2026年春节复工后，因为AI工具快速应用于办公场景所带来的职场人技能革新，让包括我在内的很多人深陷焦虑。焦虑于快速迭代的AI能力足以取缔我曾经最引以为傲的文档梳理技能，艰辛于我的龙虾小助手总是要试错很多遍后才能令我满意。

  个人拥抱的经历  

4月新接手了一个业务模块，输出新需求时我的输入太少，对于该模块的理解推理能力相对薄弱，导致我在需求评审阶段被各方观点反复拉扯。上周我和自己的龙虾助手沟通输出该需求，围绕目标、业务资料、核心改造展开，一步步让🦞进行信息解构和重塑，终于在4月末将该需求终于推进至下一节点。

5月，由于团队人员调整，我接手了一部分其他人的工作。其中一个在途需求出现了比较大的逻辑疏漏，在和研发探讨可行方案时，花了2小时进行讨论，但线上会议却忘记开麦，导致会议助手无法自行整理会议纪要。于是第二天凭借白板共创的思维导图➕记忆中的大致结论，我和🦞聊了1小时还原当时的会议结论。如果靠自己人肉整理，需要花至少3-4小时。当AI工具把人类从繁琐的音频试听、文字整理工作中解放出来后，人的注意力可以集中在提出问题，识别问题，并给出工具方向性的指引

重新思考我最近的状态，因为过度焦虑引发了思绪和行为混乱；因为混乱，总觉得时间是不够用的。我目前领悟到的一点训🦞心得：

• 用工具抹平人和人之间的沟通成本以及人对新事物的理解成本

• 不要害怕🦞超过我，甚至要鼓励训练出以我为核心到远胜于我的🦞。实现从执行者到指挥者的转变

• 要对龙虾的输出保持高度敏感和合理质疑。让龙虾站在你的对立面、你的协同方视角反复审视需求合理性，进行查漏补缺。比如上周五听团队内部分享时，我认为分享的内容中存在多个模块产品协同方式不合理的问题，向我的龙虾抛出质疑时，它会先入为主带入原文档的设计理念。直到我让我的龙虾从对立视角分别思考后再给出回答，它才开始理解我质疑背后真正的意图

• 让🦐做某一类事情的时候，要有意识引导它抽象，将做这类事情的方法沉淀成skill，你们约定好通过什么prompt 触发该skill。这个过程类似于学生时期的刷题操作，做题是手段，目的是找到某一类题目的可依赖路径，提升学科成绩

  前沿思考打破认知局限  

近期听内部的AI思维分享课，公司邀请到了李继刚。其中的很多分享观点都让我开始意识到为什么大家把AI技术革新称为第三次工业革命的开端：

1. 动态看模型，不要静态看模型。6个月之内，模型会把skill吃了。知道怎么学习，自动化学习自动化改进。23年，市面上的AI课程培训还在重点讲解prompt编写工程；25年Agent概念开始普及；26年年初，OpenClaw养虾热潮渗透至中国互联网大厂的白领工作日常；直到昨天刷视频号时看到了一个新的观点，Agent的上限是Harness。技术大跃进过程中，层出不穷的技术名词和应用迭代，降低了普通人与AI工具交互理解的成本，意图只要是清晰的，是否结构化显得没那么重要。甚至模糊的意图也可以在沟通中逐渐清晰。AI工具走C端下沉市场的一个重要标志就是让非理工科人群、受教育程度低的人群、中老年人只需要开口说话，剩下的需求理解层、需求实现层、结果反馈层都交给工具

2. 信息是观察者和数据之间的一种博弈

3. 能源-芯片-模型-软件-场景。李继刚提到了一个观点：对于美团来说，软件不值钱，值钱的是美团沉淀的用户吃饭的场景

【思考】

• 随着前三层的快速发展，软件开发技能会真正成为人人可拥有的低成本技能，场景的价值会被看见和放大

• salesfore公司的盈利规模节节攀升，但是2026年以来股价却暴跌了33%。本质上是资本对于技术平权所带来软件开发成本显著降低的认可，一家没有技术团队的业务公司不再需要购买软件来跑通业务，有产品思维的老板或员工通过AI工具快速做出企业定制化的业务工具

• 找工作或者投资的一个思路是：如果模型层太拥挤，可以考虑去投资能源和芯片；如果软件迭代太频繁，可以前置培养自己洞察需求、识别问题的能力。很多时候，没必要只盯着大家疯狂内卷的已知赛道，可以尝试从其上下游产业切入

4. 想法+设计+开发+测试——用户

5. agent之间的无损信息传导会替代企业中层，以前中层的核心能力是信息的上传下达

6. 通才大于专才。技术平权之后，会出现很多细分场景下的特定软件，也会出现一人公司。因此人和人的竞争力比拼会切换到谁能打通从创意到想法落地的全链条，谁能进行销售拓客，谁能识别真需求

7. 互联网时代的中产阶级是理工科，AI时代的中产阶级是人文社科。这种划分标准并非是大学专业的文理分科，而是人的思维是更工程化还是更天马行空