标签： 个人成长

金句开头：AI 真正拉低效率的时刻，不是在它「不够聪明」的时候，而是在我们「不愿意好好给它设计工作」的时候。

---

一、那些让你怀疑人生的瞬间，其实很典型

如果你已经在工作中试着用 AI，一定经历过类似的画面：

• 想让它改个小需求，结果返回一坨完全不贴上下文的代码；
• 想让它写个 SQL，字段名、表名全乱，改到最后不如自己从头写；
• 想让它帮忙写一页文案，反复几轮都像「格式正确的废话」；
• 想自动生成测试用例，结果跑不过、覆盖率还不如自己手写几条。

那一刻你心里会冒出一句话：

「算了我自己写吧，和它折腾的时间早干完了。」

但如果你冷静拆一下，会发现一个残酷的事实：

绝大部分「AI 不如自己写」的时刻，本质上不是 AI 的问题，而是我们给它的「任务定义」太烂。

---

二、AI 最怕三种任务：模糊、混装、甩锅

1. 模糊：连你自己都说不清楚要什么

很多时候，我们给 AI 的任务是这样的：

• 「帮我重构下这个模块，让它更优雅一点」
• 「把这段文案改得有说服力一点」
• 「帮我优化下这个 SQL 性能」

问题是，「更优雅」「更有说服力」「更快」在不同人脑子里含义完全不一样。 你在心里有一个隐含标准，但从来没说清楚。

当任务定义是模糊的，AI 只是把你的模糊扩大成了一屏输出。

---

2. 混装：一口气塞一堆不同类型的要求

还有一种常见提问方式：

• 「帮我理解这段代码、找出 bug、顺便重构一下，再帮我写测试和文档。」

对人类来说，这是连续的几个步骤； 对 AI 来说，这是一条「结构混乱的指令」：

• 它不知道该优先干啥；
• 也不知道每一步的「Done 标准」是什么。

结果就是：四件事全做了点，但哪一件都不让人放心。

---

3. 甩锅：把本该自己判断的事扔给 AI

更隐蔽的一种情况是： 我们把自己不想面对的「决策」扔给 AI：

• 「你帮我选一个最好的技术方案」
• 「你帮我决定这个功能要不要做」
• 「你帮我评价这段代码写得好不好」

这些问题本质上都高度依赖你的上下文、团队现状、业务取舍。 AI 没法替你承担这些责任，它给出的只是一个「看起来合理」的意见。

当你想用 AI 替你做「你自己都没想明白」的决定时， 它当然「还不如你自己写」。

---

三、真正应该交给 AI 的，是哪一类工作？

我逐渐发现，有三种任务，交给 AI 划算到离谱：

1. 高重复、低判断

比如：

• 批量生成接口文档草稿；
• 为一堆函数补上注释；
• 根据现有代码生成初始测试用例；
• 把日志 / 异常堆栈整理成可读报告。

这类任务的特点是：

• 规则清晰；
• 好坏标准容易定义；
• 人类做起来很烦，但并不难。

这就是 AI 的甜蜜区：你负责设定规则，它负责机械执行。

---

2. 高信息量整理，而不是高精度决策

比如：

• 把一个长 PR 的变更点总结出来；
• 把几段需求讨论梳理成一份「决策备忘」；
• 把多个方案的优缺点汇总到一张列表。

决策权依然在你手上，但信息整理这一步完全可以交给 AI。

你不再需要从头到尾啃文档，而是可以在「结构清晰的摘要」之上做判断。

---

3. 用来「试探性探索」，而不是「最终实现」

比如：

• 让 AI 先帮你写一个「能跑的垃圾版本」，你再手工重构；
• 让它先写出几套不同风格的 API 设计，你选一套再优化；
• 让它生成几组不同角度的错误提示文案，你挑最顺眼的那组。

这时候 AI 更像一个「头脑风暴助理」， 帮你快速看到几个可能的方向，而不是直接产出终稿。

用它来「试错」和「扩展视野」，远比用它来「代替最终实现」靠谱得多。

---

四、让 AI 真正变好用，只需要三个小习惯

如果你已经有「交给 AI 还不如自己写」的挫败感，可以从这三件小事开始改：

1. 所有任务都先写一句「成功标准」

在每次开口前，先问自己一句：

「我怎么判断，它完成得好不好？」

然后把这个标准，翻译成 1–3 条具体的判断条件写进指令里。 哪怕是简单的：

• 「必须兼容现有这两个接口」
• 「不能引入新依赖」
• 「复杂度不能超过现在一倍」

这样 AI 至少知道，要往哪个方向优化。

---

2. 一次只让它做一件事

把「理解代码」「找问题」「提方案」「改代码」拆成几轮，而不是一口气全甩过去。

这不只是对 AI 友好，对你也好—— 你能在每一轮中逐步校正方向，而不是最后一次性发现「全跑偏了」。

---

3. 给自己写一份「AI 协作手册」

把你在工作中试出来的好 Prompt、好流程、好套路， 统一记在一个文档里（就像我们现在做的 SKILL-DIRECTORY）。

久而久之，你会发现：

• 你在用的已经不是「某个模型」，而是一套「方法论」；
• 换模型也没关系，因为你的协作方式是稳定的。

这时候，AI 才真正从「会时不时气死你」的玩具，变成「你可以信任的搭档」。

---

AI 解读

1. 问题抽象 原问题看似是在吐槽 AI 的不稳定输出， 实质是在问：

「在哪些任务上，用 AI 天然吃亏？我该如何调整使用方式？」

这篇文章没有停留在「罗列几个失败案例」的层面，而是：

• 先从任务定义和协作方式上拆因子（模糊、混装、甩锅）；
• 再反向总结出「适合 AI」「不适合 AI」的任务特征；
• 最后给出三个可马上实践的小习惯。

2. 与 Skill 体系的对应关系 文章隐含对应了你已有的 Skill 设计：

• skill.claude.workflows.designer
  • 用「工作流」的方式限制 AI 的职责和节奏；
• skill.openclaw.runtime.guard
  • 在长时任务中给 AI 行为加一道「守门员」；
• skill.blog.from-node
  • 把「写多篇博客」从手工任务，收敛成一个可复用的批处理 Skill。

这些 Skill 的共同点是： 不再把 AI 当成一个「万能回答器」，而是当成一个「被系统约束的执行组件」。

3. 可扩展方向 如果你后面继续写系列文，可以考虑：

• 写一篇专门拆解「真实失败用例 + 对应 Skill 改造前后对比」；
• 在 OpenClaw / 自己的工具里，把文中三条小习惯固化成一个「AI 协作 Checklist Skill」，每次调用前自动走一遍检查。

---

来源： 知乎问答：工作中，有哪些瞬间让你觉得「把任务交给 AI 还不如自己写」？ https://www.zhihu.com/question/2004183228873974976/answer/2008171738723263109

这几年，我越来越频繁地在身边看到一种人： 他们读过无数书，会用很正确的逻辑分析现实，知道“底层逻辑”“复利思维”“长期主义”，懂的道理比上一代人多太多——但现实生活依旧窘迫、焦虑、捉襟见肘。 他们就是那种被概括为 “高认知穷人” 的人。

这不是一个好听的标签，但却是一个极其真实的群体。 比“没认知的穷”，更让人难受的是：你知道自己为什么穷，却依然改变不了什么。

在阅读相关讨论时，我特别被几个点刺痛：

1. 信息极大丰富，但执行极度贫瘠。 他们明白“要做长期积累”“要专注一个方向”，但每天仍然在刷短视频、换赛道、追风口；认知停留在「理解层」，从未真正进入「实践层」。
2. 习惯用“理解世界”，替代“参与世界”。 讨论宏观叙事、结构性问题、体制与历史，比在自己手里那点可控资源上做事，要轻松多了。于是他们的精力，更多耗在了“看清形势”，而不是“做成一件小事”。
3. 用“我看得很清楚”，掩盖“我其实不敢赌”。 你会听到类似的话： “这条路风险太大了。” “现在流量红利已经过去了。” “平台规则说变就变，小人物根本没机会。” 这些判断很多并不假，但把所有可能性都提前否掉，本身也是一种奢侈的失败方式——你甚至连真正试一次、赌一次的机会都不给自己。

我越来越相信：

真正把人困死的，不是认知低，而是认知与行动的巨大落差。

在技术圈更是如此。你会看到一批人：

• 能清晰讲出大厂架构演进史
• 理解 AI、云、SaaS、个人开发的趋势
• 知道独立开发、做产品、做内容是条路

但他们真正做的事，可能只是：

• 每天刷招聘、刷裁员新闻
• 在评论区高强度输出“行业观察”
• 下班后打开 IDE 重构一个永远不发布的 side project

高认知穷人最致命的点，是把“看透了”当成了“做过了”。 而现实只认结果，不认洞察力的段位。

我也不得不承认，自己有很长一段时间，就是这样的状态： 知道要打造可复用的组件库，却总在评估技术栈； 知道要写公开文章，却老觉得“这篇还不够好”； 知道要走出公司体系，却习惯性地在岗位安全感里消耗时间。

直到有一天，我被一句话击中：

如果你的认知足够高，却依然穷，那你的认知一定有一块是假的—— 不是知识本身是假的，而是 你对“自己会行动”的自信，是假的。

从那之后，我强迫自己做了几件看起来“很笨”的事：

• 固定时间写东西，不管有没有灵感。 哪怕一篇只有一个清晰观点，也要发出去，让它面对真实世界的反馈。
• 用小额、可承受的代价去尝试项目。 不再幻想“一上来就做成一个能月入过万的产品”，而是先做一个能在线跑起来、有人真正用的小工具。
• 少看“时代的困难”，多看“手边可动的小杠杆”。 刻意压缩自己浏览宏大叙事的时间，把它让给一件件可以完成的微小任务。

慢慢地你会发现，所谓“高认知穷”，也许并不是认知太高，而是：

• 你把太多精力用在理解别人世界的复杂，
• 却用太少精力，来简化自己人生的下一步动作。

真正有价值的“高认知”，不是：

• 对社会结构有多深刻的洞见，
• 对人性多悲观或多透彻，

而是：

• 你知道自己资源有限，但依然敢规划一个 3 年可行的小目标；
• 你接受自己普通，但依然肯为一件事付出高密度的行动；
• 你明白环境不完美，但依然在不完美中寻找具体可落地的突破口。

高认知如果不能转化成“高行动”“高复利”，那只是更清醒地看着自己继续下沉。 这不是我们学习和思考的初衷。

我给自己，也给同样处在这种状态的人，留三句提醒：

1. 别再追“更聪明的说法”，先追“更笨但完成的动作”。
2. 别再收藏一堆“认知提升”的文章，先把一篇变成一条可执行清单。
3. 别再为“看得懂大局”自我感动，世界只会为你真正做出来的东西让路。

如果有一天，我们不再被归类为“高认知穷人”，原因大概不会是认知又涨了多少，而是： 我们终于把那一点点看得清楚的地方，狠狠地做进了现实里。

---

来源： 相关讨论与案例：https://www.zhihu.com/question/648442274/answer/1968559441755472673

这两年，我越来越强烈地感到：开发者工具的价格，从来不是决定我们生产力上限的那个变量。 JetBrains 宣布对个人免费，看起来像是一个时代的胜利——正版终于把盗版彻底挤死了；但如果冷静想一想，这更像是另一个时代的开始：开发者从“缺工具”时代，走向“缺方向”“缺定力”的时代。

曾经，我们会为了一套 IDE 咬牙掏钱，或是到处找破解，这背后至少说明一件事：

我们真的在乎「把时间花在写代码」这件事本身。

现在，一切都免费了：编辑器免费、AI 辅助免费、云端环境免费，甚至「学习路线」都有人帮你画好了。但你会发现，真正赚到钱、做出作品的人，跟工具免费不免费，关系已经越来越小。

我想到一个残酷的事实：

很多以前用盗版 JetBrains 的人，就算今天给他全家桶终身授权，也依然不会突然变得高效、富有、清醒。

原因很简单——生产力从来不是装在软件里的，而是装在人的脑子和系统里的。

这一点，其实也是 JetBrains 免费这条新闻带给我的最大触动： 当工具成本归零，你就再也不能拿“工具差”当借口了。

真正该被拷问的问题，变成了：

• 你到底在用这些顶级 IDE 做什么？
• 你是在写自己能复用、能变现的资产，还是在帮别人的 KPI 熬夜？
• 你会不会只是在用更高级的工具，继续过着“复制粘贴人生”？

很多人可能会说：

“免费不是挺好吗？至少降低了入门门槛。”

是的，门槛是降低了，但竞争也被抹平了。 以前你能靠“会装环境、会用好一点的 IDE”占点便宜，现在所有人起步都是 IntelliJ + Copilot + 一堆插件，这意味着：

• 差距彻底只剩下：你做什么、你坚持多久、你能否做成闭环。

这件事也逼着我重新思考： 如果工具都不再是问题，那我还在纠结什么？ 我发现，自己过去几年最大的浪费不是：

• 不是没用上最好的 IDE
• 也不是没跟上最新的框架
• 而是：花了太多时间在“看起来很忙”，却不沉淀任何作品。

我开始反过来问自己三个问题，也分享给你：

1. 如果 IDE 永远免费，我最应该投资的是什么？ 也许是：能被搜索引擎发现的内容、能被重复购买的产品、能被自动运行的系统，而不是下一个花哨的插件。
2. 如果未来十年写代码这件事越来越“不稀缺”，我有什么东西是 AI 和低代码替代不了的？ 可能是对业务的洞察、对人的理解、对长期复利的耐心，而不只是“会写某种语法”。
3. 如果工具都已经顶配，我还在原地打转，那问题只剩一个：我到底在逃避什么？ 是害怕作品不完美所以迟迟不发布？ 是害怕没人看、没人买，所以宁愿躲在 IDE 里重构一万次？ 还是根本不敢承认自己其实并不想承担结果，只想沉迷于“好像在努力”的幻觉？

说到底，JetBrains 免费，更像是一面镜子： 它照出的不是一个“福利时代”，而是一个再也没法把责任甩给工具的时代。

我们失去的是：

• “我没钱买正版，所以才怎样怎样”的心理缓冲区
• “环境没配好”、“工具不给力”的廉价借口

我们得到的则是：

• 一个赤裸裸的事实：你现在的产出，就是你真实的选择。
• 一个更残酷但也更公平的世界： 工具几乎对每个人都一样好用，差别只剩你敢不敢把它用在真正重要的事上。

所以，对这条新闻，我最终的感受只有一句话：

祝贺我们再也不用为 IDE 花钱了。 但也提醒自己：如果再不为自己的“作品”和“系统”花时间，那才是真正昂贵的代价。

---

来源： 原始新闻与讨论：https://zhuanlan.zhihu.com/p/2003302043692074469