AI给我的,不只是效率,还有推倒重来的自由

今天我把跑到一半的巴菲特知识库整个删掉了。

删完之后，我没有懊恼，反而觉得很轻松，甚至觉得完全 OK。

如果放在以前，我大概率不会这么做。因为里面已经有一些生成出来的内容，甚至有几页 wiki 页面，我自己看着都觉得还不错。真要全部删掉，通常会觉得可惜，会犹豫，会想，要不要再修一修，要不要再补一补，要不要再救一救。

但今天我没有。我直接删了。

这件事让我很强烈地意识到，AI 带来的一个变化，不只是让人做事更快了，而是让人更敢于推倒重来了。

一开始，AI 给了我一套看起来很完整的架构

一开始搭这个巴菲特知识库时，AI 帮我设计了一整套流程。从raw -> source -> wiki -> output。乍一看，这套结构非常完整，也很像一个“专业的知识库工程”应该有的样子。

所以一开始，我是相信这套架构的。我跟着它往下走，也确实做出了不少东西。

但问题是，做着做着，我开始不对劲了。

我中途其实问过 AI 好几次：既然已经有了 raw，source 这一层是不是一定还需要？再往上到 wiki，这中间是不是有点太重了？AI 的回答基本都很一致：需要，这样结构更完整，这样后续更方便维护，这样更利于沉淀。

这些话从逻辑上听都没错。但我在实际推进的过程中，体感却越来越明显地告诉我，这套东西不对。

方案在逻辑上成立，不代表它适合你当前的问题

后来我慢慢意识到，这是一个很常见但也很容易被忽略的问题。AI 很擅长给出一个看起来完整、系统、逻辑自洽的方案。它甚至会把每一层都解释得头头是道，让你觉得：对，这样才专业，这样才像回事。

但“逻辑上成立”，和“适合你当前要解决的问题”，其实是两回事。

对我来说，这次最大的坑，其实不是抽象的“架构过重”，而是我在真正开始做 wiki 之后，才一步步感受到质量问题是怎么暴露出来的。

一开始我会觉得整体推进得不顺，是因为已经开始写 wiki 了。可一旦 wiki 要链接回 source。然后我就发现，source 的质量其实很差，很多地方读起来都不顺，调起来也很痛苦。

那个痛苦不是理论上的，而是非常具体的。你一边想把 wiki 做好，一边却发现自己不得不反复回去修 source。这时候就会开始怀疑，source 这一层到底有没有那么大的意义。

再后来，我甚至试过让 wiki 直接 backlink 回raw原材料。结果一连回去，又会发现 raw 本身的编排质量也很差。也就是说，问题不是只出在某一层，而是你越往回追，越发现底层本身就不够好。

到这里我才真正意识到，自己不是在修一个局部问题，而是在不断被一个质量不够好的底座拖住。

后面我找到了更好的数据源，就更清楚地感受到，既然已经有更好的底层材料，这些半成品式的原材料其实也没有必要继续将就了。干脆整个推倒重来，反而更轻。

AI 真正改变的，是试错成本

我今天删掉整个文件夹的时候，心里其实很平静。

这让我意识到，AI 真正改变的一件事，不只是提效，而是大幅降低了试错成本。

以前很多时候，我们不是没有判断力，而是不敢判断。因为一旦判断错了，返工太贵，重来太慢，已经投入的时间和精力太多，推倒重来的心理负担也很大。

所以很多人最后会选择继续修补一个自己明明已经觉得不对的系统。不是因为它真的值得修，而是因为已经花了太多成本，不甘心。

但 AI 把这件事改了。

现在你可以先跑一条路，先试，先做，先感受。如果跑下来发现它确实很烦、很繁琐、很低效，甚至让你越来越不开心，那你就可以推倒，重来。

因为你知道，重做不再像以前那么贵。搭起来更快，改起来更快，重新试一版也更快。

于是人就开始拥有一种以前很难拥有的自由：我删得起。

最近还有一个很具体的例子，也让我对“试错成本下降”这件事感受特别深。

最近 Harness 很火，它会把任务拆成三个 agent，比如 planner、generator、evaluator。这个思路看起来很完整，也很像一个更严谨的 agent workflow。

我前阵子设了一个小项目，想整理 Dwarkesh 全部的播客内容。于是我让 Claude Code 按这个思路拆成三个 agent 去跑。

结果一开始，光是写计划和写质检标准，就已经花了很长时间。后面又跑了 N 个回合，看起来流程很完整，步骤也不少。

但最后出来的内容，其实根本不可读。下载下来的文本，基本就是 YouTube 右侧那种一小句一小句的碎片，几乎没法直接用。

后来我同步用 Codex 做了另一个版本。没有先上那么完整的多 agent 架构，而是直接告诉它目标，先把内容下载下来，再让它自己检查和处理可读性。

最后出来的东西，反而非常可读。

（左图为三agent版本，右图为直接下载版本）

这个对比让我更确定一件事：完整的架构，并不是任何任务都需要的，也不是只要结构更复杂，就一定能提高质量。

很多时候，还是得养自己的判断力。先敢于试，再根据结果做裁剪，而不是因为一个方案看起来更完整，就默认它一定更对。

“删得起”，会反过来增强人的判断力

我觉得今天最大的感触就是，当一个人知道自己删得起、重来得起的时候，他反而更敢于诚实地面对自己的真实感受。

这条路径是不是太重了？这个结构是不是其实没有必要？这个系统是不是只是“看起来很完整”，但自己用起来越来越不顺？

以前很多时候，我们明明已经感觉到了问题，却还是会压住这种感觉，因为一旦承认这条路不对，就意味着前面做的很多东西都要重来。

但现在，AI 让“重来”这件事变得没那么可怕。所以人反而更有可能做出真正清醒的判断。不是因为 AI 替你判断了，而是因为 AI 让你终于有条件去判断。

写在最后

今天我把整个巴菲特知识库删掉的时候，没有觉得沮丧，反而觉得轻松。

因为我知道，就算里面已经有一些看起来不错的页面，也没关系。重新做一遍就好了。

这种感觉背后，不只是效率的提升。

更重要的是，快速迭代给了我一种新的勇气：当我发现一条路不对的时候，我可以承认它，停止它，删掉它，然后重新来过。

AI 不是让人不再判断。

恰恰相反。

AI 让人终于更敢于判断。