在一本月刊上写“AI实用手册”确实风险不小。

就拿上期专栏来说吧，我想探讨的是新一代推理模型能否真正解决我们工作中“最难的问题”。写的时候，我用的是OpenAI的o1。结果DeepSeek恰好在截稿当晚发布了R1，完美错过。

倒不是说内容会瞬间过时。我写这个专栏时希望，既然是印在纸上的文字，尽量做到在一年后读也有价值。上期专栏探讨的是推理模型，而同日发布的R1和Kimi的k1.5都是和o1能力相近的推理模型，现在再读上期专栏，对理解它们在实际应用中的能力和局限也有帮助。唯一的遗憾是，由于文中没有直接提到R1，读者需要自行建立这个关联。

R1相对o1带来了几项重要改进：可以联网搜索，这样就不会“不知魏晋”了；默认展示推理过程，让用户能更直观地看到推理模型的神奇之处—很多时候推理过程比结果更值得一读。最重要的是，DeepSeek将OpenAI的付费功能变成了免费服务，又凭借开放策略让它在市场上遍地开花，让数以千万计的人第一次体验到了推理模型的魅力。人们很快发现了许多不太“正经”的创新玩法：写同人小说、角色扮演游戏、占卜算卦……连跟它模拟谈恋爱都觉得它带有理科男特有的蠢萌感。这样一来，推理模型就不再局限于解决上期专栏提到的“最难的问题”了。

这其实就是新技术发展的规律，只是现在变化得更快了。随着成本降低，新技术从专业领域走向日常化、娱乐化场景，变成真正的创新。继续用我们的比喻，如果说大语言模型就像是一个接受过良好通识教育但不具有专业知识的助理，那么推理模型就把这位助理的学历从本科升级成了博士，而成本的快速下降让每个人都能拥有不止一个助理，可能是成千上万个。上万个！想象你有1万个博士当助理—那你可不得给他们找各种鸡毛蒜皮的活儿来干？

所以，新技术的有趣之处不在于替代现有劳动力，而在于它能做那些你今天根本想不到可以雇人来做的事情。

其中一件这样的事情，就是“AI知识库”。

先不去管它的定义，每个互联网资深用户肯定都像仓鼠一样囤积了不少东西。“将来可能用得上”的资料：电子书、课程讲义、数以千计的待读文章，各类行业的研究报告和幻灯片，微信、小红书、即刻等社交应用中的收藏夹，手机相册里的无数截图，还像很多父母一样，网盘中存着大量“也许孩子将来用得上”的学习资料……

这当中的许多囤积，是源于对知识匮乏的恐惧。