技术人的破局之道:把流程沉淀成作品,用作品锻造选择权
说是吃饭，其实也没吃几口。那家店空调温度有点低，锅里的汤都快见底了，他筷子搭在碗边，一直没动过。
他突然开口问我：你觉得，我这种做技术的，以后还有没有继续卷下去的必要？
我一开始没接话。
因为这个问题太常见了。
这两年，很多技术人嘴上聊的是AI，心里惦记的是生计。更准确地说，是一种难以言说的失控感：以前你清楚自己该怎么努力，刷题、学框架、熬项目、攒经验，路虽然累，但大致还能看到方向。现在不同了，工具一夜之间变得非常能干，连「我很熟练」这件事，都没以前那么值钱了。
朋友说，他最近最受刺激的一次，是组里来了个年轻同事。
业务不算熟，代码也谈不上多老练，但他把AI用得很溜：需求先让工具拆一遍，接口文档先生成草稿，单测边写边补，连排查线上问题时都让AI帮他整理时间线。
「我当然明白他不全是靠AI。」朋友说，「但老板看到的是，他一个人推进得很快。」
这句话有点扎心。
但说实话，很多技术人的焦虑，不是怕AI明天把自己替掉。
是怕公司突然发现：原来我没那么不可替代。
我以前也犯过类似的错误。
前些年带团队的时候，我很喜欢那种「特别能扛事」的人。需求来了不抱怨，线上出问题能半夜爬起来，文档没人写他补，测试漏了他也帮着兜。
当时我觉得这就是靠谱。
后来有一次项目复盘，我被一个小问题难住了。
我们连续三次在同一个模块上延期。每一次原因看起来都不一样：第一次是需求变更，第二次是联调卡住，第三次是上线前发现数据口径不一致。大家复盘时也都很认真，写了不少「加强沟通」「提前评审」之类的话。
但下次还是老样子。
那天会开到晚上九点多，会议室的白板上全是箭头和圈。我有点烦，随口问了一句：「如果这个坑下个月还会出现，我们现在写的这些总结有什么用？」
没人说话。
后来是一个平时不太爱表现的同事，把需求入口、接口依赖、测试口径、上线检查拆成了四张表。表做得不漂亮，甚至有点土，但真的很管用。后面几次上线，问题少了很多。
那次之后我慢慢明白，职场里有两种价值。
一种是把今天的活干完。
另一种是让明天少一点烂活。
以前公司人多、节奏快，第一种价值也能撑很久。可AI出现后，基础执行会越来越便宜，很多「我很熟练」的工作，会被工具稀释掉一部分。
真正危险的不是AI来了。
真正危险的是，你的价值一直停在「我能把任务做完」。
我不喜欢把AI描述成洪水猛兽。
世界经济论坛2025年就业报告里提到，到2030年，全球岗位结构会继续变化，新岗位会出现，也会有岗位被替代；AI、大数据、网络安全这些技能会更重要。微软今年的工作趋势报告也在讲，人和AI agent协作会越来越普遍。
这些判断当然值得关注。
但对普通技术人来说，报告再大，最后也会落成几个很小的问题：
如果公司要缩人，我是不是那个无关紧要的人？
如果现在这个岗位没了，我能不能去别的地方继续挣钱？
如果我不想再熬夜救火，有没有能力换一种活法？
这就是选择权。
选择权不是「永远不被裁」。
说实话，没人能保证这个。
选择权是环境变了，你还有别的牌可以打。
以前很多技术人的牌，是某个框架、某个系统、某段业务经验。它们有用，但也容易被绑定在一家公司、一个岗位、一个时期里。
AI时代更值钱的牌，反而没那么花哨。
你能不能把问题讲清楚。
你能不能把混乱流程拆开。
你能不能判断哪些地方该自动化，哪些地方不能交给工具。
你能不能把做过的事情沉淀成文档、模板、脚本、案例，甚至一套别人也能用的方法。
这些东西听起来不酷。
但它们能迁移。
我见过不少人用AI，用得挺勤，但方式很碎。
报错了问一下。
SQL不会写问一下。
周报懒得写，让它润色一下。
这当然没问题，我自己也这么用。
但如果只停在这里，说白了，你只是多了一个更快的搜索框。
真正拉开差距的，是把AI接进自己的工作流。
比如你是后端，就别只问「这段代码怎么写」。你可以让它在需求评审前帮你列边界条件；写方案时帮你反推风险；提交代码前帮你扫异常处理、日志、回滚策略；项目结束后帮你把复盘整理成SOP。
注意，我说的是「帮你」。
不是「替你」。
这点很重要。
AI能生成很多东西，但它不知道你们公司那个历史包袱为什么存在，不知道某个接口背后藏着哪个部门的妥协，也不知道线上出了问题谁来担责。
这些判断，还是人的事。
所以普通技术人不要迷信工具，也不要抗拒工具。
更好的状态是：你负责判断，AI负责把低价值的重复劳动压下去。
你把省下来的时间，用来理解业务、设计流程、沉淀经验。
这才是杠杆。
如果你问我，现在普通技术人该怎么做，我不会建议你一上来就去追所有新东西。
太累，也追不完。
我更建议从一个很笨的动作开始：
找一个你每周重复三次以上的工作，把它做成固定流程。
别小看这个动作。
你可以从需求评审清单开始。每次评审前，让AI帮你列一遍：异常场景是什么，数据口径有没有歧义，哪些接口会被影响，哪些地方需要回滚方案。
你也可以从代码提交清单开始。不是让AI替你写，而是让它帮你检查那些容易漏的东西：日志、边界条件、权限、性能、兼容。
再或者，从项目复盘开始。
每做完一个项目，逼自己写五句话：
当时真正的问题是什么？
我为什么选这个方案？
中间哪个判断错了？
结果怎么验证？
下次能不能复用？
这五句话写多了，你会发现，自己不是在写复盘。
是在给未来的自己攒筹码。
以后面试也好，晋升也好，转型也好，你终于不是空口说「我参与过很多项目」，而是能拿出一个个具体案例。
这就是作品。
技术人的作品，不一定非得是一个很大的开源项目。一个脚本，一个模板，一篇复盘，一套工作流，只要真的解决过问题，就算。
那天吃完饭，我朋友问我：「那我是不是也得赶紧去学大模型？」
我说，可以学，但别把它当救命稻草。
因为焦虑的时候，人特别容易做一件事：收藏很多教程，报很多课，打开十几个页面，然后感觉自己已经在努力了。
但三个月后，除了更累，什么也没留下。
我自己也犯过这个毛病。
后来我意识到，真正能给人安全感的，不是「我又学了一个新名词」，而是「我做出了一点可见的东西」。
AI时代，普通技术人当然要学工具。
但更重要的是，把工具变成自己的流程，把流程变成作品，把作品变成市场能看懂的证据。
公司可以调整岗位。
行业可以改变分工。
工具也会一代代更新。
这些我们控制不了。
我们能控制的是：别让自己的价值只停留在某个工位、某个系统、某个老板的评价里。
AI时代最该保住的，不是某一份工作。
是你离开这份工作以后，依然有路可走的能力。
这才叫选择权。
参考资料：World Economic Forum《Future of Jobs Report 2025》、Microsoft《Work Trend Index 2025》、McKinsey《Superagency in the workplace》。