AI重构技术工作的形态

在AI工具持续迭代的当下，我最近亲手搭建了一个个人AI知识库，整个过程几乎没有敲下一行代码，这让我对技术门槛的变化既感到振奋，也隐约生出一丝不安。

从结果来看，这套系统已经能够较好地整理并调取我过去积累的知识资产（包括数百本电子书与报告），而整个搭建过程，主要是通过自然语言与AI协同完成。这意味着，过去需要一定编程能力才能实现的事情，如今正逐步转向「用语言组织逻辑」来完成。

具体来说，我先在AI的建议下使用 Calibre 将约700本 .mobi 电子书转换为 .txt 格式，为后续的文本处理做准备。接着，在探索本地AI知识库方案时，我原本考虑使用 Obsidian，但基于自动化与整合能力，最终选择了 PrivateGPT 作为核心架构。

在实际部署过程中，也遇到了一些典型但关键的技术挑战。例如，最初的模型对中文支持不足，因此改为安装 Qwen2.5（约4.7GB），成功提升了中文语境下的可用性。然而随之而来的又是另一个限制：输入内容一旦超过模型的 context length 就会受限。最终透过更换解码器才得以解决。

值得注意的是，整个过程我并没有真正编写代码，而是完全依赖语音输入，以广东话向AI下达指令，逐步完成系统搭建。这种以语言驱动开发的「vibe coding」体验，也显示出AI正在重塑技术工作的基本形态。

这也带来一个不容忽视的现实：

对于非技术背景的人而言，这是一种前所未有的机会，技术门槛正在下降，创造力与问题拆解能力变得更加重要；但对于传统技术路径上的初阶程序开发者，这可能意味着竞争结构的重组，甚至某种程度的替代压力。

因此，与其单纯乐观或悲观，更实际的态度或许是：及早理解这种人机协作模式，并重新定位自身价值，从「写代码的人」，转向「设计问题与指挥AI的人」。