前两天有个朋友发了条消息给我，大概意思是，他刚刚用Claude帮他把一个之前觉得「做了也没用」的内部流程自动化了，全程他一行代码没写，但系统跑起来了，效果也不差。

他说，他那一瞬间脑子里有两种声音在打架。

一种是兴奋，觉得自己突然多了一双手。

另一种是茫然。他说，我这算会了吗？

我看到这条消息，愣了一下。

因为我觉得他问的，其实不只是「我算会了吗」这么简单。他问的是，AI时代，一个人应该怎么成长？边界在哪里？方向是什么？

这个问题，我想跟你好好聊聊。

我自己对这一波AI浪潮有一个很私人的感受，就是「窗户效应」。

你知道有的人家里的窗户是朝北的，日光时间短，长期住进去，人会有点压抑。但如果某一天这栋楼拆了，你看到了一整片南向的空地，你会有一种很难描述的，解脱感混着新鲜感混着不知道怎么办的感觉。

AI给我的感觉，就是窗户突然没了。

以前那些「这个事情我没学过做不了」的边界感，开始松动了。

但是松动本身，并不等于你知道该往哪儿走。

很多人现在在讨论的一个词，叫「全栈」。

Full-Stack，原来是个程序员的术语，指的是一个人能同时搞前端、后端、数据库这些事，不需要频繁依赖别人。

但现在这个词的含义，我觉得在悄悄地扩大。

因为AI正在把一些以前需要你花三年才能掌握的能力，压缩成了三个月甚至三周可以上手的学习曲线。

这带来一个让人有点晕的结论，在某种意义上，每个人都面临着「个人全栈化」的可能，和挑战。

怎么说呢，我是真的觉得，现在这个时间窗口，有点特别。

历史上不是没出现过技术革命。

工业革命那会儿，纺织工人开始面对机器竞争，大量人的职业边界被硬生生拓宽了，要么你会操作机器，要么你就只剩那双手。印刷术普及的时候，「识字」本身从一种稀缺技能变成了基本素养，不识字的人不是突然变笨了，是世界换了一套规则。

这一次，AI处理的是「脑力劳动的大部分」。

这种事情，人类文明史上，还真没有完整的先例。

我不想假装自己有一个确定的答案告诉你「你应该这样跟AI一起成长」，

我只是把我自己的一些感受，写给你看看。

1、第一个感受是，先打破「只用一个工具」的依赖症。

说实话，我自己也踩过这个坑，就是找到一个用起来顺手的AI工具，然后开始无意识地把所有事都往那里丢。久了之后，有一种虚假的「我懂AI了」的感觉，但实际上你只是形成了对一个工具的习惯。

这种习惯跟成长没关系，跟依赖有关系。

真正有价值的，是你在使用不同工具的过程里，开始形成自己对「AI在哪类任务上更可靠，在哪类任务上会一本正经地胡说」的判断力。

这个判断力，是没办法买来的，只能用。

我见过有人花了好几个月在用各种AI生产内容，但对AI的能力边界的感知还是非常模糊，因为他们没有刻意地去踩边界，只是停留在舒适区里重复使用。

这跟AI没关系，这是人类处理新工具的老毛病了。

2、第二个感受是，「提问」这件事变得超级重要。

我不是在说Prompt技巧，我是在说更本质的，你有没有能力把一个复杂问题，分解成AI能处理的子问题？

这件事，其实就是一种结构化思维，不是AI时代才需要的能力。但在AI时代，它变得极其高频。

你以前提一个模糊的需求，交给一个同事，他可能会跟你来回确认。AI不会跟你确认，它会帮你生成一个它自己理解的答案，然后你就会看到「怎么完全不是我要的东西」。

很多人在这个过程里，会开始怀疑AI不好用。

但其实，是提问还没到位。

怎么练？我自己的方法是，每次问完之后，不急着接受答案，先想想，如果换一个人类专家，我怎么把这个问题给他讲清楚？然后用那个方式，重新去问AI。

大多数时候，结果会好很多。

3、第三个感受是，「知识」本身的价值结构在变。

以前那种，记忆大量信息、能随时调用的「博学」型能力，AI一出来就开始稀释了。

但是，有一类知识，是AI很难替代你的，就是「你在真实的工作场景里，通过失败获得的直觉判断」。

比如，一个有十年行业经验的人，他看一个商业方案，三分钟之内就能感觉到哪里有问题，这个「感觉」背后是无数次真实的项目经历打底的。AI没有这个。

所以，怎么说呢，这一波对很多人来讲，既是一个威胁，也是一个非常奇妙的机会，你在真实场景里积累的那些「脏经验」，反而变得更值钱了。

但是，你要把这些脏经验，跟AI的效率乘上去，才能真的发生化学反应。

光有经验，不会用AI，效率会慢慢比别人落下去。

光会用AI，没有真实积累，输出的东西会越来越像是无根之水，光滑，但没有温度，没有说服力。

4、第四个感受是，「全栈」这个词，藏着一个误解需要破掉。

全栈，不是说你什么都要精通。

精通是不可能的，要精通就去专注一个领域，别搞全栈。

全栈的真正含义，我理解是，你能把一件事的「全链条」握在手里。

举个例子，你是一个产品经理，以前做完产品定义之后，你要交给设计师，设计师再交给开发，开发再交给测试。每一个交接，都是信息损耗，都是摩擦成本。

现在如果你能用AI工具做出一个简单的交互原型，写一段基础的前端代码，或者独立分析一次用户数据，你不需要比真正的设计师、开发、数据分析师做得好，但是你在「要求别人和判断质量」的时候，会更准确。

这就是全栈的价值。不是「我能做所有事」，是「我能看懂整条链，我能把事情推动下去，我不会卡死在交接里」。

这个逻辑，放在任何岗位都是成立的。

坦率的讲，上面这些，我自己现在也还在摸索中，有很多没跑通的地方。

比如，怎么在一个组织里推动这种「个人全栈化」的意识，而不是变成自嗨。这个我觉得是个很难的问题，因为大多数组织的激励结构，还是在奖励深度专家，而不是「跨领域协调者」。

再比如，AI能力升级这么快，今天你学的工具，明天可能就换代了，怎么建立一种「快速学新工具」的元能力，而不是每次都从零开始，这个我也还没有特别好的答案。

我觉得没关系，我把我有的先给你，缺的部分我们一起慢慢找。

说到这里，我忍不住想到一个更大的图景。

人类文明史，某种程度上，是一部「工具扩展人类能力边界」的历史。

语言让我们可以把知识传递给没见过面的人。文字让知识可以跨越死亡传递下去。印刷术让这种传递突破了手抄的物理限制。互联网让信息传递的成本趋近于零。

AI，是在做另一件更奇怪的事，它在试图把「智识生产」这件事，也变成可以被放大的事情。

以前，一个真正聪明的人，影响力是受他时间精力限制的。他能写的文章有上限，能辅导的人有上限，能处理的问题有上限。

现在，这个上限开始松动了。

但是，怎么说呢，工具的放大，永远是以你本来有什么为前提的。

如果放大了一个空容器，那也还是空的。

所以最后兜回来，我想说的还是，这个时代不是在问你「你学了多少AI工具」，它在问的是，你有没有一个清晰的自我，有没有真实积累下来的判断力，有没有愿意持续好奇、持续试错的劲儿。

带着这些进去，AI是如虎添翼。

没有这些，学再多工具，都是在给一个焦虑的自己配上了一把更快的枪，但你瞄准的方向，还是模糊的。

我这篇写的，不算什么系统性的方法论，更像是我到目前为止的观察和感受的一个整理。

可能有些点你已经想清楚了，那就当复盘。

可能有些点你觉得对，那就带着去试试。

可能有些点你觉得我说的不对，也欢迎来跟我聊，我很认真的。

屏幕前的你，不管现在在哪个行业、哪个阶段，我都觉得，这是一个值得认真对待的时代。

不是因为它危险，是因为它真的很有意思。

大时代啊，朋友们。

窗户已经没了，外面那片空地，等你自己去走走看。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧。

如果想第一时间收到推送，也可以给我个星标～

谢谢你看我的文章，我们，下次再见。