制作了一个Agent学习笔记

最近做了一个Agent学习笔记，自己搜了一堆资料，然后让AI整理了一下，仓库在这https://github.com/Gong-Yie/Agent-Learning

我为什么突然想着做这么个笔记？

这个项目并不是我一时兴起，突然想要来做的。很多问题纠缠了我很久，却又在我试图开口时，一时语塞，不知从何讲起。于是积积攒攒，堆了一本笔记，到头来，扉页上只写了一句话：在这个AI时代，我们学习的基础知识，到底还有用吗？

谷歌效应，以及它的“AI升级版”

2011年，哥伦比亚大学的心理学家贝齐·斯帕罗（Betsy Sparrow）团队做了一个有趣的实验，发现了“谷歌效应”。什么是“谷歌效应”？团队招募了一批实验参与者，他们把参与者分成了两组，然后让参与者向电脑中输入一些琐碎的陈述句（例如，“鸵鸟的眼睛比脑子大”）。其中一组参与者被告知电脑会保存他们输入的内容，另一组则被告知内容会被立即清除。最后团队分别对两组的参与者进行了记忆考察，结果发现那些认为信息会被保存的参与者，对信息本身的记忆效果明显更差。但他们对于信息被保存在哪个文件夹的记忆，却比另一组人更清晰。

斯帕罗将这种现象命名为“谷歌效应”。她认为，互联网已经成为我们大脑的一个“交互记忆”（Transactive Memory）系统。我们的大脑把搜索引擎当成了那个“什么都知道的伙伴”，于是放心地将记忆具体内容的“工作”外包了出去。

而今天，AI对我们也施加着同样的效应，而且程度更深、范围更广。它不再只是帮我们记住什么，而是直接帮我们想出答案——从代码补全到文案生成，从逻辑推理到创意启发。我们越来越多地跳过自己先想一想的步骤，直接奔向AI的回应。AI正在改变人类的思考方式，人类正在被AI“驯化”。

AI改变后的思考方式，是好事还是坏事？

这种改变，究竟是进步还是隐患？

回看编程语言的发展史：从汇编到C，从C++到Java，从Python到Rust——每一次语言革新，都降低了编程的门槛，也提升了生产力。那么，AI是否算得上下一场语言革命？“vibe coding”是不是就是“自然语言编程”的雏形？当我们可以用日常话语指挥机器做事，编译器与解释器的概念是否会被彻底重写？

这里其实还牵扯了另外一个问题：纵览人类文明，从哲学发端，堆起知识的地基；继而数学与天文诞生，接着是物理、化学、生物，再到如今庞杂的交叉学科。知识越积越厚，后人是否需要把所有前人的成果完完整整地重学一遍？会不会有那么一天，一个人穷尽一生也学不完“入门”所需的基础——那时，人类文明的进步是否就撞上了一堵无法翻越的墙？

如果AI能帮我们跳过部分重复性认知劳动，让大脑从记忆和机械推导中解放出来，去专注更高阶的创造与判断，那或许，改变并非坏事，而是必要的进化。就像我们不再手工计算微积分，也不再用纸带写程序——工具迭代，本质上是让人的精力流向更值得的地方。

改变并不代表无用——为什么我们仍要学C语言

话又说回来，就算再怎么革新，再怎么改变，计算机学者学习的第一步，依然是C语言。

这不是怀旧，也并非过时。C语言之所以经久不衰，不是因为它最好用，而是因为它最透明。它最接近系统底层，让你理解内存、指针的作用、栈与堆的边界；它又足够简洁，没有过多的语法糖，迫使你去理解程序到底是如何被执行的。

AI可以替你写出一个排序函数，但如果你不知道内存布局，你就看不出它为什么会在特定数据量下崩溃；AI可以替你生成一段网络请求代码，但如果你不懂字节序、不懂缓冲区，你就无法理解为什么同样的代码在嵌入式设备上会失效。基础知识的真正价值，不在于背下它，而在于它塑造了你对系统的直觉——这种直觉，是你在面对AI给出的答案时，能够判断“它对不对”“它好不好”“它为什么这么写”的唯一依据。

更进一步说，AI时代最稀缺的能力，不是“知道答案”，而是“提出正确的问题”和“判断答案的可靠性”。而这两者，都依赖于你对底层逻辑的切身理解。没有这些地基，你就只能被动接受AI的输出，像一个盲人信任引路者——而有了地基，你才能和AI平等对话，甚至反过来驾驭它。

所以，我写这本笔记，不是要对抗AI，也不是要歌颂旧时代。我只是想在自己被“驯化”之前，再碰一点底层东西，多嚼一点是一点。哪怕未来编程再也不需要人类。

这大概就是我在这个时代，最后的挣扎。