夜雨聆风我在上一篇文章里写了岗位蒸馏——把一个职位上的知识、判断和流程提炼出来，编码进AI系统，让AI承担执行，人承担方向。
这篇文章想聊个人维度的事情：自我蒸馏。
不是把工作交给AI，而是通过准备让AI理解你的过程，真正理解了你自己。
蒸馏，不是外包
很多人用AI的方式是这样的：遇到任务，打开ChatGPT，把问题扔进去，得到一个答案，复制粘贴，完事。
这叫外包，不叫蒸馏。
外包是把工作转移出去。蒸馏是把知识提炼出来——把原本分散在你脑子里的隐性认知，变成结构清晰的显性表达，然后让AI基于这个结构去执行。
两者的结果截然不同。
外包之后，你对这件事的理解没有增长，甚至在退化。蒸馏之后，你对这件事的理解变深了，而且多了一个可以持续执行的系统。
这个区别，是自我蒸馏整个逻辑的起点。
为什么蒸馏本身就是学习
有一个认知科学上被反复验证的现象：当你试图教会别人某件事，你对它的理解会比自学时深得多。
费曼把这个变成了一个学习方法：想理解一个概念，就试着把它解释给一个完全不懂的人听。在解释的过程中，你会发现自己哪里其实没想清楚，哪里只是在用术语掩盖模糊认知。
自我蒸馏是同样的机制，但对象是AI。
当你试图把自己某项工作的逻辑编码进提示词，你会遭遇一个非常有价值的阻力：AI不接受模糊。
你告诉AI"帮我写一篇有深度的文章"，它给你的东西不会有深度，只会很平庸。但当你被迫描述清楚"深度"对你意味着什么——有反常识的切入角度、有具体案例支撑抽象判断、有明确的读者画像、语气克制不煽情——两件事同时发生了：AI写出来的东西好多了，你自己对"深度写作"的理解也变精确了。
蒸馏逼你把隐性知识显性化。这个过程本身，就是认知升级。
重复性工作里藏着你最值钱的东西
很多人对重复性工作的态度是：这些事情没意义，尽快用AI替代掉。
但我想提出一个相反的视角：重复性工作是你个人知识密度最高的地方。
因为你反复在做，所以你在里面积累了大量别人没有的判断：什么情况下用A方案而不是B方案，这类问题有哪些典型陷阱，第一步应该看什么信号。这些判断是你的，不是通用的，也不是显而易见的。
问题是，这些判断通常以肌肉记忆的形式存在——你知道该怎么做，但你说不清楚为什么。
自我蒸馏的过程，是强迫你把这些肌肉记忆变成可以描述的规则。
这件事的价值不仅仅是让AI能帮你做这些工作。更重要的是：当你把这些判断写出来，你会看清楚它们之间的结构，哪些是核心原则，哪些是情境变量，哪些其实是错的、只是你一直没意识到。
你在梳理AI的同时，梳理了自己。
自我蒸馏的实践循环
自我蒸馏不是一次性的动作，而是一个持续运转的循环。
第一步：观察自己
选一类你经常做的工作，花一段时间观察自己是怎么做的。不只是步骤，而是判断：你在哪个节点做了什么决定，为什么？碰到什么情况会调整方向？你认为好结果和差结果的区别在哪？
这一步很多人跳过，直接去写提示词。但如果你连自己怎么做都没想清楚，写出来的提示词只是在引导AI做一件你也没想明白的事。
第二步：提炼结构
把你的观察整理成结构：输入是什么，处理过程中的关键判断点是什么，衡量输出质量的标准是什么。不需要完美，只需要把你脑子里已有的东西显性化出来。
这个过程会有一种特别的体验——你会遇到自己说不清楚的地方。这些地方，就是你知识的边界，也是你下一步要深挖的地方。
第三步：编码给AI
把这个结构转化成AI能理解和执行的形式：可能是一段详细的系统提示，可能是一个分步骤的操作框架，可能是一组判断标准。
测试。看AI在哪里出错。AI的错误会精确地告诉你，你的表达在哪里有歧义，或者你的判断在哪里其实不一致。
第四步：迭代
根据测试结果修正。不只是修正提示词，同时修正你对这件事的理解。
每一轮迭代，AI执行这件事的质量在提升，你对这件事的理解也在加深。
第五步：释放认知带宽，攀登下一层
当AI能够稳定承担这件事的执行，你释放出来的认知带宽，不应该用来休息，而是用来思考这件事的上一层问题。
你之前在想"怎么写好这篇文章"，现在你可以开始想"什么样的内容值得写"。你之前在想"这个需求怎么实现"，现在你可以开始想"这个需求是不是真正的问题"。
这才是自我蒸馏带来能力跃升的根本机制：你被推着向上走。
它真实提升了什么
自我蒸馏带来的能力提升，不是单一维度的。
理解深度。把隐性知识变成显性表达，这个过程强制提升你的元认知——不只是"我能做这件事"，而是"我知道我为什么能做这件事"。后者更有价值，因为它可迁移。
判断精度。当你反复测试AI的输出，并判断哪里对、哪里不对，你在大量练习自己最核心的能力：判断力。你处理同类问题的数量会比以前多一个数量级，而每一次判断都是在校准你的标准。
系统性思维。自我蒸馏要求你把工作描述成系统，而不是直觉。做多了之后，你看任何问题都会先想：输入是什么，关键节点是什么，质量标准是什么。这是一种思维习惯，用在哪里都有价值。
速度与质量的同时提升。这个最直观。重复性工作上，时间成本大幅下降，质量因为有了清晰标准反而提升。这部分节省出来的时间和精力，全部可以投入到更高层的思考。
一个反直觉的结论
有一种担心，在AI时代相当普遍：如果把工作都交给AI做，人的能力会不会退化？
这个担心是真实的，但它针对的是外包，不是蒸馏。
外包会让你退化，因为你放弃了执行，也放弃了理解。
蒸馏会让你成长，因为你通过准备让AI执行的过程，反而更深地理解了自己在做什么。
真正的风险不是"AI做了你的工作"，而是"你让AI做了工作，但你自己没有从中提取任何东西"。
自我蒸馏是一种主动的姿态：我不只是在用AI提高效率，我在用AI作为镜子，看清楚自己的认知结构，然后攀向下一层。
现在就可以开始
自我蒸馏不需要任何特殊工具，不需要等更好的模型，不需要系统性地重构整个工作流程。
从一件你这周就会反复做的工作开始。
在做它之前，先把你打算怎么做、为什么这么做、好结果是什么样的——用文字写出来。然后用这段文字引导AI帮你做第一版，看看哪里对，哪里不对，为什么。
这个过程，已经是自我蒸馏了。
很小，但是真实的。
做几次，你就会感受到那种特别的体验：AI的输出在变好，你对这件事的理解也在变好，两件事同时发生，互相推动。
这不是AI时代的幸存策略，而是AI时代真正的成长方式。
