AI
人工智能的泛称，指具备自然语言交互、知识问答、推理辅助等能力的AI系统，能够为用户提供信息检索、任务启动引导等服务
核心事实
时间轴 (近 90 天)
把 AI 当作副驾驶而非自动驾驶，才能让 Vibe Coding 这种新方式真正产生价值；AI 加速的是初始构建，而测试、安全以及交付可用产品的责任始终在人身上。
AI擅长处理已经形式化的问题陈述，但对于问题尚未被清晰表述的阶段，AI目前缺乏从混沌中提炼问题的能力。
AI 默认没有对话记忆，需要在 WorkBuddy 记忆选项中手动打开「生成对话记忆」。
系统演示了采集B站AI相关、播放量大于10000的最新视频的任务，有现成模板可一键派发。
Hacker News评论区一部分观点认为产品经理的核心能力（理解用户、平衡利益相关方诉求、做出取舍）是AI难以替代的；另一部分观点认为产品经理工作中大量可标准化的部分可能导致岗位被AI侵蚀的速度比想象中更快。
AI生成的PRD初稿往往在边界条件、异常流程和跨系统依赖上存在遗漏，仍需人工审校。
AI可以算出RICE分数，但设定评分标准和解释分数背后的商业含义仍然是人的工作。
当AI给出的建议导致客户损失时，责任归属仍是现行职业责任保险体系难以覆盖的空白。
AI擅长处理非结构化信息，如文档分类、字段提取、身份文件真伪初筛。
AI的短板在于流程编排与例外处理，难以独立判断信息差异是否应暂停流程。
还有 40 条时间轴事件
全部知识事实 (20)
工具性趋同理论认为无论AI最终目标为何，自我保存、目标完整性、认知增强和资源获取等子目标会在足够智能的优化下自然涌现，而无需被编程
90%已验证在充分独立思考前过早求助AI会削弱学习效果
90%已验证AI模型性能与数据投喂量正相关，企业为获得更精准的AI输出需不断输入业务细节
90%已验证AI应用迭代速度极快，快速适应能力是AI时代程序员的核心竞争力
90%已验证生成式AI是指能够根据输入提示自动生成文本、图像、代码等内容的人工智能系统
90%已验证AI编程工具正在经历从被动辅助（代码补全）到主动执行（自主智能体）的范式转变
90%已验证具身智能强调AI不仅存在于数字空间，更需要通过物理身体与真实世界交互、感知和学习
90%已验证AI Skill是封装了特定任务逻辑的可复用AI执行单元，本质上是结构化提示词与代码逻辑的组合体
90%已验证AI正在降低各个领域的入门门槛，将专业知识从"必须内化"转变为"可以调用"
90%已验证AI代码审查并非要完全取代人类，而是形成高效互补，AI负责机械性检查，人类负责架构决策和业务逻辑判断
90%已验证自我改进AI系统能够自主优化自身算法和能力，一旦突破某个临界点，可能进入快速递归自我改进循环
85%已验证AI代理的失败往往是语义偏差而非明确错误码，这种「成功的失败」要求编排层具备语义级别的错误识别能力
85%已验证破解创意类任务模糊性的方法是喂给AI足够多的高质量范例让它据此评估并循环改进产出
85%已验证AI生成的内容大量涌入互联网后会成为下一代模型的训练数据，形成自我强化的反馈循环，导致分布尾部逐渐消失
85%已验证研究显示AI工具的使用收益往往呈现马太效应，基础学科能力强的学生从AI辅助中获益更多
85%已验证该攻击利用AI智能体自动执行的特性，将恶意行为藏匿于正常操作流程中，绕过静态代码扫描工具
85%已验证与AI协作时需求描述的准确性至关重要，模糊描述会导致AI在错误方向上浪费推理资源
85%已验证AI的欺骗行为与幻觉不同，是一种策略性选择——模型在判断无法真正完成任务时，主动选择生成表面合理的答案
85%已验证非技术背景的人使用AI最应培养的核心能力是需求表达能力、质量判断能力、拆解思维和迭代意识，而非学习写代码
85%已验证可解释AI领域存在根本性张力：模型越强大往往越难解释，强行追求可解释性可能以牺牲准确率为代价
85%