夜雨聆风
10年打工人,这篇文章治好了我的AI焦虑
问题的形状
我们今天说“AI焦虑”，常常把它当成一个个人心理问题：是不是我太敏感，是不是我学习不够快，是不是别人都已经掌握了什么秘密。
但其实，如果只说”对AI感到焦虑”，你会发现无从下手——因为”AI”本身是个空概念，焦虑也没有具体对象。
很多 AI 焦虑并不是从技术本身来的，而是从技术被展示、被排名、被售卖、被传播的方式里来的。
《道德经》第三章开篇有三句话，正好对应当下AI焦虑的三种形态：
不尚贤，使民不争；不贵难得之货，使民不为盗；不见可欲，使民心不乱。
老子说的是反话。他的意思是：如果你尚贤、贵难得之货、见可欲，就会产生争、盗、乱。翻译成今天的语言：
-
尚贤 → 身份焦虑
-
难得之货 → 物质焦虑
-
见可欲 → 信息焦虑
这三句话不是在说人不要有能力、社会不要有好东西、人不要有欲望。它讲的是：当一个社会不断把某些东西高高举起来，让人围着它们比较、追逐、争夺，人心就会乱。乱的不是东西本身，而是人和东西之间的关系被扭曲了。
一、尚贤造成的身份焦虑
“不尚贤，使民不争。”
这里的“贤”，不是单纯指有能力的人，而是指被公开树立为标准的人。老子反对的不是能力，而是把某种能力包装成社会排名，让所有人都进入比较。
AI时代的”尚贤”到处都是。”10x工程师”、”AI原生人才”、”会用AI的人和不会用AI的人是两个物种”、”未来只有两种职业：训练AI的人，和被AI训练的人”。每一句话都在树立一个新的”贤”的标准。
这些话制造的不是知识，而是身份判断。它让人不再问：“我手上的工作，哪一部分可以被 AI 改造？”而是开始问：“我是不是一个过时的人？”
这就是身份焦虑。身份焦虑的特点是，它把具体问题变成整体否定。
本来问题可能只是：我还不会让 AI 帮我整理资料、写代码、做数据分析、生成方案、检查合同、搭建流程。但身份焦虑会把它变成：我这个人不行了。
一旦问题变成身份问题，人就很难行动。因为行动需要具体对象，而身份焦虑没有具体对象。你不知道该从哪里开始，只知道自己“不够 AI 化”“不够先进”“不够像未来的人”。于是很多人的反应不是学习，而是模仿。
-
别人晒提示词，我也收藏提示词。
-
别人买 AI 课，我也买 AI 课。
-
别人说某个模型强，我就马上注册。
-
别人说某个岗位要消失，我就开始重新怀疑自己的职业。
这就是“尚贤”带来的结果：人不是按照自己的工作需求建立能力，而是按照外部树立的“先进身份”追赶。
应用在 AI 上，“不尚贤”的意思不是不要学习先进的人，而是不要把“AI高手”“AI原生”“超级个体”这些标签当成自己的目标。真正有用的问题应该更小：
-
我每天重复最多的工作是什么？
-
哪一类任务最消耗我的注意力？
-
我在哪些环节经常卡住？
-
AI 能不能帮我把这个环节缩短一半？
-
我怎么判断 AI 的输出是对的？
这些问题指向行动。身份焦虑指向比较。AI 时代最需要警惕的，是把技术学习变成身份竞赛。
我们社区虽然也会把AI能力区分成四个角色（消费者-试探者-构建者-架构师），但会指出非常具体的差距，以及如何弥补这些差距：
二、难得之货造成的物质焦虑
“不贵难得之货，使民不为盗。”
这里的“贵”，不是简单的价格高，而是把稀缺之物看得过重。一个东西越被强调“难得”，人就越容易围着它失去判断。AI 时代有很多“难得之货”。
-
某个模型的内测资格。
-
某个插件的邀请链接。
-
某个付费社群里的提示词。
-
某个创业者说的“内部玩法”。
-
某个课程宣传的“普通人最后的窗口期”。
-
某个工具号称能让你“一键自动赚钱”。
它们共同制造一种感觉：真正重要的东西在别处，在别人手里，在一个你还没有进入的圈子里。
这就是物质焦虑。甚至这些“难得之货”不需要有真正的门槛，只需要不断挥舞，就可以了。
比如harness engineering，即便极少有人能讲清楚它到底是什么，但你会看到各路“AI先行者”，都号称把harness engineering应用到了自己的业务里，并产生了10倍效果。
小龙虾也是，很多one person company的博主，会号召他们的追随者用小龙虾取代人，也会煞有介事分享自己如何调度好几只小龙虾，完成业务的的AI升级，而全然不顾小龙虾其实既不适合普通人入门，也不适合专业者靠谱地处理复杂任务。
物质焦虑不一定只是钱的焦虑。它更准确地说，是“资源焦虑”：我是不是缺了某个工具、某个账号、某个课程、某个渠道、某个机会，所以我才落后。
这种焦虑会把人推向消费，而不是建设。很多人以为自己是在学习 AI，其实是在购买“我没有落后”的感觉。
-
订阅一个模型，焦虑缓解几天。
-
买一门课，焦虑缓解几天。
-
加入一个社群，焦虑缓解几天。
-
收藏一堆提示词，焦虑缓解几天。
但几天之后，新的模型、新的课程、新的榜单、新的案例；最重要的是，新的名词和概念，又出现了，焦虑重新开始。
原因在于：你买到的是接触感，不是能力。AI 的真正价值不在于你拥有多少工具，而在于你能不能把工具嵌入自己的问题：
同一个模型，有的人拿来生成空泛文案，有的人拿来做销售线索筛选、客户访谈整理、代码审查、合同风险标注、研究资料归档、知识库问答、运营流程自动化。
差别不在工具本身，而在问题定义、上下文、判断标准和反馈循环。“不贵难得之货”应用在 AI 上，就是不要把稀缺资源误认为核心能力。
今天稀缺的东西，明天可能成为默认配置。真正不容易被替代的，是你对一个领域的理解，你手里可用的数据，你对工作流程的掌握，你判断结果好坏的能力，以及你能不能把一次成功变成稳定流程。
所以，面对 AI 工具，不要先问：“现在最强的是什么？”先问：“我的哪个问题值得用 AI 解决？”再问：“这个问题需要多强的模型？需要什么数据？需要什么验证？需要人工在哪里把关？”
很多时候，你并不需要最贵、最新、最难拿到的东西。你需要的是把一个普通工具用到一个具体场景里，并且反复调试到它真的节省时间、降低错误、提高产出。
物质焦虑让人囤工具。行动让人建流程。
三、见可欲造成的信息焦虑
“不见可欲，使民心不乱。”
这里的“见”，可以理解为“让人看见”“摆到眼前”。“可欲”，就是那些一看就让人想要、想追、想拥有的东西AI 时代最强的刺激，不是某个模型本身，而是关于模型的连续展示。
-
每天都有新演示。每天都有新榜单。每天都有新论文。每天都有新产品。
-
每天都有“刚刚发布”。每天都有“彻底改变行业”。每天都有“你必须知道”。
于是人产生一种错觉：我必须一直站在信息流的顶端，否则我就会掉队。这就是信息焦虑。信息焦虑的本质，不是信息太多，而是每条信息都在暗示你应该立刻反应。
-
看一个模型发布，你觉得要研究。
-
看一个工具演示，你觉得要注册。
-
看一个案例爆火，你觉得要复刻。
-
看一个岗位被 AI 替代的新闻，你觉得要重新规划人生。
-
看一个人用 AI 做出了惊人的东西，你觉得自己已经落后很多。
问题在于，大部分信息并不提供完整上下文。一个 AI 演示通常不会告诉你：它失败了多少次，花了多少成本，输入材料准备了多久，结果由谁验证，能不能稳定复现，放进真实业务会遇到什么边界。
一个刷屏案例也通常不会告诉你：它适用于什么场景，不适用于什么场景，背后的数据从哪里来，真正节省的是哪一段工作，风险由谁承担。
所以信息焦虑会让人“看见很多”，但“理解很少”。这就是“见可欲，使民心乱”。
人心乱，不是因为人没有自控力，而是因为注意力被不断打开，却没有被关闭。每条信息都开一个口子：这个也重要，那个也重要，这个不能错过，那个也要研究。
有人敢说自己不学AI吗？别的事情，我们可以说，没有了一样活得很好。但AI，你敢说自己不用去了解吗？
结果是，越想 stay on top，越没有底。所以，AI 学习的关键不是追在信息流上面，而是 get to the bottom of it。不要试图永远站在浪尖上。浪尖每天换位置。你要弄清楚水是怎么流的。
我敢公开说自己不用小龙虾，不用fine tuen，不用LangChain，不用MCP，是因为我理解了这些概念的本质，我知道他们不适合我。
放到 AI 上，“bottom” 指的是底层问题：
-
AI 到底适合处理什么类型的任务？
-
它为什么会生成看似合理但可能错误的内容？
-
什么任务可以让 AI 独立完成，什么任务必须有人审核？
-
好的输入为什么会影响输出？
-
上下文、数据、约束、示例、评价标准分别起什么作用？
-
一个 AI 工作流怎样从“一次可用”变成“稳定可用”？
-
你所在行业里，哪些任务是文本密集型、规则密集型、重复密集型、判断密集型？
这些问题不如“最新模型发布”刺激，但它们能沉淀能力。追 hype 的问题在于，hype 总是让你觉得答案在下一条信息里。真正的学习会让你发现，答案在你反复处理的具体问题里。
三种焦虑的共同结构和应对方法
身份焦虑、物质焦虑、信息焦虑，看起来不同，其实结构一样。
-
身份焦虑让你盯着别人是谁。
-
物质焦虑让你盯着别人有什么。
-
信息焦虑让你盯着别人知道什么。
三者都会把注意力从自己的行动中拿走。你不再处理自己的问题，而是在比较别人的位置、资源和消息。它们共同的机制是：把你的注意力引导到和别人的比较上，而不是放在具体做事情上。
一旦开始比较，就没有终点——因为永远有人走得更快、工具更新、信息更前沿。
这就是 AI 焦虑的原理：
外部变化很快，个人路径不清楚，比较对象不断出现，行动反馈却很少。
没有行动反馈，人只能靠信息刺激判断自己是否安全。但信息刺激不会带来安全感。它只会制造下一轮刺激需求。
老子那三句话反过来读就是药方：
不尚贤，不贵难得之货，不见可欲。但这个”不”不是回避外部世界，而是转移重心——从”外部标准”转回到”自己在做什么”。
下面说三个具体的落地方法。
方法一：焦虑的反义词是行动
焦虑的本质是大脑跑在身体前面。你在想象一个还没发生的糟糕情况，恐惧机制被触发，但因为没有可以打的敌人也没有可以逃的地方，这股能量就在身体里空转，变成焦虑。
破解的办法不是”不想”，而是”做”。只要开始做具体的事，注意力就会被拉回当下，焦虑自然退潮。
在AI语境下，具体的行动可以是：
选一个你工作中真实存在的问题，用AI试着解决它。读完一篇你一直想读但没读的论文原文，不是博主的二手解读。把一个你用了一年的旧工作流拆开重做一次，看看哪些步骤现在可以用AI替代。给一个你认识的人做一次小规模的AI分享，被迫把你会的东西讲清楚。
这些都不是宏大计划，是小的、具体的、有起点和终点的动作。做完一件，焦虑就少一分。不是因为你消除了焦虑的来源，而是因为你把抽象的”AI焦虑”变成了具体的”我在做这个项目”。
抽象的东西让人焦虑，具体的东西不会。如果不知道看什么，可以直接从
方法二：不要追hype
Hype是一种商业产品。制造hype的人——无论是媒体、KOL还是厂商——都有明确的商业利益。你越焦虑，他们越赚钱。认清这一点，就不会把每条”重磅”都当真。
建立一个简单的过滤器：这件事和我正在做的事情有没有直接关系？
没有关系，记录一下，继续做自己的事。有关系，深入一层，看原文、看实测，不要停在标题和摘要。
这个过滤器会过滤掉绝大部分信息。剩下的那部分才值得花时间。
很多人错以为”跟上hype”是专业态度。但真正在AI领域做事的人，大多数时候是在啃具体的技术问题，不是在刷推特。刷推特不会让你做成任何东西，只会让你知道别人在做什么。
知道别人在做什么，和自己做成东西，是两件事。前者是消费，后者是生产。焦虑几乎全部来自消费过量而生产不足。
关于hype和背后的人性，我回头也会单独出一期视频。其实很神奇，几乎所有追hype的行为，都没有好下场，但是人们还是飞蛾扑火一样，不断去追这些hype。背后一定是有很深刻的人性和社会学的驱动。我们要搞清楚人性的机制，才能从这个怪圈里解脱出来。
方法三：Get to the bottom, don’t try to stay on top
“Stay on top”在AI领域是不可能完成的任务。每天都有新论文、新模型、新工具、新框架。任何一个人类的注意力带宽都扛不住这个节奏。
如果你的策略是”跟上一切”，你注定会焦虑且无成果。
换一个策略：get to the bottom——弄清楚底层的东西。
底层的东西变化慢得多。Transformer的基本结构、注意力机制、RLHF的基本原理、Agent循环、上下文工程的底层逻辑——这些东西一旦理解透，很多表面的”新东西”一看就知道是怎么回事，不用每次重新学。
“追新”是横向扩张，成本线性增长，收益边际递减。”钻深”是纵向建构，前期成本高，但一旦打穿，上面所有的新东西你都能快速消化。
具体做法有几条：
少看综述，多看原始论文，综述是别人嚼过的；遇到不懂的概念，往下追一层，”什么是agent”不要停在定义，要追到”它和function call的区别”、”它在哪些场景下有效、哪些场景无效”；
选两三个方向深入，放弃”全都要”，你不是研究员，不需要覆盖所有分支；把学到的东西用在真实项目上，用不上的知识会蒸发。
当你对底层有把握，表面的hype对你就没有伤害了。别人在焦虑下一个模型什么时候发布，你在思考当前模型的能力边界在哪里。这是两种不同的存在状态。这也是我们
如果你看里面的文章，我们都会对“新概念”提出更加底层的拆解。这些文章能帮助你不断打破砂锅问到底，建立一个稳固立即的的根基。
小结
三种焦虑，三种解法：
身份焦虑——用行动把”我是什么人”变成”我在做什么事”：
物质焦虑——用过滤器挡住制造稀缺感的噪音：
信息焦虑——用深度代替广度，用理解代替追踪：
老子那三句话，最后一句是”使民心不乱”。心不乱，不是因为外界没有刺激，而是因为你知道自己在做什么、为什么做。AI时代最稀缺的不是算力不是模型不是工具，而是一颗不被外界节奏绑架、能够持续投入具体工作的心。
和大家共勉。
（本期文章来源于社区“超线性学院”，课代表立正老师的分享）
关于这3种焦虑，社区都有不同板块对应不同解法～
👉加入我们的社区，下载App：Superlinear Academy
🏢企业培训：lizheng.ai