最近我发现个让四个大语言模型出错的问题。就是写个 rrweb-player 的例子。实际比这复杂一点。但是我估计应该跟那个复杂的一点没什么关系。我试了 deepseek 、gemini 、Trae 、没有 Claude code 的 fable 5 。最后那个是中转，真实性未知。最后发现是 rrweb-player 最新版有 bug： https://github.com/rrweb-io/rrweb/issues/1872 。说实话，发现有 bug 之前我对大语言模型真有点失望，发现之后又恢复到不吹不黑的状态了。
18 条回复 • 2026-07-06 22:14:55 +08:00
 |
1
sentinelK 7 月 5 日  8
简单粗暴的讲，如果 LLM 能给你“惊艳”的感觉，说明你对于对应领域的认知不到“中位数”。
反之亦然。 |
 |
2
kyro00000 7 月 5 日
没用过的人会高估吧，低估我觉得都是成年人，不会看扁任何人。
理论考试可能还行，但深入到行业应用领域。。还差点意思 关键很多知识，就是师傅带徒弟，也不会有人发网上去。 |
|
4
sentinelK 7 月 5 日 1
@Rorysky 目前的 Coding Agent ，本质上就是针对你的提示词，加上你已有的既定程序，进行信息检索+加工。最终进行代码输出。
如果一下子就能写的非常漂亮，只能说明： 1 、这个需求或者说逻辑链条非常常见。 2 、最佳实践的统计学优势很强（有通识的最佳范式） 所以如果开发者认为这样的结果很“惊艳”，就只能说明显你不懂当前需求的最佳范式或者说共识，不了解共识，说一句认知不到中位数，也不过分吧。 |
 |
5
defaw 7 月 5 日 1
讲个笑话研究级人工智能写个 shell 转义写不对
|
 |
6
maocat 7 月 5 日
大语言模型只是一个知识面广，耐心十足，会撒谎的普通人
|
 |
11
yafoo 7 月 6 日
我也发现 AI 只是知识面广而已，AI 能解决的问题都是现实网络上或者说他的知识里已经有解决方案的。AI 做的只是一个搬运工。如果遇到的问题本身现实网络上都没有解决方案，这时问 AI ，AI 怎么改都不行，我已经遇到过太多次了，都说 AI 很牛逼，但是我遇到的太多问题 AI 根本解决不了。
除非有一天 AI 能够创新，创新性的解决问题，那时才会真的让人惊艳。 |
|
12
sentinelK 7 月 6 日
@cde979 你这个例子就很典型的指出了 LLM 的问题。
1 、他把“不到中位数”，等价于“无知”。 2 、他主观臆断一个人的动机，“是一种典型的“我懂你们都不懂”的认知优越感”。 充分说明，在上下文不充沛（你最起码得用 Agent 让 GPT 爬一下我所有发言），语义理解不清晰（明显他的上下文没有楼主的内容）的前提下，会做出非常离谱的错误判断。 |
 |
13
zhongzhaoguo 7 月 6 日
@sentinelK 我听到一句跟你这句话意思相反的话：只有当你具备足够的品味和判断力，才会被 Agent 真正惊艳。把视野局限在 LLM 上的，恰恰说明认知还停留在中位数以下。
|
|
15
sentinelK 7 月 6 日
@zhongzhaoguo 这本来就是个伪命题。目前 Agent 的“能力”根本就不能定量分析。而且 Agent 能做的其实就是“上下文加工”，不太能理解"局限在 LLM"的本质逻辑是什么。
|
 |
16
lscho 7 月 6 日
|
 |
17
coefu 7 月 6 日
大部分不是这个领域的人的 高估低估 都是外行的八卦。
领域的发展也不会因为外行的高估低估有什么改变，因为能做出改变的不是这些人。 |
 |
18
srolos 7 月 6 日 via Android
这个话题真的有趣但又难有定论，我觉得所有 llm 做得好的任务本质都是靠大量的训练数据过拟合到 ffn 插值/查表。本质上没有那么强的泛化/智能，只是海量数据下所有问题都有了近似正确的插值伪装。
|
• 请不要在回答技术问题时复制粘贴 AI 生成的内容