPT 之类的工具来润色下。因为自己日常工作，也有用 GPT 之类的工具，也了解 GPT 工具对日常工作、编程的帮助。
所以，书稿第一版出来后，书中的不少表述，我都用 AI 类工具润色了一遍，而且有些时候，会尝试用不同的 LLM 去润色。
这里来分享下，在写书及打磨书稿过程中对 GPT 写作的一些感受：
- AI 工具润色带来的优点：
- AI 工具润色的语句，在细节上有优势，并且有时候可以帮助补充一些遗漏的点；
- AI 工具润色出来的语句，没有错别字，表述风格也能保持一致。
- AI 工具润色的缺点：
-
因为幻觉问题，AI 工具润色出来的语句，可能有一半的语句跟我实际想表达的意思有偏差、不准确；
-
AI 还不能从更上层的视角去规划设计整个知识体系和结构，导致润色出来的语句，逻辑断层、不准确；
-
AI 润色出来的语句格式多半如下，个人感觉如果通篇都是这种格式，会显得很机械、缺乏灵魂、缺乏共鸣：
-
AI 工具润色出来的文章表述“官味”十足，并且有很多润色出来的语句，乍一看，板板整整，有模有样。但细致阅读，会发现语句缺乏逻辑，甚至不通顺；
-
去年年底，我重新打磨了一遍书稿，去除了很多 AI 润色的语句，核心原因如下：
- 确保书中的语句表述符合我想表达的意思，确保这些语句逻辑通顺、表述正确；
- 去除机械感和“官味”，重新加入作者的人性化表述和思考，给全书注入作者的灵魂。用人的视角去写书，而非用机器的视角去写书。
上述 2 个原因，每一个都是重新打磨，优化或修正 AI 语句的核心原因。日常，在我阅读一篇文章或者一本书的时候，很多时候，我很希望能够听到来自作者自己的思考和见解，无关对错。因为人总是希望知道另一个人是怎么思考、选择或行动的，因为很多时候，同类才有参考意义。我也希望我的书能呈现出我的风格和思维。
我目前正在写一本新书。这本书，其中有很小一部分，可能会让 AI 协助润色，但是主体我会用自己的语言来写作。因为我想让我的书呈现出我的思维和写作风格，另外，我也不想再花费时间，去打磨 AI 润色的语句。
开发 miniblog 项目时的感受
《从零开发企业级 Go 应用》这本书通过介绍一个高质量的实战项目 miniblog 的开发过程，来介绍如何开发 Go 应用。
在开发 miniblog 项目时，里面的很多地方也借助了 AI 工具。整体感觉是，AI 工具在编程上的帮助会比写作时的帮助更大、更有参考和使用价值。
以下是开发过程中，整体的使用感觉：
- AI 项目理解能力偏弱： AI 当前还不能很好的理解整个项目，也无法系统化的给出整个项目的设计和实现；
- AI 设计能力偏弱： 当前 AI 还不能很好的从更上层视角去设计软件架构、功能实现方式等。在使用 AI 的过程中，AI 会给出一些设计和实现方法，但这些设计和实现方式很多是网上现有的实现，在我看来，并不是最优解。所谓的最优解，应该是基于现在，进一步升华，AI 当前缺乏思考、升华能力；
- AI 生成代码偏低中阶： 在我看来 AI 能够给出一些不错的代码实现，但在使用过程中，发现很多实现属于初级、中级阶段的实现方式，如果想达到更高级的实现方法，需要一个有经验的人进一步引导 AI 如何去实现。
- AI 是一个好的执行者： 在使用 AI 的过程中， 感觉 AI 是一个很好的执行者。只要你能把你的设计友好的表达给 AI，它便可以很快的生成需要的代码，而且生成的代码很规范、细节考虑到位。但是，在生成的过程中，需要你不断引导 AI 以生成预期的代码（相当于你是一个代码架构师）。当然了，最大的好处是，你不用去一行一行的撸代码了，大大提高了开发效率；
- AI 有自己擅长的领域： 在使用 AI 的过程中，发现有些领域 AI 能带来极大的帮助，例如：单元测试用例生成、代码注释生成、代码优化（AI 给出的不少优化，都有参考价值）、具体的搬砖任务。
总结下借助 AI 编程的感受：AI 是一个好的执行者，但不是一个好的设计者。AI 具备设计能力，但设计能力偏向于初级、中级阶段，对于一些高阶的设计，甚至创意性的设计，AI 目前能力还很弱，不能满足需求。
如果再让我写一个 Go 实战项目，我的选择如下：
- 做好一个设计者： 我会扮演好一个设计者的角色，从项目维度，结合自己的开发经验等 Token 数非常大的上下文（我脑海中的 Token 数，远超当前 AI 的 Token 阈值），去设计整个项目的架构、开发方式及具体功能设计；
- 做好一个指挥官： 根据自己的设计、思考，编写优秀的 Prompt 去让 AI 执行。核心点就是，AI 写出来的代码（风格、实现方式、逻辑等）是我想让它写的，只是我自己懒得写而已；
- 做好一个学习者： 在开发过程中， 也会尝试让 AI 优化代码，参考 AI 生成代码中的好的实现、命名方式等。
人能做到，而 AI 做不到的
上面介绍了 AI 的能力。这里再介绍下由人主导编写的《从零开发企业级 Go 应用》课程，相较于 AI 有什么更突出的地方。核心点如下：
- 课程内容体系化： AI 当前还不能系统化的给出整个项目的设计及实现。本书基于我过去的 Go 项目开发、架构经验，非常系统的介绍了 Go 项目的设计和实现方式，包括项目开发中的各个阶段，例如：设计阶段、开发阶段、测试阶段、部署阶段等；
- 课程架构更优：AI 当前可以给出一些小范围的架构设计，但这些架构设计偏初、中级，在我看来并不是最优解。本书基于对其他 Go 项目的设计和实现，基于个人的思考，设计了一个更优的架构和实现方式；
- 课程实现更优： AI 给出的代码实现可以满足初级或者中级的代码实现要求，但本书，期望给出一种更高级的设计和实现，所以其中的实现基本都是基于个人经验、思考来设计和实现的；
- 课程说的是人话： 现在网上充斥了大量的 AI 生成内容，看起来很机械，缺少了一些人的灵魂在里面。在我学习过程中，很多时候，我期望能够看到一个作者自己的思考，而无关对错。如果你想知道一个一线 Go 开发者的思考和实现，那么可以认真学习本书。
一些其他恐怖发现
最后，再来分享下，我写「如何开发企业级 LLMOPS 平台」这节课过程中，网上调研过程中发现的一些很恐怖的事情。
-
百度搜索：搜索，「如何开发企业级智能体平台」，搜索结果我发现很多是广告和 AI 生产类文章，例如：
-
谷歌搜索：谷歌搜索出来的结果很多能符合预期，并且广告也没那么多。
这些搜索结果，一方面，让我对 AI 软文产生一种呕吐的感觉，另一方面也让我担心未来某平台的文章会不会被这些缺乏深度思考、一件生成的 AI 引流文章所充斥。
如何提前学习这本书
《从零开发企业级 Go 应用》这本书中的课程，目前已经在我的知识星球按计划更新：
