夜雨聆风最近我有一个越来越强烈的感受：
很多人学 AI，正在学反。
他们焦虑地研究 Agent 框架，收藏各种提示词模板，追着每一个新工具、新工作流、新教程跑。
这些东西有没有用？
当然有用。
但真正危险的地方也在这里：
很多现在看起来很有用的 AI 技术，可能只是因为大模型还不够强。
一旦模型本身进化了，今天看起来很精妙的技术，明天就可能变成一个历史补丁。
这才是最值得警惕的地方。
很多 AI 技术，本质上是在给模型打补丁
今天我们为什么需要复杂的提示词？
因为模型还不够稳定。
为什么需要各种 Agent 编排？
因为模型还不能可靠地自己规划、调用工具、检查结果。
为什么需要一层又一层工作流？
因为模型还容易跑偏、遗忘、误判、胡说。
所以我们做了很多事情：
给它规定角色。
让它分步骤思考。
让它调用工具。
让它检索资料。
让它反思重试。
让它按照固定格式输出。
这些方法当然有价值。
但它们的价值，有一部分来自于当前模型的缺陷。
换句话说：
你不是在发明一座城堡。
你可能只是在给一座还没建好的大楼搭脚手架。
脚手架在施工期非常重要。
但楼一旦建好，脚手架就会被拆掉。
大模型最可怕的地方，是会吞噬周边技术
AI 行业有一篇很有名的文章，叫《The Bitter Lesson》。
中文通常翻译成《苦涩的教训》。
它讲了一个很残酷的规律：
在 AI 的长期发展里，真正反复胜出的，往往不是人类精心设计的复杂规则，而是更通用的方法、更大的数据和更多的算力。
这个规律在过去发生过很多次。
人类曾经为图像识别设计各种手工特征，后来被深度学习吞掉。
人类曾经为机器下棋写复杂规则，后来被搜索、强化学习和自我博弈吞掉。
今天，同样的事情正在大模型领域发生。
上一代模型不会推理，于是我们设计思维链。
上一代模型不会规划，于是我们设计 Agent 框架。
上一代模型上下文短，于是我们设计复杂的检索和拼接策略。
但下一代模型一旦变强，这些外围技巧就可能被直接内化。
以前需要几十行提示词才能完成的事，新模型一句话就能做。
以前需要一套复杂工作流才能跑通的任务，新模型自己就能规划。
以前需要各种补丁修修补补的能力，后来可能变成模型的基础能力。
这就是大模型的“吞噬效应”。
它不是简单地替代人。
它会先替代那些围绕自身缺陷生长出来的技术。
越精巧的补丁，越可能短命
这件事对开发者和创业者都很重要。
因为很多 AI 项目看起来很高级，但本质上只是在产品化某个模型暂时不会做的事情。
模型不会写长文，你做长文生成器。
模型不会总结会议，你做会议纪要工具。
模型不会稳定拆解任务，你做 Agent 平台。
模型不会理解复杂资料，你做知识库问答。
这些方向不是不能做。
真正的问题是：
你的价值到底来自哪里？
如果你的价值只是“模型现在还不会”，那你就必须永远跑在模型升级前面。
一旦底层模型追上来，你的产品就会被压缩成一个功能。
甚至连功能都不是。
只是模型的一句话能力。
所以，不要把“模型缺陷”误判成“商业壁垒”。
这是很多 AI 创业最危险的地方。
那到底什么值得深钻？
判断一个 AI 技术值不值得长期投入，我觉得可以看一个标准：
它是在弥补模型的缺陷，还是在连接模型与真实世界？
前者容易被吞噬。
后者更可能长期存在。
什么叫弥补模型缺陷？
比如，为了某个模型不稳定，设计一套复杂提示词。
为了某个模型上下文短，做过度复杂的拼接策略。
为了某个模型不会规划，写一堆脆弱的任务流。
这些东西可以学。
但不要迷信。
因为它们的生命周期，取决于模型缺陷存在多久。
那什么叫连接真实世界？
比如私有数据。
模型再强，也不知道你公司的客户、合同、库存、订单、历史工单和内部流程。
比如业务系统。
模型再强，也不能天然理解谁有审批权，哪一步必须留痕，哪些操作有合规风险。
比如评估体系。
模型再强，你也要知道什么叫回答正确，什么叫可接受，什么错误不能发生，哪些场景必须人工复核。
比如组织信任。
模型再强，业务部门愿不愿意用，客户敢不敢交给它，出了问题谁负责，这些都不是模型自己能解决的。
这些才是更长期的能力。
因为它们不在模型内部。
它们在真实世界里。
普通人应该怎么学 AI？
所以，我不是说不要学提示词、不要学 RAG、不要学 Agent。
而是不要把它们当成信仰。
提示词值得学。但要学的是人如何表达意图、约束结果、设计交互。
RAG 值得学。但要学的是信息检索、知识组织、权限控制和事实校验。
Agent 值得学。但要学的是任务拆解、状态管理、工具调用和失败恢复。
真正重要的不是某个框架叫什么。
也不是某套模板多精妙。
真正重要的是你能不能判断：
哪些复杂度是必要的？
哪些复杂度只是临时补丁？
哪些问题该交给模型？
哪些问题必须交给系统、数据和流程？
这个判断力，才是长期资产。
不要在补丁上建立信仰
大模型越强，越会吞噬那些围绕它缺陷建立起来的工具和技巧。
所以，不要在补丁上建立信仰。
也不要把脚手架当成房子。
未来真正有价值的人，不一定是最熟悉某个 Agent 框架的人。
也不一定是收藏最多提示词模板的人。
而是那些能把模型接入真实业务、真实数据、真实流程、真实责任体系的人。
模型会越来越强。
但现实世界依然复杂、混乱、充满边界。
最后送你一句话：
机会不在模型的短板里。
机会在模型和现实世界之间。