谁在背后干活

这周不写代码

前六节你都在获得能力。这一节我们停下来，看看这些能力是怎么来的。

一句 prompt 的成本

你输入一句话，几秒后拿到几百行代码。这个过程感觉像魔法——而魔法的特征就是隐去中间过程。

被隐去的至少有三层：

训练数据里的人。 模型学会写代码，是因为它读过海量的开源项目、教程、问答。那些内容是具体的人写的，绝大多数人没被问过是否同意，也没有得到任何回报。

标注和审核的人。 模型知道什么不该说，是因为有人一条条标记过。做这些工作的人大量分布在肯尼亚、菲律宾、印度，按件计酬，其中审核有害内容的岗位有明确的心理健康代价。

基础设施的代价。 训练和推理消耗大量电力和冷却水，数据中心建在哪里、由谁承受，是一个有明确地理分布的问题。

课堂练习：隐形劳动者地图

选一个你今天真实用过的 AI 工具，尽你所能画出它的产业链。从你敲下回车开始，往回追：

• 请求经过了哪些公司的服务器？
• 模型是谁训练的，用了什么数据？
• 芯片是谁造的，材料从哪来？
• 这条链上，哪些环节的人是有名字的，哪些是没有的？

画完后回答一个问题：这条链上，谁承担了成本，谁获得了收益？

一个不容易回答的问题

Illich 在 1973 年提出，工具分两种：一种扩展人的自主性，一种制造依赖。

Coding agent 是哪一种？

它确实让原本不会编程的人做出了东西——这看起来非常像”扩展自主性”。但它同时也让你的创造能力，绑定在几家公司的持续供应上。它们涨价、改政策、关停服务，你就回到原点。

我不打算在这里给你答案。但请把这个问题带着，走完剩下的课程。到最后一节，你会有自己的回答。

本节产出

一份 400 字的短文：《谁为我用的工具付出了代价？》

要求写具体，不要停留在”要辩证看待”这类空话上。举出你调查到的一个真实的人、一个真实的数字、一个真实的地点。