又是遛狗的早晨，佩八照例到处撒欢，我照例边走边想事情。 最近越来越觉得，AI能帮我做的事情太多了。工作上，我把标准、要求放进一个 Project （项目）里，让 Claude 去学习，告诉它我要什么样的输出，配好 instruction（指令），它基本就能交付。 但随之而来一个问题：如果都交给AI做，我岂不是少了很多学习的过程？ 比如一些新标准、新要求，我直接丢给AI处理，自己是不是就跳过了掌握它的环节？理论上，你当然可以让AI先帮你解读一下，然后自己记下来。但人就是懒——很多时候真的就直接让AI去干了。 这就引出一个更深的问题：哪些东西你需要学，哪些可以托管给AI？ 如果全部托管，你的 contribution（贡献） 在哪里？换一个人用同样的工具，也能做到一样的效果——那你的价值是什么？ 但我觉得这就像算盘和计算器的关系。有了计算器之后，算盘的知识就没那么必要了。关键不是死守旧技能，而是想清楚新时代下什么才值得投入时间。

我的初步想法

有些东西真的不用再学了。比如冗长的说明书、公司的政策文件细节、产品手册——这些让AI去处理就好，你省下时间去做更重要的事。 学什么要根据兴趣来。我之前学吉他，能弹几首喜欢的歌。你说现在电脑都能作曲了，还有必要学吗？我觉得有。因为学习的过程本身就很有意思——你要知道自己在哪个水平，找到卡住你的难点（比如吉他的横按，我到现在都不太行），然后不断突破。这个体验是AI替代不了的。 真正要学的是构成”你”的那些东西。Sense、taste、insight——你的审美、直觉、洞察。

乘法模型

我现在的理解是这样的：你的综合能力 = 你的现有能力 × AI的放大倍数。 左边是你的底子——技能、审美、洞察力、经验。右边是你和AI的配合度——你选什么工具、怎么调教、上下文给得好不好。 AI确实是个放大器。如果你的能力是1，乘以10，也就是10。但那些能力本来就是10的人，一旦开始用AI，直接就是100。 短期内，右边的差距可能很大——有人会用AI，有人还不会。但长期来看，大家都会用上最好的AI，右边的差距会越来越小。最终决定差距的，还是乘法左边——也就是你自己。

写在最后

到底该学什么？说实话，我今天也只是第一次正式聊这个话题，这些都是初步想法，还会继续探索。 我们都在面对未知。AI会变成什么样，社会会变成什么样，没人说得准。我们能做的，就是根据自己的判断，选择学什么、体验什么、和什么样的人交流。 我的公众号一直在做的，就是分享这些思考和实践，把我眼中的世界带给你。如果你有自己的想法，欢迎留言——输出本身也是一种学习和思考。 明天见。