夜雨聆风
95% 代码都交给 AI 了,但真正拉开团队差距的,可能是录音和 Skill
只不过桌面了多了一台录音设备。
谁也不会想到，这场会最后真正留下来的，最有价值的东西，不是某个结论，不是某句漂亮的话，甚至不是那句“95% 代码已经交给 AI 了”，而是整段原始讨论本身。也正是因为这份一手录音被完整留了下来，我后来回听时，才慢慢意识到：很多真正重要的判断，往往都藏在结论之前。
一个后端同学说，他现在写代码，95% 以上已经交给 AI 了。不是写个注释、补个函数那种小打小闹，而是真的从接口定义、到描述实现要求、再到生成代码，整条链路都在用。常用的 Skill 也很直接：后台开发助手、代码审查、Jenkins 部署助手，已经成了日常标配。
说实话，听到这里，我第一反应也和很多人一样：这也太猛了。
95% 是什么概念？几乎已经不是“用 AI 辅助开发”，而是“把大部分编码动作都交给 AI 了”。
按理说，这篇文章最顺手的写法，应该是继续顺着这个点往下写：AI 写代码到底有多快，后端开发方式是不是已经彻底变了，普通团队是不是马上就该全面照搬。
但我后来反复回想，真正让我记住的，根本不是“95%”这个数字本身。
真正值得写的，反而是另外三件更底层的事：
第一，这场对话为什么一定要录下来；第二，为什么大家不能只盯着“AI 生成了多少”，还得把设计过程讲清楚；第三，这些已经跑通的做法，为什么一定要继续沉淀成 Skill。
因为说到底，AI 再强，也得先吃到靠谱的一手材料；而团队再会用 AI，如果经验始终停留在几个人脑子里，最后也很难变成稳定产能。
以下是其中一个会议纪要截图：
我更想聊清楚一件事：AI 时代真正的护城河，可能根本不是谁更会写 Prompt，而是谁更会留住源头内容，谁更快把有效经验变成团队可以反复调用的能力。
一、先别急着兴奋：95% 代码交给 AI，很厉害，但还不等于你们团队已经会用 AI 了
先说结论。
95% 代码交给 AI，当然厉害。但它厉害，不代表它已经天然具备可复制性。
会议里这位后端同学的做法，其实非常典型：
-
先把接口名、入参、出参想清楚；
-
再把表结构、外部 API、参考接口告诉 AI；
-
让 AI 生成代码；
-
最后自己再做微调、联调和问题排查。
如果你认真看这条链路，你会发现一个很关键的事实：
AI 负责的是执行提速，人负责的其实还是设计。
也就是说，真正决定结果质量的，不只是模型会不会写代码，而是你前面有没有把事情想清楚。
比如：
-
目标到底是什么；
-
输入够不够完整；
-
边界条件有没有说透；
-
哪些地方允许 AI 自由发挥，哪些地方必须严格约束；
-
结果拿什么标准验收。
这些东西如果没想清楚，AI 生成得越快，偏差放大的速度也越快。
所以这场交流最值得团队警惕的，不是“别人已经 95% 交给 AI 了，我是不是落后了”，而是：
你看到的是别人把 AI 用起来了，但你没看到的是，他背后仍然在大量依赖自己的设计能力、判断能力和经验积累。
这也是为什么我现在越来越不太喜欢只讨论“AI 替你写了多少代码”。
因为这类讨论很容易让人误判方向。
它会让大家误以为，重点是继续把“写代码”这个动作往后交；但真正该往前提的，其实是“怎么把问题定义清楚”。
很多团队不是不会用 AI，而是太急着看结果，反而忽略了最该建设的前置能力：设计、拆解、约束和校验。
二、录音为什么突然变重要了？因为它已经不是备份，而是生产资料
如果这场会没有录音，最后大概率只会留下一句很刺激、但价值不大的结论：
某后端同学 AI 用得很好，代码生成占比 95%。
这句话当然没错。但问题是，它几乎不能指导任何人改进工作。
因为真正有用的信息，不在最后那个被提炼出来的结论里，而在原始讨论的过程里。
比如：
-
他到底是怎么给 AI 描述任务的；
-
哪些环节他已经放心交给 AI；
-
哪些环节他仍然坚持自己主导；
-
问题排查为什么容易卡住；
-
大家为什么后来会把重点，从“AI 写了多少”拉回到“设计有没有讲清楚”。
这些细节，一旦没有被完整保留下来，后面的人看到的就只剩一句结果。
而只剩结果，基本就意味着两件事：
第一，别人学不会；第二，AI 也接不住。
为什么？
因为 AI 最怕吃二手信息。
一旦源头内容已经被压缩、被转述、被裁剪，很多关键上下文其实在第一轮就丢掉了。后面不管是整理纪要、做复盘、提炼方法，还是继续让 AI 加工，都是建立在已经失真的材料上。
这时候 AI 的问题不是“不够聪明”，而是“吃进去的东西已经不完整了”。
所以以前很多人理解录音，是“留个档，免得以后说不清”。
但在今天，我越来越觉得，录音的角色已经变了。
它不是附件，不是备份，甚至不只是追溯材料。它更像 AI 时代的第一手生产资料。
因为只有录音留下来了，后面这条链路才有可能跑通：
-
录音转写，拿到原始内容；
-
基于原始内容整理纪要，尽量减少失真；
-
从纪要里抽方法、抽模式、抽共性问题；
-
最后再把这些东西沉淀成可复用的 Skill。
换句话说，录音不是为了“存着”，而是为了之后还能被反复结构化、复盘、提炼、再利用。
这件事以前很多团队不重视，但以后会越来越重要。
因为 AI 越强，你越需要高质量的一手材料。没有源头内容，后面所有高质量输出都会变得不稳定。
三、纪要不是终点，它只是中间层
很多团队现在已经接受一件事：会议最好录音，最好转写，最好还能自动出纪要。
这当然是进步。
但如果只停在“有了一份纪要”，其实还远远不够。
因为纪要解决的，本质上只是“信息可读”。
你知道谁说了什么，知道结论是什么，知道行动项有哪些。它很好，但它本身还不是组织能力。
真正关键的是，后面还要再往前走两步：
-
从纪要到结构化要点，解决的是“信息可用”；
-
从结构化要点到 Skill，解决的是“能力可复用”。
这三层差别很大。
留下一份内容，不难。把内容提炼成方法，已经难很多。再把方法固化成别人也能反复调用的流程，就更难。
但偏偏真正拉开团队差距的，就是最后这一步。
因为 AI 时代最不缺的，其实是“再生成一份内容”。真正稀缺的，是把一次有效经验，变成下一次还能稳定复现的方法。
也就是说，真正值钱的，不是这场会最后多了一份纪要。而是这份纪要后面，有没有机会继续长出一套方法。
如果没有，那它最多只是存档。如果有，它才可能变成资产。
四、Skill 的价值，不是省几分钟，而是把高手经验批量复制出去
很多人第一次听到 Skill，容易把它理解成“Prompt 模板升级版”。
这么理解不算错，但还是有点轻了。
Prompt 解决的是：这一次我怎么问。Skill 解决的是：以后别人也能按这个方式做。
差别就在这里。
一个人很会用 AI，当然可以把自己的效率提得很高。但如果这套方法只存在于他脑子里，那它对团队的价值其实很有限。
因为今天他在，这套用法有效；明天换个人、换个项目、换个业务场景，效果很可能立刻掉下来。
这也是很多团队都会遇到的真实问题：
-
团队里总有几个人觉得 AI 特别好用；
-
但一推广到其他人身上，效果就不稳定；
-
最后大家会得出一个很模糊的结论：好像有用，但又没法真正规模化。
问题往往不在 AI 本身，而在经验没有被沉淀。
而 Skill 真正有价值的地方，就是把这些原本只属于个人的做法，再往前推进一步，变成团队的公共资产。
比如这次交流里提到的那些高频场景：
-
后台开发助手；
-
代码审查；
-
Jenkins 部署助手；
-
甚至下一步准备做的测试数据生成 Skill。
这些东西一旦沉淀下来，省掉的就不只是几分钟操作时间。
它省掉的，是大量“重新讲一遍”“重新试一遍”“重新踩一遍坑”的成本。
所以我越来越觉得，Skill 的本质不是插件，也不是一个花哨壳子。
它更像一种“流程产品化”。
把原本非常依赖个人经验、个人表达能力、个人悟性的事情，尽可能变成：
-
输入是什么；
-
过程怎么走；
-
输出长什么样；
-
质量怎么校验。
一旦做到这一步，个人能力才真的有机会变成组织能力。
五、为什么很多团队 AI 落地不深？不是因为不会写 Prompt，而是链路断了
现在很多团队都会有一种很割裂的感受。
一边是，有人已经离不开 AI；另一边是，也有人试了几次就觉得“不过如此”；还有一些团队，表面上看起来也在用 AI，但始终没有形成稳定产能。
为什么会这样？
我越来越觉得，很多时候不是模型不行，也不是大家不努力，而是中间这条链路根本没搭起来。
最常见的问题，通常就三个：
1. 只重视结果，不重视源头内容
大家关心的是“最后文档出来没有”“最后结论发出来没有”，却不太关心原始讨论是不是被完整保留下来。
结果就是，后面所有加工都只能基于被压缩过的信息继续做，越往后失真越大。
2. 只重视一次性输出，不重视经验沉淀
某次效果很好，大家会夸“这个人真会用 AI”。但很少继续追问：这套方法能不能教给别人？能不能固化下来？能不能做成标准流程？
于是每一次成功都像一次即兴发挥，下一次还得从头再来。
3. 只重视个人高手，不重视组织复用
团队里总会有少数人跑得很快，但如果没有把这些做法抽出来、沉淀下来、做成 Skill，组织整体水平并不会自动跟着抬升。
最后就会形成一个很尴尬的局面：个人能力在升级，团队能力却没有同步升级。
所以很多团队 AI 落地不深，根子不一定在“不会写 Prompt”，而更可能在于：
没有把“源头内容 -> 结构化整理 -> Skill 沉淀 -> 团队复用”这条链路认真搭起来。
六、这场会最值得学的，不是 95%，而是它背后那条完整闭环
回头看这次内部交流，我反而觉得最有价值的，不是那个最吸睛的“95%”。
真正值钱的，是它顺手暴露出了一条完整闭环：
-
有真实的一线实践，不是纸上谈兵；
-
有录音和原始讨论内容，信息没有在第一轮就丢掉；
-
有纪要和结构化整理，方便大家对齐认知；
-
还有继续沉淀成 Skill 的意识，不让经验只停留在个别人身上。
这其实比“某个人已经很会用 AI”重要得多。
因为个人用得再好，最多证明一个点；而闭环一旦跑通，才说明团队开始具备把点状经验变成系统能力的可能性。
也正因为如此，我现在反而没那么关心“AI 到底替代了多少代码”。
我更关心的是三个问题：
-
有没有把源头内容留下来；
-
有没有把关键决策过程讲清楚；
-
有没有把有效方法沉淀成别人也能直接上手的东西。
这三个问题，比“95%”本身更能决定一支团队未来能不能真正把 AI 用深。
七、最后一句话，可能才是这篇文章真正想说的
当使用 AI 慢慢变成标配之后，真正拉开团队差距的，大概率就不再是谁更会写一条 Prompt。
而是：
-
谁能更完整地保住第一手内容；
-
谁能更稳定地把讨论、实践、复盘变成结构化资产；
-
谁又能更快把这些资产继续沉淀成可复用的 Skill。
个人会用 AI，当然已经很重要。
但如果一个团队能把录音保住事实，把纪要整理成结构化信息，再把方法沉淀成 Skill，让经验跨人传播、跨项目复制，那它拥有的就不只是某个人的效率提升，而是一套真正开始运转的生产力系统。
像这次，我们用钉钉 Talk A1 听记设备把会议完整留了下来，表面上看只是多了一份录音，实际上留下来的，是后面所有整理、复盘、提炼和沉淀的起点。没有这份一手素材，后面再多方法论，很多时候也只是二手总结。
所以我现在越来越相信：
AI 时代真正的竞争力，不是谁更会写 Prompt，而是谁能把源头内容留住，把优秀方法沉淀下来，并最终变成组织可以反复调用的能力。