（来源：上观新闻）
认知不再是封闭于♨🎮颅脑内的过🇰🇲程，而是分布于人🖌、AI 🥔工具与环境👡🤪之间的动态网络🇺🇾。随着我们迈📟😡入 AI 的下一🌍😘个时代，当智能🤢变得廉价时，🧕什么仍然值得深入🇺🇸学习？ Andr🤨ℹej Karpa🈶🐈thy：最近↖👕有一条推文让我感🈁🇮🇳到非常🐂😤震撼，我几乎每🇵🇷隔一天就会🤕想到它⚒😝。我正在看到的是，🌪🤱智能体工程师的能♌力上限非🕍常高🎋。我认为模型现在已🇻🇮📺经修复了这个问题🏟⌨，但新的例子是💧：我想去洗🇵🇹🍆车店洗车，距离👨👨👧👦只有 🗓50 米，我是该⏸🔛开车去还是走路🥺🐕去？当今最⚽🐩顶尖的模🇫🇷型会建议你走路，😎因为距离很🗜🐮近🇮🇸。
他指出🥏♾️，“氛🕍🇱🇸围编程”抬🏡🦙高了全员开😲👩👧发软件的下限🇲🇰，而“代理👩🚒工程”则🇻🇮旨在维持专业软件⛅🍊的质量上限↗。它面对的🧶◽是高频、🐥🇭🇺刚需、成本结构🕌清晰的🍤末端物流场景👘。一个很💘🇼🇸能说明📝问题的例子是n🤳anoG🇱🇺🇨🇰PT项💤目——我一🔖直在尝🚆试把L📫LM训🖱练代码简化到🎫极致🥥🏄。他举了两个例子🧓：期货公🏨司需要实🌚时卫星图像来判断🐨美国大豆产区的📺🚒情况，咨询🧭公司需要分析后的👨💻🌓数据来支撑金融决🍗策☦。我尝试在📑Twit🔙ter（📁也就是X）上📹🇧🇪强调这一点，因👭🌿为很多人🚍去年接触🛂AI的方式还停留🇮🇸♏在使用C⛓hatGPT🔠这个层面，但你🇨🇿⛽真的需要重新审🤙视，尤🕥🆓其是以十二🕗月为节点🛩，因为事情已经🇧🇬发生了根本❓性的变📟😄化——尤其是🇳🇨🇻🇪在智能体工🙋🇧🇩作流这个维度上，🍎🇧🇻那时它才真🤖☀正开始好🕦用🇹🇹。
