AI时代的净土

一切源于同事来向我请教，希望我传授他一些网络方面的经验。我在网络上还算有些理解和动手能力：代理、反向代理、内网穿透、正向隧道、反向隧道、代理客户端的请求路径分析等等，都折腾过，可以参考我写的这些文章：《内网穿透与异地组网》《ssh妙用》《常见的设置代理》《v2rayN / v2rayNG 笔记》《Windows 域名内外网解析排查》《网络NAT相关知识》《子网掩码是如何生效的》《网络共享&分享网络给手机》。还有一些只放在本地，毕竟翻墙相关的我怕分享出来自己网站先被墙了，本站纯绿色哈哈。

我不禁思考，AI时代难道网络这个知识很难获取？突然灵光一现，好像还真是这样，AI能触摸到的范围好像得IP可达，网络基础资源好像有点特殊，属于AI摸不到的「黑盒子」，于是便有了这篇文章。

AI发展阶段

按我自己的体感，AI 参与开发这几年大概走过三个阶段。

第一阶段我称为问答。ChatGPT 问世，尤其是 GPT-4 之后，AI 第一次让人觉得产生了智能。开一个网页聊天框，输入问题获得答案。让AI帮我们写作业（论文或代码），把报错贴进去，它回一段代码块，复制回编辑器，跑一下，不行再把新的报错贴回去。AI 在浏览器里，代码在 IDE 里，我们是辛勤的「搬运工」。

第二阶段的代表是Cursor（谁让我第一个接触的就是他呢）。AI 被塞进了 IDE 和 VS Code，左边是代码，右边是 agent。它能直接读整个工程、直接改文件，改完给出一份 diff，我们只需要看他写的，点接受或者拒绝。虽然不需要复制粘贴了，但人还得盯着每一处改动，审阅代码成了主要工作（要是偷懒全接受也可以，但是那段时间还是需要有代码审查能力的）。

第三阶段可以称为「接管」。Claude Code、Codex 这一类，桌面版干脆连编辑器都不给你看了，只剩一个对话框。但是同时AI的能力暴增，智能化也大大提高，完全接管一些基础的工作了。AI 自己读代码、写代码、跑测试、看报错、改到通过，快到人既不需要、也来不及时刻盯着它写的每一行。这时候真正重视的能力变成了：同时开几个会话、让几个 agent 并行干活，你负责拆任务、排先后、验收结果。读代码、写代码的能力反而退到了边缘。

第三阶段不止是写代码，部署上线、跑集成测试、开浏览器帮你操作、ssh 上服务器翻日志、查数据库、提交 git，只要给了权限，它什么都可以帮你干（非法的不行哈）。可以说它是一个数字员工，我们程序员的角色从「写代码的人」变成了「带团队的人」。

回到网络上

搭家里的网、配路由器、给服务器调内网和代理，这类活儿一上手，画风完全不一样了。

还是那个对话框，还是同一个模型，但用法一夜回到第一阶段：我描述现象，它列出几种可能的原因；我挨个去敲命令验证，把输出贴回来；它看完再猜下一步。它不再是那个自己跑测试、自己改到通过的数字员工，而是一个坐在旁边出主意的顾问。再也不是人来指挥AI干活了，又变为了AI指挥我们干活😅

为什么偏偏是网络？我觉得下面是一些因素

连通问题

AI 要碰一台设备，前提是网络可达：ssh 登得上，管理页面打得开，接口调得通。可网络工作要解决的，恰恰常常就是「不可达」本身。

1、拨号或光猫出了问题，整个家断网了。这时候连 AI 自己都离线了😅

2、改防火墙、改路由、划 VLAN，改错一条就把自己的 ssh 会话切断。AI 替你执行了那条命令，下一秒它和你一起被锁在门外（AI快道歉）。

3、有些事根本不在网络配置上，比如网线老化，光衰，网络环路，甚至是信号干扰，这些都需要你是用专业设备来测，就像AI无法帮你在物质世界上进行调试，只能靠你自己来

让AI自己来修理网络就像医生自己给自己动手术，打完麻药人麻了😂

没有反馈回路

还有第三阶段的 AI 之所以这么全能，我觉得不全是因为它聪明，更因为他有足够的反馈。

做前端时，他改一行代码，页面就变了。截个图、读一下 DOM，就知道变得对不对。一个循环几秒钟，一天能转几百圈。后端有单元测试，部署有健康检查和日志，也是同一回事：改动和结果之间有强关联，AI能抓住这种联系，他就能试错、能收敛范围，本质上是在现场学习。

网络的结果不在它跑的那台机器上。卧室里的手机连不连得上、晚高峰丢不丢包、对端那台设备收没收到、运营商那边有没有限速，这些它都看不见。它能做的，只是从自己所在的那一个点上 ping 一下、traceroute 一下，而网络问题偏偏最依赖多点对照。

再往下就是物理层：水晶头没压好、光衰太大、WiFi 信道被邻居挤满、交换机过热时好时坏。这类故障往往是间歇性的，今天复现、明天不复现，没有一个可以反复跑的「测试用例」。

就算设备连得上，每次实验的代价也不一样。单元测试跑挂了无所谓，再跑一次；网络配置试错，每一次都可能把整个家或者整个办公室的网断掉，它不能像写代码那样大胆试一百次。

没有反馈，就没有迭代；没有迭代，它就只能凭训练时见过的东西去猜。这时候它就退化成了一个总结能力很强的搜索引擎。

知识库缺乏

这一条是我的感受，没法去量化。

代码是公开得最彻底的一种知识：GitHub 上有海量的仓库，带着测试、issue 和修复记录，模型在上面学得很扎实。网络这一块就零散得多：华为、H3C、Cisco、Juniper、MikroTik、OpenWrt，各有各的命令语法，同一家不同固件版本还不一样；真实的设备配置大多锁在企业内网里，不会公开；而排障经验很多是手上的，这种东西很少有人写下来。

所以在网络问题上，他的回答常常是通用的排查清单，有时还会把两家设备用法混在一起，而且说得很笃定。你得自己有基础，才能理解他的思路和错误。

总结

AI 能走多远，不只取决于它有多聪明，还取决于他够操作什么、能够看见什么。

到了网络的世界，这两样恰恰是你的主权所在！

所以在这一块，AI暂时还是聊天框里那个顾问，而真正排障的那份经验，还在你手里。

这也许是这一行在 AI 时代受冲击最小的岗位了吧