鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
7
9
3

我给AI零代码应用生成平台加了个"进度条"

iceblyte
iceblyte
2026-10-03 21:53
阅读 763
iceblyte
2026-10-03 21:53
阅读 763

一次 Vue 构建异步化的完整改造

仓库:ice-ai-code-mother 本次改动:commit 9b90e47(15 个文件,+1261 / -119)

一个让用户想摔键盘的场景

在我的 AI 代码生成平台中,用户说一句"帮我做个音乐商城网站",AI 就流式吐出完整的 Vue 项目代码,实时写进文件,然后构建、预览。

听起来很丝滑对吧?但是构建方式是同步模式:

▼
java
复制代码
// AI 回复完成的回调里,同步执行构建 .onCompleteResponse((ChatResponse response) -> { String projectPath = CODE_OUTPUT_ROOT_DIR + "/vue_project_" + appId; vueProjectBuilder.buildProject(projectPath); // ← 就这一行,能卡 8 分钟 sink.complete(); })

然后用户体验变成了这样:AI 秒回"你的网站已生成完毕!"——然后页面卡死 3~8 分钟,没有任何提示,用户不知道是在构建还是崩了,就想摔键盘。

而且这只是表象,往深了挖是三宗罪:

  1. 线程被白嫖:AI 回调线程被 npm install + npm run build 阻塞最长约 8 分钟。十个用户同时生成,十个线程全在等 npm,谁来干活?
  2. 数据迟到:AI 回复的对话历史挂在同一个流的完成事件后面,被拖到构建结束才落库。用户这期间一刷新,最后一条 AI 消息没了。
  3. 前端锁死:SSE 连接被当成"等构建完成的手段",前端 isGenerating 全程 true,输入框灰的,按钮点不动。

思路:把"等"变成"推"

问题本质一句话:构建是长耗时任务,却用同步调用的方式挂在请求链路上。

解法也是一句话:构建扔到后台异步跑,用一条独立的 SSE 通道把进度实时推给前端。

为什么是 SSE,不是 WebSocket?

这是最容易被问的问题。我的考量:

  • 进度推送是纯单向的(服务端 → 前端),用不上 WebSocket 的双向能力;
  • 项目前端本来就在用 EventSource 消费 AI 流式回复,零新依赖、零新协议;
  • SSE 自带断线重连语义,配合后端的 replay 机制能优雅处理"页面刷新"这个场景。

简单说:杀鸡用鸡刀就好,牛刀留给真正需要的场景。

整体架构

▼
text
复制代码
【生成通道】不变的部分 用户发消息 ──EventSource──▶ /app/chat/gen/code ──▶ AI 流式输出、工具实时写文件 │ onCompleteResponse 里 startBuild(appId, path) │ ← 只"提交"任务,微秒级返回 ▼ sink.complete(),生成流正常结束 【进度通道】新增的部分 前端收到 done ──EventSource──▶ /build/progress?appId= ──▶ 鉴权 → subscribe(appId) │ 构建虚拟线程 → BuildTask → SSE → 前端 事件类型:progress(阶段)/ log(npm 日志)/ done(终态)

关键设计决策:构建线程只管往任务内部的事件流推消息,完全不知道有没有订阅者。前端断线、关页面、刷新——npm 照常跑完,结果在内存里留着,谁来看谁来取。

四个核心实现

1️⃣ BuildTask:一个 replay-latest Sinks 解决两大难题

每个构建任务自带一条 Sinks.many().replay().latest() 事件流。这一个选择同时解决了两个经典难题:

  • 页面刷新重连:replay-latest 会先给新订阅者重放最近 1 条事件再接实时流,前端刷新后重新订阅,进度无缝接上;
  • 迟到订阅者:终态事件发出后流 complete,Sinks 里留着这条终态——10 分钟内来订阅都能直接拿到结果。
▼
java
复制代码
public class BuildTask { private final long appId; // 新订阅者先重放最近 1 条事件,再接入实时流 private final Sinks.Many<BuildProgressMessage> sink = Sinks.many().replay().latest(); private final AtomicBoolean terminal = new AtomicBoolean(false); private volatile Process currentProcess; // 取消时强杀用 /** 终态事件:幂等,发出后流 complete */ public void emitDone(BuildStatusEnum status, String message) { synchronized (this) { if (terminal.get()) return; terminal.set(true); doneAt = System.currentTimeMillis(); sink.tryEmitNext(BuildProgressMessage.done(appId, status, message)); sink.tryEmitComplete(); } } /** 适配为构建监听器;堵住一个隐蔽的竞态 */ public void onProcessStarted(Process process) { synchronized (BuildTask.this) { if (terminal.get()) { // 取消恰好落在 "npm install 结束 → npm run build 启动" 的间隙 // 这时刚启动的新进程必须立刻杀掉,否则它就成了漏网之鱼 process.destroyForcibly(); return; } currentProcess = process; } } }

那个 onProcessStarted 里的竞态值得单独说:构建有两条命令(install → build),取消请求可能恰好在两条命令的间隙到达。如果只在启动时注册进程引用,间隙里的取消就找不到进程可杀——npm 会继续跑完,跟新一轮生成的文件写入撞车。所以每次进程启动都要重新检查终态标记。

2️⃣ BuildProgressManager:虚拟线程 + 严格的生命周期管理

▼
java
复制代码
@Component public class BuildProgressManager { private static final long TERMINAL_RETENTION_MS = 10 * 60 * 1000L; private final Map<Long, BuildTask> tasks = new ConcurrentHashMap<>(); // 每个构建任务一个虚拟线程——等待 npm 的线程不占真实载体,随便开 private final ExecutorService executor = Executors.newThreadPerTaskExecutor( Thread.ofVirtual().name("vue-build-", 0).factory()); public void startBuild(Long appId, String projectPath) { synchronized (this) { evictExpiredTasks(); BuildTask previous = tasks.get(appId); if (previous != null) { // 关键:新构建会重写项目文件,旧 npm 进程必须先杀掉 previous.cancel("检测到新的构建任务,当前构建已取消"); } BuildTask task = new BuildTask(appId); tasks.put(appId, task); executor.execute(() -> executeBuild(task, projectPath)); } } }

两个点:

  • 虚拟线程是给这种 IO 密集任务量身定做的——线程 90% 的时间在 readLine() 等 npm 吐日志,用平台线程纯属浪费。JDK 21 用上这个,正好。
  • 同一 appId 新构建强杀旧构建:AI 对话是迭代式的,用户改需求就触发新一轮生成,旧构建必须立刻终止,不然两个 npm 进程并发读写同一个项目目录,结果不可预测。

3️⃣ VueProjectBuilder:看门狗 + 日志流转发

原来构建完就返回个 boolean,现在要把 npm 的每行输出实时转给前端,还要防它卡死:

▼
java
复制代码
private boolean executeNpmCommand(File projectDir, String commandArgs, BuildPhaseEnum phase, BuildProgressListener listener, int timeoutSeconds) { Process processToWatch = new ProcessBuilder(command) .directory(projectDir) .redirectErrorStream(true) // stderr 合并进 stdout,错误信息也能推给前端 .start(); listener.onProcessStarted(processToWatch); // 虚拟线程看门狗:超时强杀,保证读取线程不会永久阻塞 AtomicBoolean timedOut = new AtomicBoolean(false); Thread watchdog = Thread.ofVirtual().name("npm-watchdog").start(() -> { Thread.sleep(timeoutSeconds * 1000L); if (processToWatch.isAlive()) { timedOut.set(true); processToWatch.destroyForcibly(); } }); // 逐行读取转发(上限 500 行,防止异常庞大的输出拖垮 SSE) try (BufferedReader reader = new BufferedReader( new InputStreamReader(processToWatch.getInputStream(), UTF_8))) { String line; int count = 0; while ((line = reader.readLine()) != null) { if (count++ < MAX_LOG_LINES) listener.onLog(line); } } processToWatch.waitFor(); watchdog.interrupt(); // ...超时/退出码判断,失败时上报阶段信息 }

超时配置:npm install 300 秒、npm run build 180 秒。看门狗到点直接 destroyForcibly(),前端会收到"命令执行超时(N 秒)"的明确报错,而不是永远转圈。

另外保留了单参的 buildProject(String)——部署功能和 LangGraph4j 工作流节点还在用它,改内部实现不动对外签名,老调用方零成本兼容。

4️⃣ SSE 接口:命名事件 + 心跳注释

▼
java
复制代码
@GetMapping(value = "/progress", produces = MediaType.TEXT_EVENT_STREAM_VALUE) public Flux<ServerSentEvent<String>> subscribeBuildProgress(@RequestParam Long appId, HttpServletRequest request) { // 参数校验 → 登录 → 应用归属/管理员鉴权(略) Flux<ServerSentEvent<String>> dataFlux = buildProgressManager.subscribe(appId) .map(msg -> { ServerSentEvent.Builder<String> b = ServerSentEvent.builder(JSONUtil.toJsonStr(msg)); if (BuildProgressMessage.TYPE_DONE.equals(msg.getType())) { b.event("done"); // 终态用命名事件 } return b.build(); }); // 15s 心跳:SSE 注释行,EventSource 自动忽略,纯防代理掐空闲连接 Flux<ServerSentEvent<String>> heartbeat = Flux.interval(Duration.ofMillis(15_000)) .map(tick -> ServerSentEvent.<String>builder().comment("keep-alive").build()); return dataFlux.mergeWith(heartbeat) .takeUntil(event -> "done".equals(event.event())); }

这里有个我必须敲黑板的协议细节:

SSE 命名事件,onmessage 是收不到的!

progress / log 走默认事件,前端用 onmessage 收;done 是命名事件,前端必须 addEventListener('done') 收。我在这里调试半天"为什么终态收不到"——因为 onmessage 只派发无 event 字段的消息。

心跳也是同理:注释行(: keep-alive)是 SSE 协议的一部分,EventSource 自动忽略,它存在的唯一意义是让中间的 Nginx / 容器网络知道"这连接还活着",别把 15 秒没数据的构建期连接当死连接掐了。

前端

前端体验的改造分三步:

① 生成结束不再傻等,按项目类型分流:

▼
ts
复制代码
const onGenerationFinished = () => { if (isVueProject.value) { watchBuildProgress() // Vue 项目:转订阅构建进度流 } else { /* HTML/多文件:走原来的延迟刷新预览 */ } }

② 进度订阅——阶段文案实时更新,npm 日志像追剧一样滚动出来:

▼
ts
复制代码
buildEventSource.onmessage = function (event) { const payload = JSON.parse(event.data) if (payload.type === 'progress') { isBuilding.value = true buildPhaseText.value = payload.message // "正在安装依赖(npm install)..." } else if (payload.type === 'log' && payload.line) { buildLogs.value.push(payload.line) // 日志控制台滚动 // 环形窗口:最多保留 200 行,防内存膨胀 } } buildEventSource.addEventListener('done', (event) => { closeBuildWatch() isBuilding.value = false const { status } = JSON.parse((event as MessageEvent).data) if (status === 'success') { updatePreview(true) // 带时间戳强制刷新 iframe,绕过缓存 } else if (status === 'failed') { buildError.value = ... // 失败面板展示错误 + 日志 } })

③ 预览刷新的缓存陷阱:构建成功后 iframe 加载的还是旧的 dist?因为浏览器缓存了。解法是在 URL 后拼 ?t=${Date.now()} 破缓存。只有收到 success 才刷新预览——绝不展示半成品。

构建期间,下载/部署按钮禁用(部署会同步重建,和后台构建撞车);页面刷新后自动重新订阅,构建还在跑就直接接上。

顺手堵掉的两个并发隐患

场景隐患解法
用户在构建进行中又发了新消息新一轮 AI 生成写文件 与 旧 npm 构建读文件 撞车VUE_PROJECT 生成开始前 cancelBuild(appId),强杀旧进程
用户在构建进行中点了部署部署的同步重建 与 后台异步构建 并发跑 npm部署重建前同样 cancelBuild

原则就一条:同一项目目录,任何时刻最多允许一个 npm 进程在跑。

效果

指标改造前改造后
AI 回复完成 → SSE 关闭卡到构建结束(最长 8 分钟)毫秒级
对话历史落库时机构建结束后生成流结束即落库
构建期间前端状态全程锁死,无任何反馈实时阶段进度 + 日志滚动
线程占用每个构建占 1 个平台线程 8 分钟虚拟线程,等 IO 不占载体
页面刷新进度丢失重连重放,无缝接上

验证:新增 BuildProgressManagerTest 6 个用例全绿(idle / 成功全序列 / 失败 / 异常 / 重复构建取消旧任务 / 终态重放),后端编译通过,前端 vue-tsc 类型检查 + vite build 通过。

踩坑记录

给后来人排雷:

  1. StepVerifier.verifyTimeout(Duration) 不是"在时限内完成"——它是断言"超时发生"!带超时的完成验证要写 .expectComplete().verify(Duration),而且 verify(Duration) 在顶层 StepVerifier 接口上,链尾的 Step 类型没有这个方法。
  2. SSE 命名事件:onmessage 收不到带 event: 字段的消息,必须 addEventListener。
  3. iframe 缓存:构建产物更新后 iframe 不一定重新加载,时间戳查询参数是最简单可靠的破缓存手段。

最后

完整代码都在仓库里,这次改动的 diff 在这里:

  • 📦 仓库:https://github.com/iceblyte/ice-ai-code-mother
  • 🔧 本次提交:https://github.com/iceblyte/ice-ai-code-mother/commit/9b90e47cb0a438aff132b76ad6d6fa720766119d

核心文件索引(方便你直奔重点):

  • core/builder/BuildProgressManager.java — 任务调度与生命周期
  • core/builder/BuildTask.java — replay Sinks 与取消竞态处理
  • core/builder/VueProjectBuilder.java — 进程管理、看门狗、日志转发
  • controller/BuildProgressController.java — SSE 端点与协议
  • src/pages/app/AppChatPage.vue — 前端进度订阅与 UI

如果这篇文章对你有帮助,欢迎点个 Star ⭐ 有问题欢迎提 Issue 讨论。

Java
AI
AI 零代码应用生成平台
7
3
分享
操作
评论
相关内容
0个评论
全部评论
点击登录,快来和大家讨论吧~
表情
图片

目录

🔥 热门文章
1
手把手教你设计一个成熟的 Agent Harness
2500
2
我用 REA 逆向了付费颜色 APP,结果很意外!
570
3
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
420
4
DeepSeek 全新模型发布,性价比最高的一集!
380
5
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
370
6
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
360
7
又一个国产版 Codex 神器,也来卷办公了!
330
8
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
310
9
AI 越强,被它拒绝的代价就越大 我有时候会想:AI 越来越厉害之后,有些事情,会不会反而越来越难做? 这个想法看起来有点矛盾。AI 明明在降低门槛,让不会写代码的人做出软件,让不会画画的人生成图片,让一个人完成过去需要整支团队才能完成的工作。但今天用 Codex 的时候,AI 拒绝帮我编写 SQL 注入的请求体,而那还是我有源码、在本地跑测试的情况。那么,往后是否只会更难? 我们假设某一天,AI 说:「这个请求违规,我不能帮助你。」到那个时候,你还有多少能力,能绕过它,把事情做完? 这里的「违规」需要打个引号。平台的规则、模型的判断、法律的要求,以及一件事实际有没有造成伤害,彼此之间并不总是画得上等号。一个请求可能确实危险,也可能只是缺少上下文被误判,或者恰好落在某家公司的限制范围里。 无论是哪种情况,随着我们越来越依赖 AI,这句拒绝都可能变得越来越贵。 今天,一个程序员让 AI 帮忙写代码,AI 拒绝了,他大概率还有别的办法:查文档、找开源项目、问同行,或者自己写。麻烦一点,慢一点,但路还在。 可如果十年之后,大部分程序都由 AI 完成,情况就不一样了。 很多人从接触编程的第一天起,就习惯了描述需求、等待生成、运行结果、继续迭代。他们能做出相当复杂的产品,却未必经历过独立处理底层问题的训练。平时,这种能力结构完全够用,效率甚至更高。只有 AI 拒绝的时候,他们才会发现:平常被省掉的那段学习过程,恰好是此刻最需要的东西。 到那时,一次拒绝的成本,可能就从「今晚多花两个小时」,变成「先花半年学会这门技术」。 拿 SQL 注入举个稍显极端的例子:往后,连真正理解这类攻击如何发生、能够独立构造测试的人,会不会也越来越少? 这里也包括那些有正当需求的人。一个开发者想检查自己的旧系统,一个经过授权的安全研究员想复现漏洞,假如 AI 识别到危险模式就拒绝,而使用者又只熟悉「让 AI 帮我检查」,这项原本可以独立完成的工作,就这样卡住了。 但是安全专家不会因此消失,但这类技能可能越来越集中在少数人手里。你仍然可以找专家,只是要付出更多的钱、更多的时间,以及更高的沟通成本。 类似的困境,未必只发生在网络安全领域。 你想从一个停止维护的软件里取回自己的数据,需要解析它的旧文件格式。AI 判断这涉及规避保护措施,拒绝继续。你拥有这些数据,却没有能力把它们读出来。 你买了一台设备,厂商停止提供服务。你想修改程序让它继续运转,过程中需要处理某种访问限制。AI 不愿协助,而你所掌握的维修方式,早已只剩下「把报错发给 AI」。 你想给常用的网站写一个辅助工具,减少重复操作。平台将此归入自动化限制,AI 也据此拒绝。过去会写脚本的人可以自己判断、自己处理;未来的使用者,可能连从哪里开始都不知道。 这些例子有一个共同点:当工具同时承担了「执行工作」和「传授知识」的角色,它的拒绝就不只是挡住了一次任务,也挡住了获得这种能力的机会。 更麻烦的是,这种依赖往往是我们主动选择的,而且每一步都很合理。 既然 AI 几秒钟就能做好,为什么还要花几个月学习?既然公司可以采购成熟的 AI 服务,为什么还要养一支负责基础工作的团队?既然市场上已经很少有人手写这些东西,学校为什么还要花大量时间教? 对个人、公司和学校来说,这些选择都有现实依据。但叠加起来,整个社会保留的独立能力就可能越来越少。等到某项能力突然受到限制,我们才发现,备用方案早已在追求效率的过程中被一点点削掉了。 所以,「AI 越强,做事越便宜」可能只描述了未来的一半。 另一半是:被允许的事情越来越便宜,被拒绝的事情依然需要人工完成,却要面对更少的人才、更高的报价,以及越来越难获得的知识。两边的成本差距,会越拉越大。 有人会说,可以换一个模型,或者用本地模型。这确实是重要的选项。只要工具之间还有充分竞争,开放模型还足够可用,限制就未必能形成真正的门槛。 但备用方案也需要维护。它需要硬件、知识、软件生态,以及一群仍然理解这些系统的人。如果大多数人已经习惯了最方便的商业服务,那么「理论上还有别的办法」和「普通人实际用得起、用得明白」,之间仍然可能隔着很远。 我担心的,正是这段距离。 我不指望 AI 对任何请求都照单全收。对明显会伤害他人的行为设置限制,有充分的理由。但我们也需要关心:限制由谁定义,误判有没有申诉渠道,用户能不能换工具,以及脱离这个工具之后,还剩下多少独立行动的能力。 保留这些能力,平时看起来甚至有点低效,明明可以自动生成,还要理解原理;明明可以一键完成,还要知道手动怎么做。 但这些看似多余的知识,会在工具拒绝、失效、涨价或改变规则的那一刻,成为真正的选择权。 AI 越强,我们可能越需要留意它说「不」的那一刻。 因为那句话的分量,最终取决于:它拒绝之后,我们还能做什么。
310
10
什么是LLM
300
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题