夜雨聆风最近我在想一个问题：
为什么中文 AI 圈很多 KOL，看起来越来越无趣？
不是他们不勤奋。
恰恰相反，他们非常勤奋。每天都有新模型发布，每天都有新工具测评，每天都有“我去”“震撼”“杀疯了”“普通人再不上车就晚了”。打开信息流，感觉整个世界每隔 24 小时就要重启一次。
但奇怪的是，看多了以后，你会发现自己并没有获得多少真正有用的东西。
你知道了一个新工具。
你知道了某个海外大神发了一个 thread。
你知道了 OpenAI、Google、Anthropic 又更新了什么。
你知道了“未来已来”。
然后呢？
这个东西到底能不能进入真实工作流？
它会替代哪一段旧流程？
它的成本在哪里？
它失败的时候是什么样？
它和现有工具怎么组合？
它对一个开发者、创作者、公司、个人工作站到底意味着什么？
这些问题，很多内容其实是不回答的。
它们只是把资讯换了一种中文说法，再加一点焦虑、一点崇拜、一点“我早就看懂了”的姿态。
这就是我觉得很多中文 AI KOL 无趣的地方。
他们不是在生产判断。
他们是在消费信息差。
信息差型 KOL 的黄金时代快结束了
过去很多科技内容的价值，确实来自信息差。
你比别人早看英文资讯。
你比别人早翻译一篇博客。
你比别人早知道一个新工具。
你比别人早把海外 VC、founder、researcher 的观点搬到中文世界。
这在某个阶段是有价值的。
因为大多数人没有时间盯着英文世界，也没有精力去读 release note、paper、GitHub issue、Discord 讨论。所以有人做筛选、翻译、转述，当然有意义。
但 AI 出现以后，这个价值正在迅速缩水。
因为翻译、总结、跟踪资讯，本身就是 AI 最擅长做的事情。
如果一个 KOL 的核心能力只是：
看英文资讯；
翻译成中文；
总结成十条；
配一个夸张标题；
最后导向社群、课程、知识星球。
那说实话，这套东西正在变得非常脆弱。
因为 AI 本身就是最强的信息差抹平器。
以前你靠“我比你早知道”赚钱。
现在每个人都可以让 AI 帮他盯资讯、翻译、总结、归档、对比。
这时候还想继续靠信息差吃饭，就只能越来越焦虑，越来越标题党，越来越像卖课。
于是你会看到很多熟悉的内容套路：
“刚刚，某某模型杀疯了。”
“普通人最后一次翻身机会。”
“这个工具会淘汰 90% 的白领。”
“我研究了 100 个 AI 工具，发现真正有用的是这 7 个。”
“看完海外顶级 AI 圈，我发现中国人还没意识到……”
这种东西偶尔看一次还行，看多了真的很累。
因为它没有现场。
什么叫现场？
现场不是你看了多少资讯。
现场是你真的把 AI 放进了自己的生产系统里。
你真的用 Codex 改过一个复杂项目。
你真的让 agent 维护过一个知识库。
你真的试过把 AI 接进 NAS、软路由、本地服务、Git 仓库。
你真的用它做过一个产品。
你真的在一个项目里遇到过上下文爆炸、状态丢失、工具调用失败、代码不可维护、成本失控、模型突然变蠢。
这些东西才会逼出判断。
我现在越来越相信，AI 时代真正有干货的人，不是最会追热点的人，而是站在现场里的人。
因为只有现场会让你尴尬。
你看发布会的时候，一切都很美好。
你看 demo 的时候，一切都像未来。
你看海外大神的 thread，会觉得世界已经被重写了。
但你真的用起来，就会发现：
这个 agent 跑到一半忘了目标。
那个工具文档写得很好，实际 API 一堆坑。
一个模型写代码很快，但会偷偷改坏别的模块。
一个 workflow 看起来优雅，实际维护成本高得离谱。
一个产品 demo 很震撼，但离真实用户愿意每天用，还差十万八千里。
这些尴尬，才是干货的来源。
没有尴尬，就没有架构。
我为什么把这个问题放在“AI 时代架构”里讲？
因为我觉得 AI 时代的架构，已经不只是传统意义上的技术架构。
以前讲架构，我们可能会想到：
前端怎么分层；
后端怎么拆服务；
数据库怎么设计；
缓存怎么做；
消息队列怎么接；
云服务怎么部署。
这些当然还是架构。
但 AI 时代，架构变大了。
一个人的工作方式也是架构。
一个创作者的信息流也是架构。
一个独立开发者的设备组合也是架构。
一个公司怎么让人和 agent 协作，也是架构。
一个 KOL 怎么生产内容，本质上也是架构。
你每天的信息从哪里来？
你怎么筛选？
你有没有自己的项目现场？
你有没有反馈回路？
你只是转述别人的判断，还是会从自己的系统里长出判断？
你有没有把 AI 变成生产系统的一部分，而不只是把 AI 当成谈资？
这些都是架构问题。
所以我现在判断一个 AI KOL 有没有意思，标准变得很简单：
他是在描述别人的架构，还是在暴露自己的架构？
如果一个人永远只是在讲：
OpenAI 又怎样了；
某某模型又怎样了；
硅谷又怎样了；
海外大神又怎样了；
未来趋势又怎样了。
那他可能信息很快，但不一定有干货。
因为他只是别人的信息管道。
真正有意思的人，往往会讲一些很具体、甚至有点“不体面”的东西。
比如：
我用这个模型做了三天，发现它在某类任务上完全不稳定。
我让 agent 跑一个重构，最后人工救火救了两个小时。
我原来以为本地模型没意义，后来发现放在某个离线流程里很舒服。
我原来以为某个工具是玩具，接进工作流以后发现它改变了任务分配。
我做了一个产品，AI 帮我把第一版推出来了，但市场完全不买账。
我以为 AI 能替我做选择，最后发现它只能降低执行摩擦，不能替代品味。
这些内容不一定有爆款标题，但它们有价值。
因为它们来自真实摩擦。
为什么英文 AI 圈看起来更有趣？
这不是因为英文世界天然高级。
也不是因为中文世界没人懂 AI。
中文世界当然有很厉害的开发者、研究者、产品人、创业者。只是很多真正做事的人，不一定高频表达；而高频表达的人，又不一定真的在做事。
这是平台机制的问题。
中文内容平台更奖励几种东西：
快。
确定。
情绪强。
结论大。
适合转发。
适合制造焦虑。
适合卖课。
适合让人觉得“我再不学就完了”。
但 builder 的内容往往不是这样的。
真实 builder 的内容通常很别扭。
他会讲限制条件。
他会讲失败。
他会讲“这个东西只在某些情况下有用”。
他会说“我还没想清楚”。
他会贴代码、贴成本、贴系统结构、贴坑。
他不一定擅长把每个发现包装成“普通人的最后一次机会”。
所以在分发机制里，builder 经常打不过资讯贩子。
资讯贩子可以每天更新。
builder 可能一周都在修一个 bug。
资讯贩子可以永远充满信心。
builder 每天都在被现实打脸。
资讯贩子可以告诉你“未来已来”。
builder 只能告诉你“这个依赖版本有坑，昨天我被卡了三个小时”。
但问题是，真正的变化就藏在后者里面。
我现在看英文 AI 圈，最喜欢看的也不是那种纯粹喊口号的人。
我更喜欢看那些自己就在一线做东西的人。
他们可能是研究员，可能是 founder，可能是独立开发者，也可能只是一个每天写工具、测模型、维护项目的人。
他们的内容有一个共同点：
不是“AI 很重要”。
而是“我把 AI 放进这个系统以后，系统变成了这样”。
这个区别非常大。
前者是观点。
后者是架构。
比如一个人说“agent 会改变软件开发”，这句话本身没什么信息量。
但如果他说：
我现在把一个项目拆成多个 Codex 会话；
每个会话只处理一个明确任务；
长任务必须写交接文档；
完成后立刻归档；
复杂决策交给高算力模型 review；
本地环境、Git、issue、知识库之间这样连接；
哪些任务适合 agent，哪些必须人来判断。
这就开始有意思了。
因为他不是在谈 AI。
他是在重组生产方式。
这才是我关心的东西。
AI 时代，资讯不是护城河
我觉得很多人还没意识到一件事：
AI 时代，知道信息本身越来越不值钱。
不是信息不重要，而是信息越来越容易获得。
真正值钱的是：
你怎么组织信息；
你怎么形成判断；
你怎么把判断变成行动；
你怎么从行动里拿到反馈；
你怎么让反馈反过来修正系统。
也就是架构。
这也是为什么我现在对“AI 工具推荐”越来越麻木。
不是工具不重要。
工具当然重要。
但如果没有工作流，工具只是玩具。
如果没有真实项目，工具只是谈资。
如果没有反馈回路，工具只是截图。
如果没有自己的生产系统，工具越多，人越焦虑。
很多中文 AI 内容的问题就在这里。
它们永远停留在“这个工具能做什么”。
但更重要的问题是：
这个工具放在我的系统里，应该替代哪一环？
它应该接在哪个节点？
它的输入是什么？
输出给谁？
谁来检查？
失败了怎么办？
长期维护成本是多少？
它让我少做了什么，又让我多承担了什么？
这才是 AI 时代的架构问题。
而一个只靠信息差的 KOL，回答不了这些问题。
因为他没有系统。
他只有信息流。
我自己的变化
我自己这段时间的感受也很明显。
以前看到新工具，我会本能地想：这个东西好不好用？值不值得推荐？有没有爆点？
现在我更关心另一个问题：
它能不能进入我的生产架构？
比如我用 Codex，不是为了证明“AI 会写代码”。
这件事已经不需要证明了。
我关心的是：
它能不能帮我推进一个真实项目？
它能不能参与 Vision Pro 阅读器的开发？
它能不能在模拟器这种复杂工程里承担一部分工作？
它能不能和我的知识库、NAS、本地服务、Git 仓库形成一个长期系统？
它能不能让我从一个想法更快走到一个能跑的东西？
这和“试用一个 AI 工具”是两回事。
试用工具是消费。
重组系统才是生产。
我越来越觉得，AI 带来的真正变化，不是让我们多了几个聊天框，而是逼我们重新设计自己的工作结构。
一个人怎么写作。
怎么开发。
怎么学习。
怎么整理资料。
怎么管理项目。
怎么让机器在后台持续工作。
怎么让自己只在关键节点做判断。
这些问题，比“今天哪个模型分数高了 3%”重要得多。
当然，模型进步也重要。
但如果一个人永远只盯着模型更新，而不重构自己的生产系统，那他其实一直站在场外。
他是在看比赛。
不是在打比赛。
中文 AI 圈真正需要的，不是更多资讯
我觉得中文 AI 圈现在不缺资讯。
甚至资讯已经过剩了。
我们缺的是更多真实现场。
更多人把自己正在做的东西讲出来。
不一定要成功。
不一定要包装得很漂亮。
不一定每篇都有宏大结论。
你可以讲一个失败的 agent workflow。
可以讲一个 AI 帮你省了半天、但又害你浪费两小时的经历。
可以讲一个产品从想法到第一版的过程。
可以讲一个模型在真实业务里哪里好用、哪里完全不行。
可以讲你怎么组织设备、代码、资料、任务和反馈。
可以讲你为什么最后不用某个热门工具。
这些比“某某模型震撼发布”有意思多了。
因为它们会留下经验。
信息会过期。
经验会沉淀。
而架构，就是经验沉淀之后长出来的东西。
所以我现在对 AI KOL 的要求变高了。
你可以搬运，但不能只搬运。
你可以追热点，但不能只追热点。
你可以讲趋势，但最好告诉我这个趋势在你的系统里长什么样。
你可以推荐工具，但最好告诉我你把它放在了哪个环节，解决了什么问题，又制造了什么新问题。
否则你只是一个更快的 RSS。
而在 AI 时代，一个更快的 RSS 没有那么值钱。
最后
我不是说所有中文 AI KOL 都没价值。
也不是说英文圈就没有骗子、没有水货、没有卖焦虑的人。
哪里都有。
我真正想说的是：
AI 时代，内容生产者的分野会越来越明显。
一类人继续靠信息差活着。
另一类人会走进现场，把自己的生产系统暴露出来。
前者会越来越吵。
后者可能没那么高频，但会越来越重要。
因为 AI 最终改变的不是资讯传播速度，而是生产结构。
谁真的在生产，谁才会长出新的判断。
所以我现在越来越不想追“AI 圈今天又发生了什么”。
我更想看：
一个人怎么用 AI 写代码；
怎么用 AI 做产品；
怎么用 AI 管理知识；
怎么用 AI 改造自己的设备；
怎么用 AI 重新理解工作；
怎么在一堆失败里，慢慢搭出自己的系统。
这才是 AI 时代真正值得写的东西。
不是追资讯。
是建现场。
不是消费信息差。
是暴露自己的架构。
