Tóm tắt
Sean Goedecke phản bác ý tưởng rằng ai nói chuyện với cùng một model thì sẽ nhận cùng một giá trị. Theo ông, LLM biến nhiều người thành generalist ở mức vừa đủ, nhưng người có chuyên môn vẫn khai thác được model mạnh hơn nhiều.
Ví dụ chính là cách Terence Tao dùng ChatGPT để bàn về phản ví dụ của Jacobian Conjecture. Bài viết không coi đó là một công thức prompt có thể copy. Giá trị nằm ở việc Tao hiểu toán đủ sâu để chọn ý đáng giữ, bỏ qua phần thừa, nhận ra bước nào lạ, và tự đưa ra hướng thử tiếp theo.
Vì sao chuyên môn vẫn quan trọng
Một prompt ngắn từ expert thường chứa nhiều ràng buộc ngầm mà người ngoài ngành không biết phải nói ra. Trong software, điều tương tự xảy ra với codebase. Người hiểu hệ thống có thể hỏi “chỗ này đã có abstraction nào chưa?”, “giải pháp này có phá invariant nào không?”, hoặc “có thể diễn đạt bài toán bằng pattern quen thuộc của repo không?”.
LLM có thể giúp người thiếu kinh nghiệm tạo ra bản đầu tiên, nhưng nó không tự tạo ra judgment. Nếu bạn không biết output sai ở đâu, model có thể đưa bạn đi rất xa trước khi bạn nhận ra mình đang ở nhánh sai.
Ý nghĩa với dev
Đừng bán expertise như một thứ bị thay thế bởi prompt engineering. Với agent coding, chuyên môn chuyển thành khả năng định nghĩa nhiệm vụ, bó hẹp phạm vi, đọc diff, phản biện thiết kế và biết khi nào nên dừng.
Điều đáng học từ bài viết không phải “hãy prompt như Terence Tao”. Dev nên đọc nó là: hãy dùng LLM như một bộ khuếch đại cho hiểu biết thật. Khi hiểu biết ít, model giúp bạn bắt đầu. Khi hiểu biết nhiều, model giúp bạn đi nhanh hơn mà vẫn giữ được tiêu chuẩn kỹ thuật.