夜雨聆风一、AI 时代的怪现象：工具越强，人越焦虑
最近半年我观察到一个反常的现象。
身边用 Cursor、Claude Code、各种 AI 工具的同事，按理说生产力应该是过去的 3 到 10 倍。但奇怪的是，几乎没有人觉得自己"轻松了"。相反，大家更焦虑：
一天可以跑出过去一周的代码量，但晚上躺下还是觉得"今天好像没干什么有意义的事"； AI 一秒给出 5 个方案，结果选哪个反而成了新的瓶颈； 别人都在用 AI 卷，自己不卷怕掉队，卷又不知道卷的方向对不对。
这不是工具的问题。这是一个更古老的问题，被 AI 放大了——当"做事"的成本无限趋近于零，"做对的事"的成本就被显著抬高了。
回答这个问题的，恰好是一本 60 年前的书——彼得·德鲁克的《卓有成效的管理者》。
二、为什么这本书在 AI 时代更值得读
很多人看到"管理者"三个字，会以为这是写给老板看的。这是个巨大的误解。
德鲁克书里反复强调：这里说的"管理者"不仅指传统意义上的管理人员，更指所有知识工作者。 哪怕你不带团队、不当主管，只要你的工作产出依赖于自己的判断和决策——你写的代码用什么架构、你的方案给客户解决什么问题、你今天先做 A 还是先做 B——你就是"自己的管理者"。
在 AI 时代，这个范围被进一步扩大了。当 AI 能替你执行大部分操作性工作，你的核心价值就只剩下"管理"——管理自己的时间、注意力、贡献方向、决策质量。 这正是德鲁克这本书要回答的五个问题。
下面是我对这五个原则的笔记，每一条后面，我都加了一段"AI 时代延伸"。
三、五大原则：知识工作者的五项基本功
1. 掌握自己的时间
要掌握自己的时间，先要记录时间用在了哪些地方，把不能产生价值、浪费时间的活动找出来，找到原因，从而避免这些活动继续在工作中消耗自己的时间。
德鲁克的方法非常具体：不是规划时间，而是先记录、再分析、最后整合。
我们在工作中经常发现时间被碎片化了，开个会、回个消息、看个 PR，一上午就没了，真正能集中精力处理重要事情的时间所剩无几。所以德鲁克的建议是：把碎片化时间集中成大块连续性的时间。
AI 时代延伸： 和 AI 协作其实是一种"高密度心流"——你给提示、看输出、调整方向，需要持续专注。被打断的代价比纯人工时代还高。但很多人反而把 AI 工具当作"摸鱼神器"，结果一边等 AI 生成、一边刷消息，连最后那点连续注意力也碎了。先做时间审计，再做时间整合。
2. 重视贡献
管理者应把眼光集中在贡献上。我们应该多思考：我应该对组织有什么贡献？经常性地提醒自己，避免方向走偏。
这是整本书最锋利的一刀。
见过太多这样的人：技术能力强、在某个领域有很深的钻研，但就是不能给组织带来贡献。因为他们关心的是"我做了什么"，而不是"我的工作产生了什么价值"。
管理者重视的不仅是方法，还应该有目标和结果。做事情时，不要只是把事情做了，要多去思考——这件事究竟对达成目标是不是有效。
AI 时代延伸： AI 让"完成任务"变得极其便宜，所以"完成"作为一种心理奖励变得廉价。今天你让 AI 写了 1000 行代码、3 份文档、2 个方案——爽不爽？爽。有贡献吗？不一定。当产出唾手可得，"输出量"作为价值代理就失效了，"贡献"成了唯一的硬通货。
3. 充分发挥人的长处
为实现目标，要用人所长——用同事所长，用上级所长，用自己所长。
人在评价他人时，总是容易看到别人的缺点。德鲁克的原则反过来：用人所长，不在于克服人的短处，而在于如何发挥人的长处。
具体有四个原则：
不会将职位设计成"只有上帝才能胜任"（要求太多，谁都不合格）； 职位的要求要严格，涵盖要广（让长处有空间发挥）； 用人时先考虑某人能做什么，而不是先考虑职位要求是什么； 用人之所长的同时，必须容忍人之所短。
AI 时代延伸： "用人所长"现在还包括"用 AI 所长"。AI 长于生成、归纳、模仿、加速；短于判断、品味、负责、决策。把 AI 用在它的长处上、自己干它干不了的——而不是反过来。同样，找出自己的长处——是审美、是商业嗅觉、是客户共情、还是工程直觉？——把 AI 当作长处的放大器，而不是用来掩盖短处的遮羞布。
4. 要事优先
德鲁克给出了如何确定事情优先次序的四条标准：
重将来而不重过去（面向机会，而不是补坑）； 重视机会，不能只看到困难； 选择自己的方向，而不盲从； 目标要高、要有新意，不能只求安全和方便。
而且，他强调要事优先的本质——一次只做一件事。
AI 时代延伸： 当 AI 给你提供了 10 个可以做的方向，你越需要懂得"不做什么"。德鲁克这四条标准在 AI 时代依然锋利，甚至更锋利：因为 AI 会让"安全、方便、补过去的坑"这类选项变得格外诱人——它们容易上手、马上有产出，但常常没价值。要主动选难走但面向未来的方向。
5. 做有效的决策
德鲁克的决策五步：
了解问题的性质（是经常性问题还是偶发问题？）； 找出问题的边界条件（最低必须满足什么？）； 考虑问题的解决方案以及需要满足的条件（先想正确，再想妥协）； 决策方案要能实施（落地路径、责任人、时间表）； 执行过程中重视反馈，确定决策是否有效。
决策时，要收集不同意见、运用反面意见。当边界条件变化时，要审视先前的决策是否仍然适用。
AI 时代延伸： AI 会给你一堆看起来都不错的方案，最危险的反而是"看起来没毛病所以就选了"。这时德鲁克的"边界条件"思维就是救命的——把决策标准前置写下来，再让 AI 的方案去对照，而不是让 AI 的方案反过来"洗"你的标准。另外，主动让 AI 扮演反对者：让它给你的决定挑刺，比让它附和你有用得多。
四、个人与组织的双向需求
对组织而言，需要个人为其做出贡献；对个人而言，需要把组织当成实现自己人生目标的工具。只有管理者的有效性，才能满足这两种需要。
在 AI 让一切个体能力被放大的时代，这个"双向命题"其实变得更尖锐——你能在多大程度上把工作变成自己想要的样子，取决于你能给组织带来多大贡献；而你能给组织带来多大贡献，又取决于你有多懂得"如何卓有成效"。
这不是一本读一遍的书。它需要反复阅读，反复对照实际工作进行思考，在工作中去实践。
五、我把这本书做成了一个 AI Skill
读完这本书我做的第一件事，是把它的五大原则封装成了一个 Skill。
为什么要做成 Skill？
因为读完和用上之间隔着一个鸿沟。 把它的内容做成一个可以在工作中随时调用的助手，才算把这本书的价值最大化。
设计思路
Skill 的描述是这样的（节选）：
1---
2name: effective-executive
3description: 基于德鲁克《卓有成效的管理者》五大原则的知识工作者
4 效能助手。在用户做周复盘、列优先级、做重大决策、检视贡献、
5 做时间审计、安排团队职责时使用。
6---
对应五大原则，我设计了五个工作模式：
time-audit | ||
contribution-check | ||
priority-sort | ||
decision-frame | ||
strength-match |
一个核心立场
Skill 里我写了一段"必须始终持有"的立场，是整个 Skill 的灵魂：
效率 ≠ 效能。不要帮用户"更快地做事"，要帮用户"做对的事"。完成 ≠ 贡献。任务勾掉不等于产生了价值。AI 让"做事"变便宜，让"做对的事"变贵。
这一段是为了防止 AI 助手变成"鸡汤工具"——只会说"加油你可以的"。
一个反模式清单
Skill 末尾我列了一组"不要做"：
给鸡汤式答复 让用户感觉"我做的都挺好"（如果都挺好，他不会来用这个 Skill） 套用框架走过场，不给具体判断 列 10 项建议（用户记不住、做不到） 把 AI 工具捧成万能
怎么用
把这个Skill放到对应AI agent的skill目录下即可。
下次你说"帮我做个周复盘"或"这件事到底值不值得做"，它就会被自动触发。
比如我问“学习AI这件事，值得做不”，它就按照彼得德鲁克的思维方式进行分析。
六、写在最后
AI 把"执行"这件事的门槛拉到了地板。这意味着：
过去靠"我做得快、我做得多"立身的人，护城河正在被填平； 未来靠"我做的事有效、我的判断准、我的方向对"立身的人，价值会被前所未有地放大。
而后者，正是 60 年前德鲁克这本书在反复教的事情。
这本书不厚，但每一页都需要慢读。我建议你买实体书，对照自己的工作做笔记。然后，试试把它做成你自己的 Skill，让大师的智慧变成每天可以调用的伙伴。
毕竟，最高的尊重一本书的方式，不是读完它，而是让它改变你的工作方式。
如果觉得这篇对你有帮助，记得点赞、关注、推荐给同样想学 AI 的朋友。
