AI智能体时代：打破思维定式

往昔的IT行业受摩尔定律主导，约每两三年便经历一次技术革新。刚入行时，服务器需逐台部署，代码逐行编写，指令逐行输入，即便如此，彼时已是全行业技术迭代最迅猛的时期。那时常感焦虑，唯恐稍一疏忽便落后于技术潮流。然而步入AI时代，技术迭代频率已缩短至季度级别，问题已从“能否跟上”转变为“是否还能学”，因为学习进度稍慢或停滞，下个月便可能面临新技术对现有技术的全面替代。

AI技术的迭代速度已远远超出传统认知范畴，无人敢断言下个月不会涌现出能力惊人的新模型，或突然出现如“harness”、“loop”等晦涩难懂的全新术语。

(一)

近一年来，无人驾驶出租车逐渐进入公众视野，其中以“小马智行”最为常见。这类无人驾驶车辆悬挂白色底车牌，驾驶座无驾驶员，取而代之的是挡风玻璃前的一块液晶点阵屏，屏幕上显示笑脸图案及“无人驾驶运行中”字样。

每当在路上目睹这类车辆行驶，驾驶座却空无一人，难免令人感到些许惊悚。

(二)

某日同事将华为堡垒机的Web控制台与Chrome结合CDP接入Claude Code，随着提示词输入，命令自动通过stdin/stdout执行，屏幕瞬间开始飞速滚动。

试想，若深夜办公室漆黑一片，仅亮着这般屏幕，无人操作却见代码自动运行，妥妥的恐怖片场景，不禁心生畏惧。

(三)

在许多夜深人静进行“vibe coding”的夜晚，输入提示词后，目睹AI Agent弹出一个个问答、一段段代码，常会恍惚间难以相信面前这台机器竟能如此神奇地理解需求，直接生成所需代码，而背后驱动的却仅是无数符号的概率权重。这种感觉既不可思议，却又真实发生。

汽车需司机驾驶，无人的车辆自行移动，违背直觉，故令人惊悚；

屏幕指令需人工敲击，无人操作却见自动输入，违背直觉，故令人恐惧；

电脑Agent能理解你的想法、感受你的情绪，并精准反馈，违背直觉，故令人难以置信；

这一切皆源于思维定式的作祟。

传统观念认为，开车必须有司机，终端输入命令必须有人在场敲键，而“懂你”绝不可能源于背后的字符权重。过往经验告诉我们，这些绝非正常现象。

然而在AI时代，昔日不可能之事已变为现实。欲跟上日新月异的AI浪潮，首要任务是革新自身认知，打破旧有局限；

有人称AI时代为人类第四次工业革命，我们正站在此革命的前夜。恰如20世纪初人们首次目睹汽车时，彼时人们对这一新事物充满惶恐，或许永远无法预料汽车将彻底改变人类生产生活方式，重塑整个社会结构。

关于第四次工业革命，强烈推荐阅读此文：

https://mp.weixin.qq.com/s/jibkGdC8ry_amIOZtL2jTw

其中令我印象最深的是以下两段：

用“马车时代”的思维模式去理解“汽车社会”，即是一种思维定式。如今的AI时代与“汽车初现”时期极为相似，同样存在诸多思维定式。

从我实际体验来看，主要存在以下几种：

在AI时代，代码已不再稀缺，一个Agent顷刻间即可生成海量代码。Token自由之后，代码焦虑将不复存在，“开发不再难”之后，应学会用Token打磨专属工具；

曾见网络安全领域有一基于OpenCRAWL的开源工具，仅作浅层封装，却在用户群中聚集数百人，每日均有不同用户向作者反馈运行问题，小到前端字体调整，大到配置错误导致系统无法启动。

表面看，这些用户借助最新AI工具提升效率，却未意识到他们可利用AI自主改造工具，使其更契合自身需求。

在传统思维中，开发系统，尤其是专业领域系统，耗时耗力。因此，面对需求时首先考虑是否有开源方案，一旦契合便立即采用，所有功能更新与Bug修复皆等待作者发布。

但AI时代已至，为何仍依赖项目作者更新程序？

在Token时代，你即是产品设计师、开发者与运维人员。无人比你更懂自身需求。在AI加持下，编程开发已非难事，尤其在代码完全开源的情况下。与其苦苦适应程序等待他人新增功能或修复Bug，何不尝试让程序适应自己？

强调这些并非不尊重开源作者，亦非鼓励用户停止贡献代码。如今AI之所以能编程，皆源于数十年开源作者用爱发电积累的语料训练，是全人类智慧的结晶。

“开源未死，只是活在另一个维度，存在于AI的每个激活参数中。”

普通用户可借助AI能力站在前人肩膀上，创造更多更优的程序，打磨工具以更好适配工作，而非受制于程序原有功能。若固守“程序难以开发”的思维定式，将限制真正生产力的释放。

“人人皆开发者”已非玩笑，不再是“人适应程序”，而是将“程序打磨为个人专属工具”。

当然，项目若不止步于Demo阶段，用户需具备一定技术基础。我始终认为，作为IT技术人员，即使在AI时代，编程开发能力依然不可或缺。AI可守住能力底线，但个人编程基础与架构设计能力才决定能力上限。

当Token不再令人焦虑，各类需求便接踵而至，昔日不可为之事如今似乎皆可实现。于是脑洞大开，每日与AI畅聊，深陷“vibe coding”无法自拔；

然而，那些曾因技术或时间不足而搁置的项目，如今是否真的有必要落地实施？

就我个人而言，近年深耕DFIR领域，公众号曾撰写多篇关于Velociraptor的文章。毫不夸张地说，我认为Velociraptor是网络安全领域最贴近企业实战场景的事件响应与调查工具，其社区、组件及生态相当完善，除简陋的前端页面外，几乎可打满分；

AI出现后，我第一时间想到：“终于有办法解决这前端顽疾，让AI帮我搞定我最薄弱的页面”，于是迅速输出代码。当代码能力鸿沟被跨越后，修改随心所欲，效果页面如抽卡般接连生成，一周可重构多次。没事，开几个分支，合并最美观的那一支。同时忙着优化API、封装MCP、构建Skill，每日目睹昔日不可为之事皆可实现，不禁大喊：AI牛逼！

直到某天，我将堡垒机也Skill化，封装了执行命令及上传下载功能，接入Agent后，在Agent指挥下完成完整事件调查流程，甚至直接生成完整溯源报告，全程未涉及Velociraptor。那一刻，我突然意识到基于Artifacts VQL的最佳实践在AI时代是否仍具价值。那个曾让我奋斗数年的Velociraptor，刹那间似乎不再那么重要。

Velociraptor之所以好用，基于一个隐含前提：“为每个调查场景编写脚本耗时且环境差异大，需固化沉淀常用方法论以提升效率”。但在AI时代，此前提已不成立。AI可实时推理、快速生成命令、即时获取解析结果、持续调整调查方向并不断尝试直至达成目标。命令加文件比Artifacts VQL更高效直接，为何还要绕弯让AI学习Artifacts定义与VQL语法来完成本可用一个脚本完成的任务？

我此前的一番重构是否还有意义？曾经隐含前提的“问题”已不存在，是否还有必要去解决它？

那些昔日悬而未决的项目，在AI时代来临前，不妨先思考：昔日非AI时代的问题，如今是否依然存在？

AI最反直觉之处在于其具备“决策”能力，这是人类从未赋予人造物的特质，尤其是当前AI具备泛化决策能力。于是人们尝试将AI置于原本需人决策的位置，混淆“人的流程”与“AI的流程”边界，一旦发生问题，便将责任全推给AI，称其为危险源头。

AI是工具，如同汽车。汽车扩展了人类活动范围，但亦会引发车祸，不能将车祸全归咎于AI。车由人控制，故人才是责任主体；即便当前无人驾驶引发车祸，责任亦应由背后运营公司承担，因其未做好车辆运行状态监控（此为狭义比喻，非绝对准确，理解大意即可）；

AI替人类做事，但这些事由谁安排，责任方即为谁。工具无好坏之分，关键在使用者。

当前情况下，AI一旦出错便被揪住不放，今日说某AI删除用户文档，明日又指其犯下蠢行。此类操作事故真正应反思的是AI使用者：是否赋予AI过大权限？是否有兜底措施等？

我承认AI会犯错，但一味放大其错误毫无意义。仿佛人类从不犯错一般。昔日无AI时，亦听闻运维人员误删数据库跑路之事。作为碳基生物尚会犯错，作为硅基体的AI为何不能？这是否过于双重标准？

写死脚本永不错误，但也永无进步。强哥曾言：“浪越大，鱼越贵”。风险多大，收益便多高。既欲收益又惧风险，绝无可能。使用AI可能伴随风险，但亦可获取更高收益，关键在于使用者是否真正衡量投入产出比。

回到前述，让AI接管流程虽存风险，但将AI置于流程中的责任人应承担相应责任，同时享有AI带来的收益。人作为主体应具备权衡风险与收益的判断力，明确何处应由AI决策、何处应由人决策，边界必须清晰。若将本应由人决策的节点交由AI，将无限放大风险；若将本应由AI决策的交由人，则将无限降低效率。

权衡风险与收益，方为AI之道。

严格而言，这并非思维定式，而是过度乐观与盲目自信。

有一篇文章题为《请行长不要过分关注AI》，其中写道：

原文可查阅：https://mp.weixin.qq.com/s/yYI8z_xU65v68eL2VeySMA

AI时代，出门聊天若不提及ChatGPT、Anthropic、Claude Code等，便觉难以与人寒暄。企业内部更为严重，全员AI，无论是否使用，甚至每周“智慧表格”功能使用次数竟成考核指标，实属诡异。

“当某一指标变为考核指标时，它便不再是好用的指标。”此言如洪钟大吕，振聋发聩。

当AI沦为考核指标，“为了AI而AI”时，那并非“紧跟时代浪潮”，而是在“浪潮中溺水”。

因此，各位老板、决策者们，能否冷静深思？

困倦了，就此搁笔。

（全程手动敲击，除封面外，无AI参与）