AI 工具越强,你越需要有清醒的认知能力,以及如何在这个时代保持不可替代

前言

用了一年多 Cursor、Claude Code、Codex 等这 AI 工具之后，我最近突然有点慌。不知道为何，突然有这种想法。

不是因为 AI 不好用。

恰恰相反，是因为它太好用了：一句话能起稿，几轮对话能改代码，一个 Agent 能读仓库、补测试、跑命令。

很多过去值得写成教程的东西，现在变成了默认能力。

于是我脑子里冒出一个很不舒服的问题：

如果 AI 能替我做这么多事，那我还剩下什么？我还可以做什么？

这篇文章写给那些天天用 AI 写稿、写代码、做方案，却偶尔会觉得「自己好像变弱了」的人。

我想聊的不是焦虑，而是一个更实际的问题：哪些事可以放心交给 AI，哪些事必须留在自己手里。

开头：那个让我后背发凉的瞬间

最近我一直在用 AI。

写公众号文章，用Cursor；写代码，用 Claude Code、Codex、DeepSeek；之前公众号教程里讲过的 Superpowers、OpenSpec、各种插件等等，我也装过、试过、写过。

然后有一天，我坐在电脑前，突然冒出一句：

好像没什么可写的了。我好像啥都不会了。。。

这不是偷懒，是真的卡住了。

公众号选题？AI 能列 20 个，个个像那么回事。

AI编程教程？Cursor 自己会读仓库、改代码、跑测试。很多时候，装不装插件，最后都能交付。没必要写编程教程了。

AI进行编程操作的时候，一次对话搞定，还是三次对话搞定？对用户来说，结果差不多。三次又咋滴？十次也是可以接受的。

更扎心的是另一个念头：

我好像莫名其妙变弱了。

不是「AI 变强了」这么简单，而是我突然不确定：我到底还有什么，是 AI 替不掉的？

如果你也有过这种时刻，这篇文章不是来劝你少用 AI 的。我自己每天都用。它更像一次自我盘点：在工具越来越强的时候，人到底该把什么守住。

一、先承认，这种感受不是错觉

「没什么可写」不是你江郎才尽

过去写 AI 相关内容，选题很好找：

•这个新插件怎么装

•那个工作流怎么搭

•OpenClaw 怎么配置

•Superpowers 怎么接入

现在不一样了。

工具本身已经太强了。Karpathy 用几十行配置文件就能约束 Agent 怎么写代码；Claude Code 几乎每天都在更新；Codex、DeepSeek 也是「丢进去就能干」。

很多人的日常工作，一个 Cursor 就够用了。

当工具默认能做到教程里 80% 的内容，继续写「按钮点哪里、命令怎么跑」，当然会越来越像重复劳动。

这不是你没东西写了，而是「教别人用工具」这条路正在变薄。

「插件装不装没差」在个人场景下也常常成立

这话可能得罪人，但我自己的体验就是：

写一个小功能，装了 Superpowers / OpenSpec，可能会多几轮流程；不装，只用 Cursor 或 Claude Code，也许直接描述需求就能做出来。

改一个 Bug，规范流程当然更稳，但如果只是个人项目，很多时候一句「这里报错，帮我修」也能解决。

差别不是有没有交付，而是过程是否可复现、质量是否可追踪、团队协作时有没有共同标准。

所以我现在不会再用「有没有装一堆插件」判断一个人是否跟得上 AI。对个人使用者来说，能放下这种焦虑。

插件不是没价值。企业协作、质量把控、合规、复杂项目，它们依然重要。

只是对很多人来说，问题已经从「我会不会用工具」变成了「我有没有自己的标准」。

「变弱了」是危险信号，也是清醒信号

危险在于，如果你已经习惯不过脑子就点接受，思考能力真的会退化。

一开始只是懒得看 diff。

后来是懒得问为什么。

再后来，AI 给一版方案，你觉得「看起来挺专业」，就照做了。

清醒也在这里：你能感到自己变弱，说明你还在比较，还在判断，还没有完全把方向盘交出去。

真正危险的不是用 AI，而是你已经不再在意自己有没有弄懂。

二、AI 可以帮你做事，但不能替你弄懂

后来我在 Karpathy 的一场分享里，听到一个区分，正好解释了这种虚弱感。

它可以简化成一句话：

做事可以交给 AI，弄懂必须留给自己。

比如：

•让 Claude 写函数、补测试、改代码，没问题

•让 Claude 出一版架构、列几个方案，也没问题

•但方案做完以后，你说不清为什么这样设计、为什么不换另一种，那就出问题了

前两种是 AI 在帮你省时间。

最后一种，是你把「理解」也外包了。

这种外包很隐蔽。表面上看，PR 越来越多，功能越交越快，文档也越来越完整。但只要线上出问题、需求变了、AI 给的方向本身有偏差，你就会发现自己站不住。

因为你从来没有真正搞懂过。

这就是「产出越来越多，解决问题的能力却越来越弱」的来源。

所以我后来再看 Karpathy 那几十行配置文件，重点已经不是「他会不会让 AI 写代码」。重点是：他把自己的偏好、边界、验收标准写得很清楚，然后让 AI 去执行。

执行可以交出去。

系统为什么这样设计，还是在他自己脑子里。

三、AI 接管的是执行，不是你的判断

很多事情确实可以放心交给 AI。

起稿、润色、翻译、摘要；模板代码、测试框架、按文档改接口；跨文档、跨仓库的信息整理；甚至一版粗糙的技术方案。

这些本来就不是只有你能做的。

问题是，AI 做完之后，你能不能判断它做得对不对。

我现在越来越觉得，AI 时代真正稀缺的不是「会不会操作工具」，而是下面这些东西：

•判断：这事值不值得做，对谁有价值

•品味：什么算好文章、好代码、好决策

•提问能力：你问什么，不问什么，先问什么，后问什么

•理解能力：能不能说清楚为什么这样设计、这样写

•亲身经历：你踩过的坑、改过的稿、否掉的方案

•责任感：发出去、合并进去、交给客户之后，你愿不愿意负责

这些东西，AI 可以辅助，但替不了。

模型没有你的处境，也不会替你承担代价。它可以给出一个平均意义上不错的答案，但你的标准要从自己的经历里长出来。

所以「没什么可写」不等于世界没什么可说。

更准确地说，是「教别人怎么用工具」越来越薄，而「分享自己的判断、标准和踩坑」才刚开始。

四、工具越强，人越需要有自己的标准

以前我写教程，重心是怎么装、怎么配、怎么跑通。

现在这些门槛被工具一点点打穿了。继续只写这些，读者会腻，我自己也会腻。

真正的差距不在于你用了什么工具，而在于你有没有标准。

没有标准的时候，你会这样用 AI：

•抄一套 OpenSpec 流程，但说不清为什么要这样写

•装了 Superpowers，AI 跳过流程你也不在意

•1 次对话和 3 次对话对你没差，因为你没有「非得这样不可」的理由

有标准的时候，情况会完全不同。

工具变成放大器：你把已经想清楚的规则，变成可重复的流程。

多出来的两轮对话，不是在「浪费时间」，而是在对齐你的标准。

你会主动改 AI 的稿，因为你知道哪里不对。能说出「哪里不对」，就是你最值钱的地方。

AI 越强，越容易把人推向平均答案。你如果没有自己的标准，就会更快地产出一堆看起来正确、但没有任何个人判断的内容。

这才是真正可怕的地方。

五、真正会用 AI 的人，不是问得最多的人

我现在会把 AI 用户分成两类。

第一类，是把「弄懂」也交出去的人。

他们常用的提示词长这样：

帮我设计架构，按你说的做就行。帮我写一篇关于 AI 的文章，直接能发。

AI 当然会交付。

但如果别人接着问：「为什么不用事件驱动？」「为什么这个段落删掉了？」「为什么这个接口要这样拆？」他就答不上来了。

做事的是 AI，他只是把结果转交出去。

第二类，是让 AI 干重活，但把判断留给自己。

他们的提示词更像这样：

我目前的判断是 X，依据是 A/B/C。请给两个方案，并说明各自的利弊。我选定后，再帮我检查：如果需求变成 Y，这版哪里会先出问题？不要直接替我做决定。

这两种用法，表面都在用 Cursor，结果完全不一样。

第一种，产出在涨，真实能力在跌。

第二种，AI 在放大你的判断。

真正会用 AI 的人，不是把问题全部丢给它，而是带着自己的想法去问，让它帮你看到更多盲区。

这也回答了「还有什么可写」。

教工具怎么用，会越来越薄。

写自己的判断，永远有价值。你为什么在「一句话就能搞定」的时代，仍然选择多走两步？为什么某些流程值得保留，某些插件可以放下？这些才是内容真正的来源。

六、5 个问题，测测 AI 是在放大你，还是替代你

你可以拿下面 5 个问题自测一下。

1.  关掉 AI，你还能说清「为什么这样做」吗？

  说不清，不代表你不会写代码或写文章，但说明「弄懂」这件事可能已经被你交出去了。

1. 你上一次自己卡住想了 30 分钟是什么时候？
   如果一遇到卡点就问 AI，大脑会慢慢失去自己走完一遍的机会。
2. 问 AI 之前，你会先写下自己的判断吗？
   哪怕只写三行也行。先有自己的版本，再看 AI 怎么补。
3. AI 给的结果，你通常改多少？
   如果几乎从不改，可能不是 AI 太强，而是你已经不再使用自己的标准。
4. 如果明天所有 AI 工具都消失，你还知道「好」是什么样子吗？
   知道，你就还站得住。
   不知道，你的能力可能已经和工具绑得太死。

七、我自己的三条原则：先自己想，再问 AI

我不是说少用 AI。

我每天都用，也不会假装自己还能回到不用 AI 的状态。

我反对的是跳过思考，直接要答案。

原则 1：先自己想 15 到 30 分钟

问 AI 之前，我会尽量先做三件事：

•写清楚「我到底不知道什么」

•查一手来源，比如文档、原文、自己的笔记

•在纸上或 Obsidian 里画出最简单的推理过程

这不是硬撑。

这是给大脑一次自己走路的机会。

走不通再问 AI，问题会精准很多，答案也更有用。

原则 2：让 AI 挑战你，而不是喂你答案

我现在更喜欢这样问：

不要直接给我方案。先指出我这套思路里可能有哪 3 个问题，再问我一个我还没想到的问题。

这样 AI 是陪你想，不是替你想。

你会被迫解释、取舍、修正。这个过程累一点，但有收获。

原则 3：每次对话结束，用自己的话总结三句

我会要求自己写下：

1.我原来以为 ______

2.现在我认为 ______

3.如果别人问「为什么」，我会这样答：______

第三句最关键。

答不上来，说明这轮对话只是拿到了结果，但没有真正消化。

这三句话是你自己的，AI 带不走。

八、「没什么可写」的时候，其实可以写这些

我自己的转变是：

•以前写「怎么装 OpenClaw」，现在写「我为什么还在用 / 不再用它」

•以前写「OpenSpec 流程怎么跑」，现在写「我踩坑之后形成了什么判断」

•以前对比 10 个插件，现在写「什么情况下，我仍然愿意多对话几轮」

工具会过时，模型会更强，「一句话搞定」会越来越常见。

但一个真实的人，对这件事的判断、标准、踩坑经历和为什么，很难被复制。

AI 时代，内容的价值不在于「AI 写不了」。

而在于：这篇东西必须由你写，才成立。

结尾：不是拒绝 AI，是别把方向盘也交出去

我不会卸载 Cursor，也不会卸载 Claude Code。

Superpowers、OpenSpec 需要的时候，我还是会打开。

但我不再靠「多装几个插件」证明自己没有落伍。

我现在更在意三件事：

•先自己想，再问 AI

•让 AI 帮我做事，但不替我弄懂

•写只有我能写的东西，因为里面有我的判断和我能说清楚的为什么

如果你最近也有那种「AI 越强，我好像越弱」的感觉，不一定是坏事。

那可能是在提醒你：工具越强，越要留一块脑子给自己。