Ryo Lu:当我们什么都能做,还知道自己想做什么吗?

从 AI 生成的日记工具到爵士乐团,Ryo Lu 讨论如何在更强大的工具旁保有判断、生活和与他人合作的空间。

RLRyo Lu登壇者
チャンネル
AI Engineer
公開日
2026年11月6日
動画
23:05
読了時間
7 分
スライド
2
原文
簡体中国語
YouTube で開く
スクロールすると動画は右下に小さくなって再生を続けます。字幕は閲覧言語に合わせて切り替わります。
閲覧言語2 言語で読めます
この記事はまだ日本語に翻訳されていないため、簡体中国語の原文を表示しています。
要約

30 秒でわかる

前 Cursor 创始设计师 Ryo Lu 在 AI Engineer Shanghai 分享,工具不应只提高产出,也应让人看到假设、修改决定并在制作中发现自己的想法。他用日记工具、搬迁经历和爵士乐团说明个人判断与共同创作的价值。

  1. 1能力与方向工具让人做得更多,也应帮助人理解自己在乎什么。
  2. 2完整答案的盲点一份合理的答案可能掩盖自己尚未形成的问题。
  3. 3让人接触改变工作台让使用者看见计划、修改局部并重新拿回方向。
  4. 4保留使用的选择能使用工具不代表每件事都必须交给工具。
  5. 5用作品理解彼此不同版本让人与人之间原本模糊的差异变得可讨论。
  6. 6修改一个决定面对 AI 答案时,挑一个自己在乎但尚未想清楚的决定,小改并分享。

ポイント

  1. 完整且合理的 AI 答案不代表使用者已经想清楚问题。
  2. 好的工作台让重要假设可见,让人能够局部修改并拿回方向。
  3. 知道自己想要什么,也可以是制作过程产生的结果。
  4. 不必把节省下的每一刻重新填满,生活也是创作的来源。
  5. 不同的人可以通过共同制作和讨论彼此改变。
全文

チャプターごとに整えた全文を読む

文字起こしのみ
01

工具更强,为何更加不安

Ryo 讲述工具能力增强带来的兴奋与不安。他问,更多产出是否帮助我们弄清自己想要什么。

当我们什么都能做,还知道自己想做什么吗?我今天不想再证明 AI 有多厉害。我们已经看到一句话做出网站、几分钟完成一个功能,甚至让机器在一夜之间完成我们还没想到的工作。

一开始我也很兴奋,曾经只能想象的东西终于能做出来。但看到别人使用新模型时,惊叹之后很容易冒出另一个念头:我是不是又落后了?于是我们想多产出、再学工具、再开几个智能体。可如果可以一直这样追赶,什么时候才算够?

我一直相信做工具,希望缩短想象与现实之间的距离。这个信念没有变,但我开始在意:工具让我做得更多时,是否也让我更了解自己想做什么?我不想争论该不该用 AI,或者慢是否一定比快好。

02

当做事变成证明之前

他回忆童年对电脑的好奇,以及兴趣变成工作后的变化。他希望保留与制作之间的关系。

许多焦虑来自我们习惯用能力证明身份:我是设计师,因为我懂设计;我是工程师,因为我能写代码。当机器也能做这些事,问题便变得很私人:如果我的工作不再特别,我特别在哪里?

我想起小时候搬到加拿大,看到一台漂亮的苹果电脑。买不起,我就修改自己的电脑:换图标和字体,研究那些漂亮的按钮如何做出来。我不是先决定成为设计师才开始,只是因为喜欢和好奇,想靠近那种感觉。

后来喜欢变成工作是一件幸运的事,我能靠在意的事情生活,也遇到了同样在意的人。但好奇慢慢变成规划,游戏变成产出。我越来越容易回答什么时候上线,却未必记得没有人要求时,自己为什么想做。

我不想靠“机器永远做不到某件事”来安慰自己,因为界限一直在变。我想保留的是自己与制作之间的关系:即使机器很快给出十个版本,我仍然可以在某处停下来,觉得不对,并亲手改一下。

03

完整答案不等于完整思考

AI 为日记工具提供完整功能和理由。Ryo 追问自己是否真正作出了这些决定。

假设我请 AI 做一个记录生活的工具。两分钟后,它给我心情分数、连续记录天数、每日提醒和每周报告,并为每个功能提供看似合理的理由。完整的答案很容易让人说:“好,就这样。”

但我真的决定过要给生活打分吗?我是否认为每天都写才算记录?有时我并不是先形成自己的想法再请工具帮忙,而是看到一份找不到明显反对理由的答案,就把它当作自己已经理解了。

答案不一定错,甚至可能比我原先想的更好。但如果每次都这样,我就会越来越少练习从自己的经验出发思考。答案完成了,不代表我的思考也完成了;被完整答案盖住的问题尤其难被发现。

04

从日记功能开始选择

观众选择想删除的功能。不同选择让各自对记录生活的想法逐渐显形。

我请观众不要先问还缺什么,而是看着四项功能,选一个最想去掉的。我自己会拿掉连续天数、每日提醒和每周报告:我想留下生活,不想因为一天没写就觉得欠了一份作业。

你可能恰好需要提醒,或者想要一个无边际画布,而不是每天一页。这里没有标准答案。刚才短暂停下来,我们已经从模糊的“记录生活”出发,挑出了一个在乎的决定,并开始说清楚为什么。

知道自己想要什么,不一定是动手之前的条件,也可能是动手之后慢慢出现的结果。工具可以帮助这个过程,但我不希望每次使用前都必须苦想,否则就被说成偷懒。

05

服务窗口与工作台

Ryo 对比返回成品的服务窗口与允许介入的工作台。他提出让假设可见和支持局部修改。

有些事情,我很愿意直接交出去,比如搬资料或转换格式。但当我还没想清楚时,我需要的不是机器替我关上问题,而是一个让我继续探索的工具。

我用两个画面比较。服务窗口处理请求后交给我一个成品;如果它刚好很好,我可以直接使用。但如果它删掉了我喜欢的提醒,我就要再解释一遍。面对成品,我很容易只剩接受、拒绝或重新请求。

服务窗口与工作台
スライド 1 / 2服务窗口与工作台画面对比重新请求成品与查看计划、局部调整功能的两种交互。

工作台则让我看见计划改什么、删什么,也能在执行前介入,或在实时预览里微调。有时候正是看到它准备删除提醒,我才发现自己想保留。重要的不是按钮数量,而是我能接触正在改变的东西。

这就是我设计软件工具时重视文件、计划、编辑、差异和介入入口的原因。我不是说每个人都要读每一行代码,也不是所有细节都必须摊开,而是希望理解时有路进去,想修改时有地方动手。

聊天也可以是工作台的一部分,我不想把某个品牌或界面永远归入一边。更好的问题是:我能否只改一部分、理解关键决定、拿回方向,并有探索的自由?

给工具设计者的三个起点:让重要假设可见,让修改足够小、可以放心尝试,并让交出去的工作在需要时拿得回来。这不意味着每一步都加确认按钮,而是让人不必只能接受或拒绝整个答案。

06

什么时候放下工具

工具可以节省时间,也可能让时间被重新填满。Ryo 分享搬到台北后对生活与工作的思考。

工具一直可用,不意味着我们必须一直使用。AI 可以帮我思考,也可能让我自己想得更少;它可以省时间,也可能给我更多理由把时间重新填满。工具变强本身,并不能决定我该怎样使用它。

就像有了电子邮件,不代表任何时候都要再发一封。有时我需要 AI 快速整理复杂工作,有时想先自己写几句,有时需要去茶馆和一个人真正聊聊。这些选择没有高低之分,我只想保留不同的理由。

我从旧金山搬到台北,也在练习这一点:不是不想做东西,而是不想让生活里每件事都只能以它是否有助于工作来解释。日程空下来后,我并没有立刻变笃定,反而每天都要重新问自己想做什么。

没有立刻变成产出的时间不是浪费。一段谈话、一条新路、一首反复听的歌,都可能提醒我还在乎什么。生活不是创作的竞争对手,而是让我有东西想做的来源。

比起最大化产出,我希望工具让我们有时间和注意力关心他人及世界:理解尚未弄懂的问题,也有能力对在乎的事情做点什么。关心本身不必变成另一个追求高分的指标。

07

像爵士乐团一样合作

不同版本可以帮助人们理解彼此。Ryo 用爵士乐团比喻合作中的倾听、分歧和默契。

回到日记工具。我们可以保留简洁的每天一页,也可以保留像手账一样的自由画布,甚至组合两者。找一个选择不同的人问问原因,做出来的版本就不只是成果,也是理解彼此的材料。

日记的自由画布
スライド 2 / 2日记的自由画布另一种日记视图将照片、文字和记忆片段放在开放画布上。

工作中许多判断也是这样形成的:有人用过觉得奇怪,有人在我以为不重要的地方坚持,有人拆开我确信的东西,让我看见遗漏。合作并不总舒服,我们会误解、不同意、道歉,再试一次。

我把合作想成爵士乐团:不是每个人都弹最多的音符,或证明自己最厉害;有人带旋律,有人先听、留空间,再接进来。失去节奏时,大家听着彼此找回来,最后出现的东西不是任何一人事先想好的。

AI 很方便、很有耐心,我不想否认这种容易带来的帮助。但如果我总选最容易回应我的对象,也许会失去与不同的人建立默契的机会。我不只想要一个更会回应我的世界,还想保留一个能让我改变的世界。

08

在制作中发现自己

人不必先完全了解自己才能开始。制作过程中每一个小选择都可能带来新的认识。

所以,当我们什么都能做时,是否知道自己想做什么?我的答案仍然是:不一定。这并不意味着必须先找到宏大的使命才能开始。我们可以在每一个小选择里发现自己在乎什么。

我们刚才没有先写完一份产品需求文档,只是看一个版本,觉得某处不对,改了一点,才更知道想要什么。做东西不仅表达已经想好的自己,也让我们遇见尚不了解的自己。

09

对下一个答案做一次练习

Ryo 邀请大家在完整答案中选一个尚未想清楚的决定,动手小改并与别人分享。

下次看到一个很完整的 AI 答案时,给自己一点时间:其中哪个决定是我自己还没想过的?挑一处在乎的地方,改一小点,有机会再给另一个人看。不必一次改变全部,也不必证明自己比机器厉害。

我仍然相信工具:让原本不能参与的人有机会表达,让原本做不到的事有机会实现,也不必为了维持系统运转而交出全部生活。我想要的工具帮助我更清楚地感受、自由探索、关心世界,并和别人一起做出原本做不到的东西。

同じチャンネルの記事

スライド 2 枚14:58EN
AI Engineer· 2026年11月6日Sparsh Jain on Building Experiential Memory for AI AgentsSparsh Jain · CentralAgent AIAn agent-memory lifecycle forms, updates and retrieves lessons while evaluation loops manage changing context.AI agentsエージェント工学コンテキストエンジニアリング+2
スライド 5 枚17:27EN
AI Engineer· 2026年11月6日Philipp Schmid: Seven Things an AI Coworker NeedsPhilipp Schmid · Google DeepMindA walkthrough of managed agents, skills, credentials and controls, culminating in a scheduled portfolio-audit demo.エージェント工学Geminiエージェント認証+2
スライド 2 枚18:13EN
AI Engineer· 2026年11月6日Sid Pednekar: Judgment Is the Scarce Resource in AI AdoptionSid PednekarA framework for choosing valuable problems, building shared capabilities and turning experience into organizational learning.AI AdoptionDecision MakingAI Strategy+1
スライド 2 枚14:04EN
AI Engineer· 2026年11月6日Frank Long on Building AI Investment Workflows Around QualityFrank Long · CoatueCoatue’s Frank Long breaks investing into information, analysis and decision steps, and argues for choosing the right combination of code, models and people.AI agentsInvestingエージェント工学+2
スライド 3 枚17:52EN
AI Engineer· 2026年11月5日Cameron Wolfe on Evaluating AI When Answers Are SubjectiveCameron Wolfe · NetflixNetflix’s Cameron Wolfe outlines human review, calibrated model judges and production monitoring as a repeatable evaluation loop.評価(Evals)評価とオブザーバビリティ人による検証(HITL)+2
20:45EN
AI Engineer· 2026年11月5日John Stecher and Scott Worland on Building AI Systems That Can ChangeScott Worland, John Stecher · Norm AIThe Blackstone and Norm AI CTOs discuss data strategy, evaluations, production controls and when to wait for a better model.エンタープライズ AI評価(Evals)エージェント工学+1