AI 赋能——强者愈强

近两年来，AI 技术的演进速度令人瞩目。从最初的网页版 Chat，到陆续涌现的 Workflow 编排，再到各类 IDE 编码插件，以及 Cursor、Claude Code、Codex（ChatGPT），还有曾红极一时的“龙虾”（OpenClaw）。网络上铺天盖地都是各种帖子、公众号推文和资讯，标题清一色是“XXX 职业被淘汰”“XXX 岗位被 AI 取代”之类的流量套路，搞得不少人真的患上了 AI 焦虑症。

AI 当前确实功能强大，能胜任许多任务。本人从事研发岗位，也就是大家口中常提的“程序员”，这一群体常被预言会率先被 AI 取代。程序员的竞争本就激烈，卷到极致便是自我消耗，苦笑不得。

AI 能带来效率提升，但提升幅度因人而异、因团队而异，难以一概而论。然而不可否认的是，AI 带来的平均效率提升是惊人的。当下 AI 掀起的变革浪潮，足以与历史上的三次工业革命相媲美，甚至犹有过之。尤为关键的是，AI 仍在不断进化。

身处 AI 时代，作为碳基生命，我们理应加倍努力学习，并掌握学习的方法。各行各业皆是如此，学以致用是小学老师便传授给我们的道理，且学海无涯。

AI 时代，学习能力举足轻重，know-how 的能力同样不可或缺。借助 AI 工具后，工作模式已发生根本性变化。以 Coding 为例，如今无需将精力耗费在记忆语法、逐行敲代码上，而是要将自己的逻辑思维、产品思维与 AI 工具结合，从而放大个人能力，让 AI 承担更多重复性劳动，在有限的碳基精力下提升有效产出，打造更优质的作品。

在我看来，还有一点至关重要：人，绝不能仅仅满足于 Chat。以软件开发为例，在 AI 赋能下，不必深究每一行代码的细节——这既不现实也不必要；但必须构建完整的 harness，且整体架构思路要与自身认知保持一致，否则认知债务会不断累积，终有一日会集中爆发。

此外，那些只求结果、对实现过程毫不在意的做法，终将被认知债务反噬。这与学生时代的学习异曲同工。比如数学或物理的例题，若只会照抄答案，后果不难想象。AI 也是同样的道理——你可以轻松获得结果，但如果对结果一无所知，或许能应付一时的交付，却后患无穷……长此以往，只会塑造出一批困在对话框里的人。

真正的强者，是那些善于学习的人，他们会让 AI 工具成为能力的倍增器，在与 AI 协作的过程中精于 know-how，使 AI 演变为自己的第二大脑。而那些懒人，每天只会 Chat，抱着手机刷短视频等待结果，终将遭到反噬。前者将成为 AI 时代的新型工程师，后者则极有可能沦为 AI 时代真正被淘汰的对象。