AI时代如何安置年轻人
近两年，关于人工智能与青年就业的探讨愈发火爆。不少人忧虑，AI将取代年轻人的工作。AI对年轻人的冲击，或许是一种误解。并非年轻人天生脆弱，而是长久以来，许多组织交给新人的，正是那些流程标准化、模板化，最易被模型接管的工作环节。AI的出现，迫使我们要思考：哪些岗位适合人？哪些岗位适合机器？往昔，职场让年轻人充当“AI”过去很长一段时间，职场默认了一套近乎不可更改的成长法则：新人先从低端、零碎、重复的事务干起，先整理、先搬运、先执行、先服从，先熬资历，再谈发展。表面看，这是在练基本功；实际上，很多时候只是把年
AI热潮下，赚钱没你想的那么简单
简介：看好AI，和靠AI赚到钱，是两件事。商业财经自制视频播客《人生beta版》第一集上线。UP主所长林超x经济学家付鹏xUP主投研部杨摸鱼，一起讨论这轮AI科技的产业周期和市场规律。在录制的时间节点就已经警告科技行情回调的付鹏老师还分享了哪些对市场的判断？在长期关注技术发展与基本面研究的所长林超看来，AI 产业投资的现状和未来趋势是什么？ AI会替代我的工作吗？ 我们又该如何面对所谓AI时代的发展机遇？
AI搜索安全争议频发，孩子用AI最缺的是陪伴判断
AI搜索安全争议越来越多后，我才明白：孩子用AI最危险的，不是会用，是没人陪他判断AI已经进入孩子的作业、搜索和好奇心之中。家长如果只懂得说“不准用”，孩子最先学会的，可能不是自我约束，而是偷偷用。新工具无法阻挡，真正需要加强的，是家庭里的判断力和界限感。41岁的陈知是在检查作业时发现问题的。12岁的儿子平时写语文题，总是句子短、用词简单。那天的阅读题答案却十分完整，甚至有点像成年人写的。她盯着那几行字，越看越不对劲。不是因为写得差，而是写得太好了。她问：“这是你自己写的吗？”儿子低着头，小声说：“我让A
AI写用例泛滥，谁来判断真假？三份报告揭示测试新核心
今日精选聚焦FunTester的Agentic SDLC分析、百度开发者平台的Harness Engineering实践与PractiTest的Testing Intelligence趋势。三家不约而同指向同一趋势——测试人的核心价值正从"编写用例"转向"甄别质量"。团子为你梳理今日AI测试圈动态，以下内容值得深入阅读。7月20日，FunTester在TesterHome发布《给测试看的Agentic SDLC》，基于Anthropic最新Agentic Coding报告，
SQL 开始调用 AI，但 AI 写 SQL 尚未成熟
假设你要分析一批产品评论：哪些是负面评价？用户抱怨的是物流、质量、服务，还是价格？以前，分析师往往先从数据库提取评论，在独立环境中进行情感分析和分类，随后将结果回填至数据库。如今，仅需一条 SQL 语句即可搞定：第一步用 AI 函数判定情绪，第二步将投诉归类至物流、质量、服务或价格等板块。这些功能还能与常规的筛选、连接、聚合等 SQL 操作无缝结合。这种查询被称为 AI-native SQL，即“原生调用 AI 能力的 SQL”。Snowflake、BigQuery 和 Databricks 等云数据平台
AI 赋能软件工程：代码生成易，决策判断难
如今，若将相同的需求交付给 Claude Code 或 Codex 等人工智能工具，数分钟内即可构建出项目框架，数十分钟便能完成功能开发，甚至一并补全测试用例与相关文档。表面上看，程序员似乎终于能从繁重的编码工作中解脱出来。然而，一个新的挑战也随之浮现：当代码能够被快速且批量地生产出来时，软件开发领域真正稀缺的资源究竟是什么？答案或许并非代码本身，而是判断力。往昔，代码一直是软件开发中成本最高的产物。编写代码耗费时间，修改代码涉及成本，而理解庞大的代码库更需长期的经验积累。因此，我们曾将代码视为系统最核心
AI浪潮下，这三类人永远不会被取代——你属于哪一类
这几天，世界人工智能大会刷爆了屏幕。“数字员工”正式上岗，给AI分配工号、设定岗位、考核绩效；有消息称，出现了“首个被AI做空的国家”。评论区里最常出现的一句话是：糟了，我这职业是不是要完了。你先别急着缴械投降。每次技术浪潮袭来时，都有一群人高喊“这下要失业了”。可真正被淘汰的，从来不是被机器替代的人，而是那些固守原地、跟机器争同一份工作的人。这个道理，荀子在两千三百年前就说透了——君子生非异也，善假于物也。君子跟别人没什么不同，只是擅长利用工具。懂得借势的人，从不跟工具较量力气，他站在工具的肩膀上。所以
AI真正淘汰的，是把责任外包的人
职场洞察·2026最该警惕的，是把思考、判断和担当全部交给AI的人当速度成为标配，判断才是稀缺资源。上周，一位做运营的朋友老周给我展示了他们组新提交的一份方案。三十多页。封面简洁，目录完整，竞品分析、用户画像、增长路径、风险预案，一应俱全。排版甚至比他们公司自己的模板还规范。老周说，那位同事只花了二十分钟。我正要感叹“现在的年轻人效率真高”，老周把文档翻到第十二页，问了一个特别简单的问题：这个增长率是怎么算出来的？对方愣了几秒，回答：“这是AI给的。”会议室瞬间安静了。那一刻我突然觉得，这五个字比任何关于
人工智能浪潮下，学什么才能保值增值？
如今，人工智能技术正以惊人的速度席卷全球，学习AI成为热门趋势，但许多人走入了歧途：一味钻研各种AI工具的操作方法，误以为精通工具就能在智能时代立于不败之地。实际上，AI最擅长执行、检索、产出和运算，这些根本不是人类的优势所在。在AI时代，真正能拉开个体差距、永不过时的，是四种AI无法模拟的人类底层核心素质。AI只会被动回应，无法主动界定问题。面对相同的AI工具，普通人只能抛出模糊、表层的疑问，得到的也是雷同的平庸结果。而高手善于剖析需求、抓住要害，通过精确的提问引导AI输出优质成果。说到底，一个深刻的好
AI无法取代的独有价值
AI无法取代人类价值。高善文去世后，悼念文章常提及“不可替代”，然而2023年高盛的报告揭示：金融分析正面临生成式AI的严峻挑战。 真正的差距在于两类分析师的工作方式截然不同。 侧重模型的分析师处理财务报告、估值及数据整理，产出Excel和标准报告。这类工作高度依赖模板，AI替代相对容易。 侧重判断的分析师则负责研判经济大势、捕捉周期拐点、发现市场系统性错配。这类工作极难标准化——它要求在信息不全、数据冲突时，给出只有该分析师才具备的独到见解。 高善文正是典型的判断型专家。2006年3月，上证指数仅125
人工智能学习心得
智能技术应用感悟 AI工具探索笔记：从"操作"到"驾驭" 过去六个月，我逐步体验了豆包、即梦、剪映、Kimi、海绵音乐等智能工具，从初期的新奇尝试，到如今将它们整合进日常工作，这段经历让我对"人工智能"有了深刻体会。 豆包是我最先使用的通用助手。最初我只视它为高效搜索器，直到一次让它协助整理一份长篇调研报告——它不仅完成信息归纳，还主动揭示了我原稿的逻辑漏洞。那一刻我才明白：AI并非思考的替代品，而是推动思维严谨的映射器。学会向它提出明确问题，本身就是对认知
人工智能映照自我内心
读到一篇文章，感慨颇深，其主要观点为：人工智能犹如一面镜子，映射出我们头脑中的思维是否明晰。人工智能输出的精准程度，并非单纯由模型决定，在很大程度上取决于使用者是否清楚自身所需。不少人借助人工智能，是企图将思考过程转嫁出去，迅速获取某种定论。然而经过长时间使用便会察觉，人工智能并未真正替代思考环节。恰恰相反，它会把那些原本潜藏于脑海中的含混、迟疑与自我冲突，全部推到明处。日常情境下，我们时常能够凭直觉做出判断：“似乎哪里不对。” “大致应该可以。” “等以后再说。”这类表述已足够让我们暂且绕开棘手问题。但
研究揭示：AI协作效能的关键不在工具，而在使用者的实力
最近我的各种AI群聊又沸腾了。起因是一家大公司推出了新一代模型，基准测试成绩霸榜，许多人连夜掏钱订阅。也有朋友截图来问：这个新模型问世，我是不是该把现在的助手换掉？说实话，看着满屏“选哪个AI最好”的争论，我脑海中全是今年七月刚发表的一篇论文。读完它，你会觉得我们很多人可能都白费力气了。论文标题很直白，叫《决定人机协作效果的，不是AI有多强，而是人有多强》（Human Capability, Not AI Benchmark Scores, Predicts Human-AI Collaboration
AI时代最珍贵的养育：不是教孩子用AI，而是帮他找到自己
深圳七月的傍晚，闷热难耐。公众号沉寂了两周，并非无话可说，而是总觉得还没到能静心表达的时刻。前些日子，一位朋友发来她和女儿的聊天记录："现在回想起来，填志愿那阵子很多同学都用AI辅助选学校和专业，生成了一大堆方案。看起来都没毛病，但是……我也说不清，就是觉得那些理由都对，可好像不是我的。"朋友说孩子说完就去吃西瓜了，她却辗转思考了一整晚。我看了很久。不是这话有多深奥——而是它说的，恰恰是我这段时间反复琢磨的事。当时"AI填报志愿"风头正劲，我心里始终有个想法：AI能帮孩子算
智能时代的生存法则：普通人如何成为AI驾驭者
面对人工智能的冲击，关键在于把握一个根本原则：AI大规模取代的不是“人类”，而是“流程化”——无论能力高低，只要任务可分解为标准步骤，就有被替代的可能。从这一原则出发，可从五个维度构建你的应对框架。先理清底层逻辑，后续策略才有扎实依据。生产力维度：AI是史上首个直接取代和增强“决策与认知”的工具。以往工具是“肢体的延伸”，AI则是“思维的延伸”。这表示，生产力瓶颈从“我不会操作”转变为“我不清楚该做什么”——你的价值愈发取决于你提问的水准，而非你掌握的技艺数量。生产关系维度：智能的边际成本正迅速下滑，“认