AI越熟练，你的技能越廉价

你让 Copilot 写一段数据库查询，SQL 能跑通，但你一眼就看出问题——生产环境那张表有软删除字段，必须加WHERE deleted_at IS NULL。你顺手补上，模型下次就不会再漏了。

很顺手吧？但那条 WHERE 子句是你经历过线上事故、翻过慢查询日志才积累的。你花钱买它的智能，又免费把自己的经验喂了回去。你敲回车的那一刻，它就学会了。

恭喜，你刚完成了一次无偿的知识转移。

微软 CEO Satya Nadella 上周在 X 上发了篇短文，叫 “The Reverse Information Paradox”——反向信息悖论。

他从诺奖经济学家阿罗 1962 年的经典悖论讲起：卖方想卖信息，得先让买方看一眼，买方看完就等于白拿了，风险在卖方。专利制度就是来堵这个漏洞的。

Nadella 说 AI 把风险方向掉了个头——现在冒险的是买方。你花钱买了模型，想让它好用就得往里喂自己的东西。你付了两次钱：一次订阅费，一次是你交出去的专有知识——后者才是让订阅费物有所值的代价。

对开发者来说这事更肉疼。你每天在 IDE 里接受、修改、拒绝 AI 的建议，每一次操作都是信号。你改掉一个变量命名，模型学到了你团队的命名规范；你拒绝一段生成代码换成自己的写法，模型学到了你的架构偏好；你在 code review 里纠正它漏掉的边界条件，模型学到了你踩过的坑。

一条 trace、一次纠正、一个 eval，就这么漏了出去。你用得越久它对你了解越深，而它从你身上学了什么，你几乎一无所知。

换个角度看：你在消费智能的同时也在生产智能。那份"变好"该归谁？

厂商拿"合理使用"原则训遍 GitHub 公开代码来造模型，转头限制你蒸馏它的输出，同时保留从你的使用数据里继续学习的权利。学习单向流动，经济价值就往基础设施所有者那里汇聚，写代码的人一分钱没分到——连个感谢邮件都没有。

你用了它的智能，不代表你的工程判断也得搭进去当赠品。

怎么办？三件事。

把你的标准沉淀在自己的地方。团队的 lint 规则、架构决策记录（ADR）、code review 标准、测试用例里的边界条件——这些是你定义"好代码"的 eval。写进团队 wiki、写进 CI 流水线，别只存在你和模型的聊天记录里。聊天记录是人家的服务器，不是你的保险箱。

方法论留给自己，别只喂模型。你踩过的坑、选型时的权衡、处理线上故障的 checklist——写下来变成团队资产，别只在 prompt 里一次性交代给 AI。模型会换代、会停服、会涨价，你的方法论跟着你走。

别绑死一个模型。今天 Copilot 明天 Cursor 后天又换一家，你还能带走你的工程能力吗？编排层解耦，eval 在手，换谁都能跑通。把鸡蛋放在自己的篮子里，模型只是帮你搬篮子的。

拼到一起就是你自己的学习闭环——标准、痕迹、方法论在你这一侧积累，模型是工具，不是你经验的终点站。

别让随手一改，变成一次免费交付。