一些可能会过时的个人思考

这类知识已经有人给它取了名字，缄默知识，更具体的定义是：我们所知道的，多于我们能言说（We know more than we can tell）。这个概念肯定和克苏鲁小说里面的神秘知识不能混为一谈（什么外神不能直视 blablabla），哈，我还挺爱看克苏鲁背景的网络小说😂。举个我们程序员的例子，你一看到某些代码的实现，你眉头一皱，感觉后面八成要埋坑，这种感觉你很难穷举落到 AGENTS.md 里面，但是你当看到的时候，你就能知道不该这么做。或者线上发布经验比较多的兄弟们，看到有的线上应急操作，心都会直接提起来，后背发凉，仿佛故障 review 会已经近在咫尺，那也是挨打多了，产生的本能。

当然了，我们都知道：如果 AI 训练的资料里面覆盖了这些场景，那么哪怕是缄默知识也不应该成为 AI 的瓶颈。毕竟各种困难的场景以及里面的应对、判断、经验和教训都被记录了下来，AI 是完全有能力学习到，然后遇到类似的场景可以做的更好。甚至 AI 学习的还不是干巴巴的结论，而是在实际场景中完整的分析过程。而且我也赞同，AI 从现有信息里面汲取和推理的能力是无比强悍的，如果信息源足够的优质，AI 甚至可以超乎我们的想象。不过这一切的前提都是取决于给 AI 的数据以及反馈的质量，我个人觉得至少有三种情况是很难被数据化的。

第一，在变化的世界里面，问题场景是无穷无尽的。有一个大家耳熟能详的理论：知识圆圈，懂得东西在圈里，未知的东西在圈外，懂的东西越多，圆圈越大，那么能接触到未知的东西也就更多。突然想到之前看到过一个网络小说《带着豆包穿越古代》，名字有点辣眼睛，没点进去看，但这也反映了类似的观点。现代人如果穿越回古代，知识信息量肯定是吊锤古人，古人八成会以为神仙下凡。但现代人也依然有着知识局限，如果一年前有未来人穿越到我面前，跟我说美光、闪迪、海力士还有三星这些关键词，我也会把他当成神仙顶礼膜拜。

第二，我觉得还有很多低频但是关键的场景也是很难被 AI 训练到的，这里面比较鲜明的例子是，每家公司内部积累的业务场景和判断，很多信息只存在几个业务骨干的心里。我这里甚至可以举一个反面例子，屎山代码。当然，这里肯定有人会反驳我，现在 AI 来处理屎山代码是得心应手。那我的回答是，说明代码还不够屎山。这里，正好我想聊一下屎山的定义，我觉得各种 code smell，凌乱的代码风格，随意堆砌的架构划分，固然是屎山代码不可或缺的一部分。但我觉得，屎山代码最可怕的地方在于损失掉的信息量或者说是历史业务背景，比如说代码里面有很多莫名其妙的操作，但是已经完全无法考察它的用意，你甚至不知道有没有客户在使用这些功能。这个时候 AI 可以做局部正确性很高的重构，但是 AI 没办法知道可能遥远的地方，有一小撮核心用户还在高度依赖这个错误的实现。然后 AI 改完一上线就炸，直接终结你在这家公司的职业生涯。当然有人可能会问，为什么不提前通知客户以及发布灰度观测。嗯，首先不要指望你的客户通情达理，通知了也没有用，出事了才会找你算账。其次，不要指望屎山代码横行的地方能有好的线上灰度观测手段和严谨的线上发布流程。

最后，我觉得还有一些可意会不可言传的信息，都不会记录到纸面上，自然 AI 也根本无法学习。举个例子，这个人说的话我只信一半，这个知识你其实某种程度可以跟 AI 表达清楚，比如我对他在某些领域的专业判断不信任，或者我觉得他有可能在某些涉及自己利益的事情会偷奸耍滑。你当然可以把这套规则判断依据整理出来，然后 AI 也能根据这个来进行自主分析。但是，这种政治不正确的东西，其实是不太方便跟 AI 说清楚的。更何况，人是非常复杂的，有可能今天你不信任他，但是过段时间他的某个举动可能又赢回了你的信任，这种快速变化的规则，都是我们潜意识里面快速生成的。

所以，我觉得缄默知识可以被部分显化，但是很难被完整、无损的抽象成一套脱离具体场景的固定规则。这种直觉或者说判断力，是很难被规则化的，或者说我们固化出了一套高效的规则，但是什么时候使用这套规则，还是依赖判断力，如果再尝试去归纳总结，那么有点像是测试用例的测试用例，陷入死循环了。这也是我很多时候使用 AI 比较沮丧的地方，每次我对它倾囊相授，下一次它仍然会辜负我的期望，我甚至觉得这不是 AI 长期记忆力有效性的问题，哪怕我写了很多 AGENTS.md 以及各种详细的要求，AI 总是能在我意想不到的地方给我致命一击。

作者提示含AI生成内容。作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～