核心论点：AI 把"能不能做"这件事打成白菜价。剩下值钱的，是"该不该做、做到什么程度、什么时候停"——这些恰好是 AI 替不了你的。

01 门槛没了，门口只剩你一个人

Linus Torvalds 前段时间说了句话，听着像夸 AI，细想一身冷汗。

原话是："如果你能用 AI 发现一个 Bug，另外 100 个人也能。"

他说的是 Linux 内核。近两个版本 commit 数涨了 20%，AI 写的代码大量涌入。听着像生产力大爆发。

但另一个事实是：维护者快被 AI 生成的漏洞报告淹死了。

这些人用 AI 扫出 Bug，提交报告，然后消失。不跟进，不回答追问，不留痕迹。"找到 Bug 的人"和"负责修 Bug 的人"之间，撕开了一个大真空。

翻译一下：能做事的人突然多了一百倍，但知道做什么、做到哪、怎么收尾的人，一个都没多。这不是 Linux 内核的问题，是所有用 AI 协作的团队都在面对的事。

说白了，AI 把生产能力拉满的同时，把判断力的缺口也撕到了最大。

AI 时代的竞争力不是"AI × 技能"，是"判断力 × AI 倍率"。

判断力是零，十倍还是零。

02 Linus 画的那条线，大部分人都没注意到

Linus 在采访里画了一条线，很多人没注意到。

氛围编程（Vibe Coding，用自然语言让 AI 直接写代码）他不反对——一次性小项目完全没问题。但 35 年的严肃项目不行。

Linux 内核活了 34 年。为什么 AI 搞不定？不是 AI 写不出好代码。是 AI 还原不了"十年前为什么这么写"。

那些权衡不在代码里。当时为什么不选更优方案？哪个补丁是妥协产物、碰了会连环崩？哪个函数看着丑但性能敏感、改了会退化——这些全在人脑子里。

说白了一句话：代码预期寿命超过 3 年、牵连深度超过 3 层，必须人接管判断。

打个比方：实习生可以写新模块，但没人会让实习生去重构内核调度器。不是他写代码不行，是他不知道哪些坑不能踩。

第一层判断力，就是知道你不知道什么。

03 知道哪些事根本不该让 AI 做

市面上教人用 AI 的思路全是"让 AI 更强"——加更多上下文、塞更多示例、叠更多技巧。

反过来想这件事的人不多。

我前阵子写过一篇《65 行，治好了 AI 写代码的三个臭毛病》，讲 Karpathy 那份 CLAUDE.md——通篇是"别做什么"，没有一条是教 AI"怎么做"，准确率反而上去了。

不仅仅 AI 需要"不做什么"，产品也一样。Files.md 那个极简笔记工具做了五年。不加插件、不加图谱、不加 AI 工作流。3.6k Star，每一个都是冲"它不做什么"来的。

你品你细品：知道什么不该做，比知道该做什么重要十倍。

我自己的 CLAUDE.md 里有一整节叫「禁忌」。那是最值钱的部分。

04 知道哪件事不值得做

鲁班 Skill（一个把 Prompt 打磨成可发布产品的工具）的作者列了四道门槛：

自己电脑能跑 → 别人看得懂 → 愿意安装 → 三分钟跑出闭环。

每一道过滤掉 90% 的东西。从"自己能跑"到"别人看懂"，筛掉 90%；从"看懂"到"愿意装"，又筛掉 90%。四道筛完，万里挑一。

真正稀缺的不是"把事情做出来"，AI 已经把这事干到白菜价了。稀缺的是判断"这件事值不值得做"的眼力。

值不值得做的标准就一个：这件事不做，会错过什么？如果答案是"也没什么"，那就别做。

看到了吗？写代码不是核心能力，写验收标准才是——定义什么叫"够了"。不是"做到最好"，是"做到刚好"。这比"做好"难一个量级。

💡一句话总结：三层判断力，核心都不是"多做什么"，是"知道停在哪"。

05 练判断力的方法只有一个：别学更多

说白了，路径不是"学更多"，是"刻意判断"——你得在真实决策里练习，不是在书里读。

就三步：

第一步，踩坑。先干，干出问题来。没坑可踩说明你一直在做已经会的事，那练不了判断力。

第二步，复盘。不是记"发生了什么"，是想清楚"当时我为什么做了那个错误判断"——那个决策里的假设是什么、哪里错了。这是最难的一步，因为你得承认自己错了。

第三步，显式化。把教训压缩成一条可调用的规则——"场景 X 下，不要做 Y，因为 Z"。

Linus 到现在还记得三十多年前 6502 处理器 LDA 指令的操作码是 A9。这不是记忆力好，是判断力长在了底层理解上——它不是从"方法论"里读出来的，是从一行行汇编、一个个内核补丁、一次次线上事故里，把这三步走了无数遍长出来的。

CLAUDE.md 本质上就是第三步的外部化。你踩过的坑、交过的学费，压缩成几十行约束，让 AI 替你记住。但"压缩"这个动作——承认错了、提炼规则——只能你自己做。

一个可操作的练习：每周留 30 分钟，不开 AI，纯人脑做判断。先自己写结论，再开 AI 对答案。对答案不是看谁对谁错，是看你漏掉了什么。

先练的人赢。

06 真正值钱的东西，一件都快不了

Anthropic 的 Founder's Playbook 列过三条护城河：复合领域知识、累积用户数据、工作流锁定。

三条全锁在时间里。砸再多钱也快进不了。

回到前面那三层——知道哪些代码不能交给 AI、知道哪些事根本不该让 AI 做、知道哪件事不值得做。

你仔细看，这三层跟 Anthropic 那三条护城河是镜像对应的：代码判断绑着复合领域知识，该不该做的判断沉淀自累积用户数据，值不值得的直觉来自无数次工作流打磨。

本质上是同一件东西：时间沉淀出来的判断本能。

它不长在方法论里。长在踩过的坑里、读过的底层代码里、做过的错误决策里。每一样，AI 都替你省不掉。

AI 让一切都变快了。唯独真正值钱的东西，一件都快不了。

当每个人都能用 AI 做任何事，你选择不做的那部分，定义了你是谁。