夜雨聆风
## 咨询课访谈 10 问
1. 当你说“AI 发展太快”，你真正焦虑的是岗位、收入、学习速度，还是自我价值感？
2. 普通人面对 AI，第一步应该学工具，还是先重新理解自己的工作流？
3. 技术人最容易被 AI 冲击的是写代码能力，还是“只会写代码”的单一身份？
4. 为什么 AI 越强，复合型人才反而越重要？
5. 什么能力最难被 AI 替代：商业洞察、人性理解、行业经验、信任关系，还是系统设计？
6. 每天大量输入有没有用？怎么避免变成“收藏很多、行动很少”？
7. 技术学习为什么一定要实践？一个人如何判断自己是在研究，还是在追概念？
8. 数字分身到底能帮我们学什么？它是知识库、陪练、反思镜子，还是第二大脑？
9. 为什么每天写下来这么重要？写作和学习、认知升级、职业机会之间是什么关系？
10. 如果只有 90 天，一个普通技术人该如何搭建自己的 AI 学习与实践系统？
## 正文
最近准备做一次关于 AI 咨询课的访谈，我先把自己的体感整理一下。
我有两个身份：一个是普通人，一个是技术人。普通人会焦虑：AI 这么快，我到底还能做什么？技术人会更焦虑：以前靠写代码、懂系统、会排查问题吃饭，现在 AI 一天能写过去几周的代码，那我接下来靠什么？
这不是一个小问题。
Stack Overflow 2025 开发者调查里有个很有意思的矛盾：84% 的受访者已经在用或计划使用 AI 工具，但对 AI 输出准确性的“不信任”比例高于“信任”比例。开发者最常遇到的挫败感，是 AI 给出的方案“差一点就对”，但还得人来兜底。
这说明一件事：AI 不是没用，而是它正在把人的价值从“亲手做每一步”，推向“定义问题、验证结果、整合资源、持续迭代”。
所以，今天不聊空泛的“拥抱 AI”，只聊一个问题：普通人和技术人，接下来到底该怎么活？
## 一、真正的冲击，不是 AI 会写代码
很多技术人的第一反应是：AI 会写代码了，我是不是不值钱了？
我觉得这个问题只问对了一半。
AI 会写代码，冲击的是“单点技能”。但更大的冲击，是过去很多岗位默认存在的分工方式，会被重新拆开。
以前一个需求，要产品写文档，开发写代码，测试写用例，运维看上线，管理者催进度。AI 进来以后，一个强的人可以带着工具，把需求理解、方案拆解、代码生成、测试补齐、文档沉淀、复盘优化串起来。
这时候，最危险的不是不会某个工具，而是只剩一个窄标签：
- 我只会写前端页面；
- 我只会做后端接口；
- 我只会按需求排期；
- 我只会搬运信息；
- 我只会看热闹，不会落地。
AI 时代淘汰的不是技术人，而是“没有上下文的技术人”。
## 二、复合型人才会越来越值钱
我越来越相信，未来更稳的人，不是单纯的 builder，而是能把 builder 和 seller 结合起来的人。
这里的 seller 不是狭义销售，而是连接能力：理解需求、看见人性、判断价值、建立信任、把复杂事情讲清楚、把资源串起来。
AI 可以帮你写代码、做摘要、生成方案，但它很难替你完成几件事：
- 判断这个问题到底值不值得做；
- 看出用户没说出口的真实痛点；
- 在多个利益方之间建立共识；
- 为一个结果承担责任；
- 把一个工具放进真实业务流程里跑通。
所以，技术人接下来不能只补技术，还要补业务、产品、商业、历史、哲学和心理学。不是为了显得有文化，而是为了理解人。
技术解决的是“怎么做”，认知解决的是“为什么做”和“做什么”。
## 三、输入要多，但不能只输入
AI 时代信息密度太高，如果不输入，人很快会落后。
博客、书、播客、访谈、行业交流、和高手聊天，都算输入。问题是，很多人的输入停在收藏夹里，最后变成一种心理安慰：我知道这个词，我看过这个项目，我听过这个趋势。
但真正的学习，必须走完三步：
第一步，输入。知道外面发生了什么。
第二步，实践。拿一个真实问题去做，哪怕做得很小。
第三步，写下来。把过程、错误、判断、复盘沉淀成自己的东西。
如果没有实践，输入会变成噪音。
如果没有写作，实践会变成流水账。
如果没有复盘，经验不会变成能力。
## 四、技术学习一定要进场
我见过不少人追 AI 热点，从 AIO、Agent、MCP、RAG、Vibe Coding 到各种框架，都能说几句。但一问：你用它解决过什么真实问题？有没有跑通过一个闭环？有没有成本、日志、评测、异常处理？很多人就卡住了。
技术不是靠“知道名词”学会的。
尤其 AI 这轮变化，光看文章很容易误判。你必须亲手做，才知道模型哪里强、哪里不稳、哪里要靠工程兜底。
比如做一个数字分身，看上去是把笔记灌进去，实际上会逼你理解知识库、检索、上下文、提示词、评测、隐私、成本。做一个销量预测模型，也不只是调模型，而是逼你理解数据、目标、误差和业务解释。
这就是实践的价值：它会把概念变成手感。
## 五、建立自己的数字分身
我认为普通人接下来很值得做的一件事，是建立自己的数字分身。
不是为了炫技，也不是为了搞一个会模仿自己说话的玩具，而是为了学习。
一个好的数字分身，至少有三个作用：
第一，它是你的外置记忆。过去读过什么、写过什么、踩过什么坑，不再散落在各种软件里。
第二，它是你的反思镜子。你可以不断追问：我过去怎么看这个问题？现在有什么变化？哪些判断被验证了，哪些其实是错的？
第三，它是你的学习陪练。你可以让它基于你的知识库，帮你拆解新概念、生成问题清单、对比新旧观点、逼你把模糊想法说清楚。
AI 时代，学习快的人，不一定是天赋最高的人，而是最早把自己变成“可调用系统”的人。
## 六、每天一定要写
最后还是回到一个很朴素的动作：每天写下来。
写不是为了发朋友圈，也不一定是为了写公众号。写的本质，是把脑子里的混沌变成结构。
每天写三类东西就够了：
- 今天看到了什么新变化；
- 今天做了什么实践；
- 今天我的判断发生了什么变化。
长期看，写作会产生三个复利。
第一，训练认知。你会越来越快地区分事实、观点、情绪和判断。
第二，沉淀资产。你的笔记会变成知识库，知识库会变成数字分身，数字分身会反过来帮你学习。
第三，形成表达能力。AI 越强，越需要有人能把复杂问题讲清楚。讲清楚本身就是一种稀缺能力。
## 七、90 天行动方案
如果把这件事落到咨询课，我会建议普通技术人先做一个 90 天计划。
第一个月，重建输入系统。
每天固定读 1 篇 AI 相关深度内容，范围包括技术、商业、组织、人性和行业案例。不要只看工具教程，要看工具背后的变化。
第二个月，做一个真实项目。
不要做玩具 demo，选一个和自己工作有关的场景，比如知识库问答、报表解释、代码巡检、需求拆解、测试用例生成、个人数字分身。要求很简单：有输入、有处理、有输出、有评测、有复盘。
第三个月，把项目写成方法论。
每天记录过程，每周做一次复盘，最后沉淀成一篇文章、一套 SOP、一个可演示的原型。这个动作会逼你从“我用过 AI”升级为“我能用 AI 解决问题”。
## 结尾
AI 时代，焦虑很正常。
但焦虑本身没有价值。真正有价值的是，把焦虑翻译成问题，把问题翻译成行动，把行动翻译成系统。
普通人要做的，不是追上所有技术，而是找到自己的场景。
技术人要做的，也不是和 AI 比谁更会写代码，而是成为那个能定义问题、组织工具、验证结果、连接业务、持续沉淀的人。
我的判断很简单：未来最稳的人，不是最会背概念的人，而是每天输入、每天实践、每天写下来的复合型行动者。