先宣布一个更新
EAC的聊天房间里，我已经嵌入了ChatGPT，大家在日常聊天过程中比如需要知道某个词语的用法，或则需要一个主持游戏的主持人，都可以使用它。
讲点我和ChatGPT的故事
首先，EAC 就是我和ChatGPT合作开发的。
一个月前，我对nextjs，音频编码解码，webrtc等，几乎一无所知，在我开始开发的时候，我预计可能需要至少两个月时间开发，测试。中间可能还需要找朋友帮忙，帮我画一些设计图，或者解决一些技术上的问题。
但是在第一天当我用GPT4升成出一个有Icon，布局合理的页面以后，我发现这件事其实也没有那么难。
甚至，我因此改变了自己的开发的习惯和流程。
首先来讲一讲我之前要做一个小项目会怎么做，比如，我现在想要做一个语音识别的工具，而我又对这一领域一无所知，我会怎么做？
- 搜索引擎帮助我建立一些基本概念，比如很多博客，百科会提到ASR，那我就要先要搞清楚ASR是什么，ASR这个概念和我要做的东西有什么关系。
- 划分层次，在建立概念的过程中，逐渐知道哪些内容可能和我要做的事情有关系哪些没有关系，哪些东西我使用开源工具就可以，哪些feature需要自己重新训练模型
- 做一个最小验证Demo，这一步花的时间应该最多，也最难，从0到1是需要很多时间来搞明白哪些技术名词和背后的原理的
- 开始正式地工作，逐步从核心功能扩展到其他功能
作为一个成熟的工程师，无数的训练都是教你如何从一个可验证的想法到最终实现。
GPT的出现无疑简化了上述的很多步骤，我可以一步直接跳到最小验证demo，然后再反过来，不断提问，了解前述的知识。
也就是说，执行步骤可以变成3 -> 1 -> 2 -> 4
我上来先让GPT帮我写一个可执行的Demo，然后我不断地操作着这个最小可验证的代码片段，从而可以让我用更快更直接与核心功能进行互动，我的大脑不需要处理很多复杂的，不可理解的概念，而是一个生动的，可以修改内容。
这意味着什么？这意味着
GPT为第一性原理提供工具
就像上课老师用PPT演示，视频演示很多遍都难以理解的差速器，如果让小朋友们直接拿一个，反复玩几个小时，却可以直接理解。
GPT可以迅速降低很多事情的门槛。
一个经常学习的人会发现，一些行业的门槛很大一部分在于概念和黑话，当我们不了解这些黑话和相应的原理的时候，就会让一个初学者觉得处处碰壁。
但是GPT可以让你在短时间内，直接进行对功能操作，暂时不用管中间的概念问题。
比如我最近想要学习Lattice 的 SVP 问题的证明，可是我的数学基础并没有那么好，格和群的背景都不甚了了，甚至一些数学符号都不认识。但这并不妨碍我直接让问GPT我感兴趣的问题，并用一些练习题，让它证明给我看。这大大减轻了我学习的负担，加速了我学习的过程。
我和chatGPT开发EAC的过程是这样的
我比较熟悉rust和python，而如html的知识还是多年前大学时候学PHP的时候学的。所以当开发EAC的时候，首先就是要用什么工具，怎么做。
对于GPT来说，得到答案可能仅仅需要一秒钟，只要你将你的问题足够详细地描述出来，当时它给我的建议是，前端用Nextjs 加 taiwindcss，后端可以用rust。
我对前端的娱乐圈的氛围有所耳闻，知道他们每年都有不同的风潮，而我只想要用最简单和稳定的方式更新我的代码。
所以我就让GPT分别用不同的前端框架写了同一个页面，让我看到不同的代码风格是什么样，有什么样的语法糖，不同的姿势写CSS是什么体验。
最终我选择tailwindcss 还真和GPT有关系，因为tailwind它是直接把CSS写到JSX文件中，而我每次调整页面布局的时候，如果是scss或者CSS，我需要复制粘贴两次，GPT也需要生成两段代码，而如果我使用taiwind，只需要复制粘贴一次。
上述还只是GPT使用的简单阶段，后来我就开始了深度使用阶段。
自从我发现GPT生成代码可用以后，我几乎就不怎么亲手写代码了。我每天的开发过程基本就是：
- 描述我想要一个什么页面
- 把GPT生成的代码复制到webStorm
- 看看效果，然后再提出修改要求
甚至发展到这种程度，我到现在为止，还没有弄清楚flex布局到底是怎么回事，如何做到一个元素的垂直居中。
每次我都是告诉GPT，请把我的内容居中，然后直接复制它给我修改后的代码。
所以你就会发现，有时候我们学的知识都是垃圾知识，可能原本完全不需要了解的内容，但是它确确实实阻碍了你。而GPT是对这一切的救赎。
多余的几句话
我曾经在国内做过一段时间的自然语言处理的工程师，《饺子》那本科幻小说就是在那一阶段写的，《饺子》中描述的AGI是所有的自然语言在无限的计算资源当中，通过简单反射训练到最终的通用智能。
我想每个曾经做过自然语言处理这方面工作的工程师都有过这个梦想，处理全世界所有的预料，让人类文明积累的知识都可以通过计算来表示，但是每个理性的工程师都知道，这样的向量空间可能和宇宙一样复杂，在成本上是不可能的。阿瑟克拉克也写过类似的宇宙最后的五分钟的故事。他的想象里，当人类灭亡以后，那台计算一切的计算机还没有运行出结果。
可是今天，LLM似乎已经具有了一种语言理解的能力，而且有着近乎一切的知识，每个个人的能力被它延长了，每个人都能做出以前超出自己能力范围的事情。为什么不现在尝试呢？