《AIGC从入门到实战》读书笔记：判断会不会被替代，看容错率而非技术含量
阅读方式：微信读书网页版，从版权页翻到附录，共 330 屏、8 章、6 分 59 秒。 八章覆盖：AIGC 为什么爆发 → ChatGPT 是什么 → 怎么用 → Midjourney → 数字人 → 职场新范式 → 行业落地 → 如何应对。
这是一本"广度型"入门书：8 章 86 节，从 Transformer 讲到 MetaHuman，从提示词讲到电商人货场。覆盖面很广，深度一般。
但它有一个小节，我认为价值超过了整本书剩下的部分。
一、3.5.2 节：用容错率看职业风险
这一节标题叫"根据容错率来确定职业路径"，藏在第 3 章末尾，位置非常不起眼。但它给了三个具体的判断：
第一类：责任重大、容错率很低的职业。
"对于责任重大、容错率很低的职业，如律师和医生，AI 需要达到非常高的准确率才能够胜任。因此，这些职业受到 AI 的影响较少。"
第二类：容错率极低的行业。
"而在那些容错率极低的行业，如芯片设计制造和火箭设计制造，失败的代价十分高昂，且调试难度巨大，需要从业者具备丰富的行业经验和过硬的技术，AI 在短期内很难取代人类在这些领域的工作。"
第三类：软件行业——已经在被打，但没打完。
"虽然 AI 可以辅助生成代码，但由于实际工作中的代码很复杂，需要人工调试，因此，待 AI 的错误率进一步下降，软件行业才会真正受到冲击。"
这三段话的价值在哪？在于它把"AI 会不会取代我"这个没法回答的问题，换成了一个可以自查的问题：我这份工作，错了之后多久知道、代价多大？
按这个框架往下推，能得出几个反直觉但站得住的结论：
越是"高端"的职业，反而越安全。 律师、医生看着是知识密集、最该被 AI 取代的，但正因为错了要出事，AI 的准确率再高也不够用——人类要的不是 95%，是 99.9% 加一个能负责的人。
越是"标准化"的活，反而越危险。 因为标准化意味着错误可被自动发现。
可验证性，比技术含量更重要。 这是我读这一节时自己补的一条：写代码被打得早，不是因为 AI 更懂代码，而是因为代码错了会立刻报错——反馈闭环极短，模型可以自我迭代。而写一份战略报告，错了可能要三年后才知道，AI 就无从优化。
换句话说：AI 最先吃掉的是"反馈快、代价小"的活，最容易漏掉的是"反馈慢、代价大"的活。 这个顺序和"简单到复杂"的顺序，不是同一个顺序。
二、为什么现在爆发：三驾马车与三阶段
第 1 章讲背景，用的是两个很朴素的框架。
三驾马车：算法、算力、数据。 这个说法到处都在用，但书里点出了关键——这三样必须同时到位。算法早就有了（Transformer 是 2017 年的），数据一直在积累，真正变的是算力。所以这不是"某个天才的灵光一闪"，是三条曲线交汇。
这个判断有实际含义：如果你相信"三驾马车"，那么下一次跃迁也应该来自其中一样的大幅变化——要么新架构，要么算力再上一个量级，要么出现全新的数据源。而不是来自"又一个应用创意"。
三阶段：AI 1.0 → 2.0 → 3.0。 书里的划分是：1.0 靠规则，2.0 靠感知（识别、分类），3.0 靠生成。每一阶段换的不是模型大小，是"能干什么"——从"判断这是什么"到"造一个新的出来"。
三、ChatGPT 到底是什么：两件事叠起来
第 2 章的写法比较讨巧，先让 ChatGPT 自己回答"我通过图灵测试了吗""我能做什么"，再讲原理。这个编排有点表演性质，但效果不坏——先让你对它的能力有个直觉，再拆开看里面。
原理部分说清了两个要点：
Transformer 给结构。 它解决了长距离依赖的问题，让模型能"同时看到"一整段话里的所有词，而不是像 RNN 那样一个一个往后传。
预训练给知识。 在海量文本上做"预测下一个词"的训练，把语言里的规律、事实、推理模式都压进了参数里。
书里对"为什么能生成有意义的文本"的解释，我给它打了个折——它说 GPT"通过预测下一个词来生成文本"，这话对，但没解释清楚"为什么预测下一个词就能产生推理能力"。而这恰恰是所有人最想知道的那一层。这一点不能怪这本书，整个领域对它也还在解释中。
至于"它能扮演什么角色"，书里分了"文科状元"和"理科状元"两节。我的读感是：文科部分名副其实，理科部分要打折——它会算，但不保证算对。这个区别在书里也提到了，但不够重。
四、11 种提示词技巧：按场景选，不按流行选
3.3.1 节有一张表，把提示词技巧归成 11 类。这是全书我第二喜欢的地方，因为它给每一类标了适用场景和难度。
表里出现的包括：结构化提示词、提示词生成器、Self-ask Prompt（自我追问）、ReACT（协同思考和行动）、Reflection after Failure（失败后自我反思）、LangChain（连接知识库）等。难度的标注从"低"到"复杂"不等。
书里举的例子很实在。结构化提示词那一条：
"如果你想为模型生成一个有趣的对话，你可以使用如下的结构化提示词——'两个[人物]在[地点]进行[活动]，他们开始讨论[话题]，其中一个人提出了一个有趣的观点，令对方感到十分好奇，并做出回应……'"
这种"留空模板"的写法，好处是把不确定性从结构里赶出去，只留在槽位里。你不需要每次都想"该怎么问"，只需要想"这几栏填什么"。
而 Self-ask 和 ReACT 那两类，思路完全不同：它们不是优化措辞，是改变模型的行为流程——先自问、再检索、再回答。这类技巧的收益远大于措辞优化，但也更依赖工具链支持。
书里另外给了"提问表单"的做法（3.3.3），把问题拆成固定几栏填。这个做法笨，但稳定，而且好处是可复用——填过一次，下次改几个格子就行。
五、图像三件套：三种活，别用一种工具
第 4、5 章讲图像和数字人。书里给的组合是：
Midjourney 负责"出意境"——中国古风、萌版头像、建筑效果图、logo 设计。它的强项是审美，弱项是控制。
Stable Diffusion ＋ LoRA 负责"控细节"——需要固定人物长相、固定画风、固定姿势时用它。代价是要自己部署、自己装权重文件。
D-ID / MetaHuman 负责"让它动"——前者让照片说话，后者建 3D 数字人。
这个分工我认同，而且它对应一个更普适的原则：生成类工具按"控制力"分层，控制力越强，使用成本越高。 你要么付钱买省事，要么付时间买控制。
六、行业落地：五条越来越陡的坡
第 7 章讲五个行业的应用：电商（人、货、场全面升级）、传媒（人机协同、智媒转型）、金融（银行零售新范式）、教育（苏格拉底式问答）、工业（合成数据集助力机器人研发）。
这五个排下来有个明显的规律：越往后，越依赖"现场"。
电商和传媒，改的是内容和投放，纯软件，见效快；金融要接风控和合规，链条长；教育要改教学法，涉及人；工业最重——合成数据集是为了训练机器人，而机器人要下产线。
所以"AI 赋能行业"这句话，在不同行业的含金量完全不同。它在前两个行业是提效，在后两个行业是改造。
七、保留意见
一、广而不深，平均每节 4 屏。 330 屏摊到 86 节，很多话题只够说个开头。比如"ChatGPT 日均算力运营成本的推算"这一节，标题很有承诺感，翻进去发现只是列了硬件、人力、能源三类成本，加一句"仅训练一个 GPT-3 就花了几百万美元"，并没有真的推算。这类标题与内容落差，书里不止一处。
二、截图占比过高。 第 4、5、6 章大量页面是软件界面截图，一屏一张图配两行说明。作为操作指引是合格的，作为阅读材料则信息密度很低。
三、工具信息的保鲜期很短。 Midjourney 的参数、SD 的部署流程、D-ID 和 MetaHuman 的操作步骤，都绑定具体版本。这类内容半年就会部分失效。读的时候应该只看"这类工具解决什么问题"，别记"点哪个按钮"。
四、最好的那节被埋了。 全书最有价值的内容（容错率框架）在一个不起眼的小节里，只有两屏多。而前面用了大量篇幅讲"AI 浪潮汹涌而来"这类背景铺陈。如果让我重排这本书，我会把 3.5 节提到第一章。
八、一句话收尾
这本书我读完最大的收获，是一个可以随身携带的问题：
我做的这件事，如果做错了，多久会有人发现？
反馈越慢、代价越大，AI 越难插手；反馈越快、代价越小，它替换得越彻底。
这个判断比"AI 有没有创造力"有用得多——因为后者是个哲学问题，前者是个可以今晚就用来想清楚自己位置的问题。
阅读记录：《AIGC 从入门到实战：ChatGPT+Midjourney+Stable Diffusion+行业应用》（韩泽耀 等）｜微信读书网页版逐屏截图阅读｜330 屏 / 8 章 / 6 分 59 秒｜知识图谱已上传至本站｜笔记写于 2026-10-30
发表评论: