AI替你解忧,替不了你做人 |Vibe Coding 时代的三字心法 —— 品·断·悟 |TJU

— AGI 深度思考系列 —

🌿序：地铁上的那个姑娘

前几天的早高峰，我在地铁上注意到一位姑娘。

她拿着手机，两分钟翻完一篇文章，五秒钟翻下一篇，又五秒钟翻下下一篇。脸上没什么表情，手指却很忙。我再稍微环顾了一下四周，似乎很多人都是这样。在阅读，但仅仅是重复滑动手指的动作。如没入心真不知道。我看了一会儿，忽然有个念头——

我们这个时代的阅读，已经像试穿衣服了。每一件都摸一下、瞄一眼，没有一件真的穿在身上。

不是我们变浅薄了。是世界变得太碎片和焦虑了。

打开任何一个 App，文章是潮水，视频是潮水，AI 生成的图也是潮水。每一篇看起来都似乎很正确，每一段看起来都顺畅，每一句看起来都像那么回事——可你读完了，心里像被人轻轻拂过一下，什么都没留下。

直到我看到一个新词：

「slop」——美国 Merriam-Webster 词典选出的 2025 年度词汇之一，意思是「大量低质量、通常由 AI 批量生成的数字内容」。

原来不是我老了，是这个世界悄悄换了一种活法——机器在拼命生成堆积如山的内容，人在拼命地滑动走神。

这件事真值得深思：当 AI 可以替我们写、画、算、写代码、做 PPT、回邮件 — 一个普通人，手里到底还剩下什么，是机器拿不走的？

📜一、Karpathy 同时讲了两句话，听起来矛盾，其实通了

写这篇文章之前，我反复看了 Karpathy 这一年说过的两段话。这位 OpenAI 早期成员、特斯拉前 AI 负责人——大概是这个星球上最该懂 AI 的人之一。

第一段，是 2025 年秋天接受 Dwarkesh 播客采访的时候。他说——

「这是 Agent 的十年，不是 Agent 的一年。」

意思是：很多人以为 AI 今年就替代白领、明年就接管世界。可在他眼里，真正成熟的AI Agent，不只是“会回答问题”。它还需要有足够聪明的脑子，能观察世界的眼睛和耳朵，能熟练操作电脑的双手，以及像人一样不断学习、不断长大的能力。这些东西和能力，可能还需要十年才补得齐。

第二段，是同一年。Collins 词典把「Vibe Coding」选为 2025 年度词汇——这个词其实就是他本人带火的，意思是：你不再一行一行写代码，张张嘴对 AI 说「我要一个网页」「我要一个工具」，AI 替你把它写出来。

你看出来了吗？

一边说「AI 还差着十年呢」；

一边把「人人都能写代码」推成了世界年度词。

这两句话听起来自相矛盾，其实是同一件事的两面——AI 远远没有替代人，但 AI 已经在悄悄地，重新分类「什么样的人值钱」。

到了 2026 年 4 月的 Sequoia AI Ascent 大会，Karpathy 走上台，说了这样一句话——

❝We’re constantly using new tools to build new things — but we still need human taste, judgment, and understanding.❞▎ 我们不停用新工具造新东西——但人类的品味、判断、理解，仍然不可少。——Andrej Karpathy, Sequoia AI Ascent 2026

Taste、Judgment、Understanding 这三个英文单词的开头，合在一起是 TJU。

我把它们翻译成三个中文字，念起来更顺口、更容易记——

品。断。悟。

这就是这篇文章想跟你聊的事——AI 时代普通人的三字心法。

🌸二、品：舌头比头脑诚实

先讲第一个字：品。

我和 AI 配合写过几十万字。一开始觉得它简直是神——给我十个标题、二十种结构、三十种开头，从早上到晚上都不困、也不抱怨。直到有一天我发现一件怪事——

无论我让它怎么改，它写出来的东西，永远是一杯温吞水。

没什么错误。但是平淡。也不是水平差。就是喝起来没啥味道。语言流畅、结构齐整、观点稳妥、论据周全——读完像吃了一份温度刚刚好的预制菜。能吃饱，但你印象不深刻，食之无味弃之可惜。

我后来才看明白：这不是 AI 偷懒，恰恰这就是它最尽职的样子。

AI 见过几亿篇文章、几十亿张图。它推算出「大多数人会怎么写、怎么画、怎么说」，然后给你一个最不容易出错的版本。

可是亲爱的，创作的本质，刚好相反——

创作不是把平均值复述一遍，而是从平均值里站出来，喊一句：「不对，我不要这样。」

品味是什么？说穿了，就是这一声「不对」从哪里来。

一个常年喝好茶的人，舌头记得什么是真水的甘甜；

一个常年看好画的人，眼睛记得什么是真笔的力道；

一个常年读好书的人，心会记得什么是灵魂渲染出来的句子，什么是凑出来的字数。

品味不是高级，是诚实的感受——

是身体先于头脑的反应：你看到一个糟糕的东西，还没来得及分析，胃已经先收缩了一下。

这种反应，AI 内置不了。因为它的训练目标，刚好是让自己更像「大家的平均值」。可品味的根，千奇百态，各有千秋。

那这种舌头怎么练？

我自己的笨办法只有一个——长期阅读经典和历久弥新的东西。

好文章、好产品、好商业案例、好演讲、好设计——别只刷信息流，建一个自己的「真东西收藏夹」；用Obsidian创建自己的外脑的LLM。织一个永不遗忘的自己｜Obsidian + LLM Wiki：Karpathy 卡帕西推荐的第二大脑大模型构建术每周往里面塞几件自己珍视，反复咀嚼的宝贝，并且写一句话：它好在哪里？

看经典的好东西，看多了，你对温吞水，压缩饼干式的东西就会自动皱眉。

到那一天，你就有舌头，有阅读的品味了。

⚖️三、断：警惕那些「太顺」的话

第二个字，断。

如果说品味管的是「值不值得留」，断：管的就是「能不能信」。

这两件事看起来差不多，其实差得很远：失之毫厘谬以千里 — 美的东西不一定是真的，真的东西也不一定都美。

AI 最让人放下警惕的地方，不是它会胡说，而是它会「极有水平地胡说八道」。

它的语气自信，结构齐整，引用也像模像样。九句话都对，第十句话错；大方向对，关键数字错；逻辑读起来很顺，可前提其实站不住。

你想过没有，为什么我们经常被它欺骗？

因为我们的大脑有一个偷懒的习惯——

一段话只要读起来够顺，大脑就会偷偷给它盖一个「对的」的章。

可问题是，「读起来顺」是 AI 的看家本领；「对」从来不是。

这就是我想造的一个新词——「太顺的话要小心」。或者义正严辞，一本正经且逻辑性很强的语言；读起来像滑过一块没有摩擦力的鹅卵石、一气呵成、一字不卡——这时候，警觉的不是大脑，是身体。

MIT 的 CSAIL 实验室在 2026 年初做过一项研究，给出了一组让我印象很深刻的数字——

在美国经济中大量文本任务上，给 LLM 提供正确信息的前提下，它在 60% 的任务里能达到经理眼中的「最低可接受」水准；但只有 26% 达到「优秀」水准。

中间这 34% 的差距，就是「能用」到「真好」之间的距离。

AI 替人类填掉了 60%，剩下这 34%，是你赚钱的地方，是你不可替代的地方，也是你「断」字要去抛光和增强地方。

怎么练这种判断力？我用一个朴素办法——

每次看到一个让你心里一动的结论，停下来问自己三件事：

第一，这个话，根基在哪里？是哪项研究？哪一年？哪个数据库？AI 说「研究表明」「数据显示」的时候，往往答不出这一层——就在那一刻，真相暴露。

第二，这个话，反过来说会怎样？什么情况下它不成立？谁会反对？历史上有没有类似的判断翻过车？任何一个真正深刻的结论，都经得起反例追问；经不起的，往往是漂亮的废话。

第三，这个话，能让我明天做点什么不一样的事吗？激发怎样的行动。如果不能，它就只是「让你感觉懂了」的按摩——按完很舒服，第二天还是原样。

这三问，听起来朴素，但把它变成习惯，你会发现自己慢慢长出了一种新东西——

一种像老中医搭脉一样的本能。

老中医不是不信你的话，他是知道：人哪里容易骗自己，话哪里容易藏破绽。这种功夫，是几十年看着同一个东西、反反复复见到它出错，才慢慢长出来的直觉的判断gut feeling。

AI 时代，这种本能没有过时——它比任何时代都贵。

🌊四、悟：水落进自己的杯子

第三个字，悟。这个字最难讲，可一旦你懂了，前两个字才会真的鲜活起来。

「品」告诉你「什么值得留」，断告诉你「什么值得信」，

悟告诉你——

「这件事，对我，意味着什么。」

AI 可以总结一本书，但不等于你读懂了这本书；

AI 可以解释一个行业，但不等于你看明白了这个行业；

AI 可以把一个复杂问题讲得顺顺当当，但顺，不等于深入。

我想给「悟」找一个具象的画面——

想象一壶水。它倒进玻璃杯，是清亮的；倒进青瓷杯，是温润的；倒进锡壶，是利索的；倒进你的杯子，是只有你认识的那个味道。同一壶水，但容器不一样，结果就不一样。

AI 给你的所有答案，都是那壶水。

可你的杯子是什么样子，AI 不知道。每个人都是不同的容器，会给予这水不同的色彩和味道。

它不知道你今年多大、心里有什么牵挂、上一份工作受过什么委屈、今天早晨和家人吵了什么、为什么你看到「家人」这两个字会停一下——

它不知道你的处境也感受不了。

AI 没有家庭，没有责任，没有昨夜的失眠，没有今早的犹豫，没有三十年走过的弯路。它可以模拟「理解」这件事的样子，但它无法替你「承受」这件事的代价。

所以，所谓悟——

就是把答案，从 AI 的杯子里，倒回你自己的杯子里。

怎么练？也是三件事——

第一，看完一个洞见，先用自己的话复述一遍。讲不出来，就是没懂。一个能用自己的三句话讲清复杂问题的人，永远不会被替代。

第二，把它嵌入到自己的真实生活里——它影响我的工作吗？影响我的收入吗？影响我下周和孩子的那个对话吗？没有「和我」产生互动和链接，理解就是漂在水面上的一粒浮尘。

第三，问自己一句话：明天，我会因为这个洞见，做一件不同的事吗？没有促进行动的洞见，分文不值。

能稳定写出第三条的人——

不只是懂了，是「悟到了」。

🔗五、品·断·悟，是一道菜，不是一份清单

写到这里，必须澄清一件事——

品、断、悟不是三个并排的能力，而是一道菜的三个动作。

品，是看见食材就知道好不好；断，是试一口就知道味道对不对；悟，是端上桌前那一刻问自己——这道菜，配今天这位客人吗？

缺一不可——

有品没断，你审美是对的，但容易被漂亮的错误骗了挑了一筐颜值高、其实坏了的水果回家。

有断没悟，你识别得出真假，但永远停在「我知道」，做不到「我会怎么办」— 像一个知道一千种菜谱、却从来没下过厨的人。

有悟没品，你有处境感，但被淹在 AI 生成的洪流里出不来——你的杯子是好杯子，可水是别人的水。

三个字合起来用，才有「人」的位置。

🛠️六、把 AI 当成你的三个搭子

讲到这里，可能有人会问：那是不是要远离 AI？

恰恰相反。

我自己重度用 AI——但我用它的方式，可能跟很多人不太一样。我不把它当替我思考的工具，我把它当三个不同的搭子——

第一个工具，叫雷达。每天有几百条新闻、几十份报告、上百个推送——我让 AI 替我先扫一遍，告诉我哪十条值得我亲自坐下来看。它干的活是「过滤」，我干的活是「决定哪些值得深挖」。这一步，练的是品。

第二个搭子，叫陪练。这一条最重要——你千万别只让 AI 夸你。

我每写完一篇文章，就让 AI 扮演最苛刻的反方：「你来挑这篇文章里所有立不住的逻辑、所有可能被人反驳的假设、所有让人觉得你在自我感动的句子。」一个只会赞同你的 AI，是最危险的 AI——它会让你的判断力，以你看不见的速度退化。这一步，练的是断。

第三个搭子，叫初稿机。文章框架、PPT 大纲、邮件草稿，都可以让它先写。但我从不让它走完最后一公里——

最后那一公里，必须我自己走。

为什么？因为最后一公里里发生的一切——每一处取舍、每一次删减、每一句加重、每一个停顿——

就是「你」这个人，存在过的证据。

一篇文章如果从头到尾都是 AI 写的，它确实「能用」。但读的人会感觉到一种很难形容的空——像走进一间装修齐全、却没人住过的房子。家具都对，灯也都亮着，可你不想坐下来。

那个「想坐下来」的感觉，不在 AI 那里，在你的最后一公里里。

🌅结语：写给所有不愿将就的人

亲爱的读友们，写到这里，我想跟你说一句心里话——

AI 时代真正的分水岭，不在于你会不会用 AI。

而在于你用 AI 之后，自己变成了什么样的人。

有的人用 AI 逃避思考——AI 越强，他越懒；AI 越懒得帮他想，他就越不会想；最后连自己有没有判断力，都说不清了。

有的人用 AI 训练思考——AI 越强，他越用心；AI 给的越多，他选得越准；最后他练出了一双连 AI 自己都想借走的眼睛。

差别就在三个字：

品。断。悟。

这件事，与年龄无关，与起点无关，与你今天会不会写代码也无关。

它只跟一件事有关——

你愿不愿意，在这个生成过剩的时代，做一个不愿将就的人。

不愿将就那种「读起来顺，其实没营养」的文字；

不愿将就那种「听起来对，其实站不住」的判断；

不愿将就那种「能交差就行，谁也没认真过」的活儿。

这种不将就的人，机器越多，反而越显眼。

因为机器替你解忧，能干无数件事——

但有一件事它替不了——它替不了你做一个「临在」的人。一个用自己的舌头尝过、用自己的眼睛看过、用自己的处境想过的人。

AI 替你解忧。可解忧不是一切。

人这一辈子，最值钱的东西，从来不在被替代的部分里。

它在你那个，从二十岁、三十岁、四十岁一直走到此刻 — 一只属于你的、独一无二的杯子里。

好好端着它。

它就是你的当下。

💬 你最近有没有读到一篇「读起来很顺，但什么都没记住」的文章？是哪句话让你停下来的？留言聊聊，让我们一起练「品·断·悟」。

· · · · · · · · · · · · · · · · · · · · · ·

关注【海谛的AI漫游】，获取更多洞见

「用AI工具，看见时代的底牌。」

喜欢这篇文章的伙伴，请一定点赞、分享和推荐❤️给朋友。

⚠️ 本文为思考分享，不构成任何投资或职业建议。

信息来源

[1] Andrej Karpathy interview, Dwarkesh Podcast, “AGI is still a decade away”, 2025年10月

[2] Stephanie Zhan, “Andrej Karpathy and I are back at Sequoia AI Ascent 2026”, LinkedIn, 2026年4月

[3] Collins Dictionary, Word of the Year 2025: “Vibe Coding”, 2025年11月

[4] The Verge, “Merriam-Webster’s 2025 word of the year is ‘slop'”, 2025年12月

[5] Stanford HAI, The 2025 AI Index Report, 2025年4月

[6] MIT CSAIL, “New MIT research overturns prior view about how AI capabilities could overtake human workers”, 2026年1月

[7] NIST, Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST AI 100-1