GPT-5.6 正式上线以后，我一开始其实没有对它抱太高的期待。

甚至在它上线之前，我还觉得这个模型可能离我们比较远。因为新的模型上线，可能还会涉及地区开放、审查或者使用限制。之前也有一些国外模型，在不同地区能够使用的功能并不完全一样。

结果让我没有想到的是，版本更新之后，我很快就可以直接使用了。真正使用以后，GPT-5.6 给我的第一感觉，不是什么“震撼”，也不是“不可思议”。而是两个字：丝滑。就像以前德芙巧克力的广告说的那样，像丝一般丝滑。

01 从“老师教学生”到“老板带秘书”的转变

这种丝滑并不只是模型回答得更快了，也不只是生成代码的速度提高了，而是我和 AI 之间的交流成本明显降低了。过去，我使用 GPT-5.5 修改项目时，最大的问题并不是它完全做不了，而是我必须把需求说得非常细。

比如一个 UI 界面不好看，我不能只告诉它“这个界面需要优化”。我还要继续告诉它：这个框体太长了，需要缩短；这个按钮的位置不合理，需要向上移动；这几个模块排列得不整齐；页面上的空白太多；

功能虽然可以使用，但是视觉上显得非常拥挤；用户操作的时候，第一眼不知道应该点击哪里。我必须像一个老师教学生一样，把每一个问题一点一点指出来，然后再让它一点一点修改。它也会执行，也确实能够把功能做出来。

但它做出来的东西，经常只是“能用”，却不一定“好用”，更不一定“好看”。这就像我让它给我造一个机器人。它确实给我造出了一个机器人，这个机器人也能够走路，也能够完成一些动作。但是这个机器人可能长得很丑。

甚至它虽然有头、有手、有脚，但整体看起来根本不像一个协调的人。这时候我就只能继续让它修改。眼睛应该怎么改，鼻子应该怎么改，手和脚的比例应该怎么调整，整个身体应该怎么协调。一个地方一个地方地修改。

你想一想，这里面会消耗多少时间。短的时候，可能是一两天。长的时候，你还要不断发现问题、比较效果、推翻重做，可能几个星期甚至一个月都在这些细节里面反复折腾。所以，过去我和 AI 之间的关系，更像是老师和学生。

我负责告诉它每一步应该怎么做，它负责按照我的要求执行。但是 GPT-5.6 给我的感觉不太一样。现在更像是我是老板，它是一个具备一定专业能力的秘书。我不再需要把每一个细节都告诉它。

我只需要把整体目标说出来，它就会自己检查项目流程、代码结构、UI 布局和人机交互中存在的问题，然后给出一个相对完整的修改方案。这个方案未必能够达到 100 分，但它第一次交付就可能达到我心中的 80 分。

对于真正做项目的人来说，80 分其实已经非常重要了。因为 80 分意味着，这个东西已经不只是能运行，而是基本达到了可以继续使用、继续完善的水平。剩下的 10 分或者 20 分，可以根据个人审美和项目需要继续调整。

但是你不需要再从 30 分、40 分开始，一点一点把它拉到及格线。这给我节省的，绝对不只是生成代码的几分钟。它真正节省的是反复解释需求的时间，是不断寻找问题的时间，也是来来回回返工的时间。

02 从单纯执行到具备专业判断的跨越

过去，我会先把 UI 设计交给我认为更擅长设计的模型，让它先做出一个相对好看的方案，然后再让 GPT 去完成代码修改。因为我知道，GPT 在代码执行上可能比较强，但是在 UI 审美、页面布局和人机交互方面，始终存在一些不如人意的地方。

即使把思考模式拉到最高，它也不一定能够主动告诉你：这个页面虽然能够使用，但是操作逻辑不够自然；这个按钮虽然放在这里也可以点击，但是不符合大多数人的使用习惯；这个功能虽然实现了，但是整个页面看起来不协调。

过去的 GPT 更像是一个执行者。你告诉它怎么改，它就怎么改。但是现在，它开始拥有自己相对稳定的专业标准。即使它不了解我这个人，也不了解我所有的个人偏好，它至少能够根据自己的专业判断，先给出一个基本合格的方案。

这就像我们去咨询一个律师。律师不可能真正经历过你经历的所有事情，也不可能完全知道你生活的环境和内心的想法。但是他可以根据自己的专业知识，给你提供相对专业的法律意见。GPT-5.6 给我的感觉也是如此。

它并不是因为完全了解我，才把项目做得更好。而是它自身的专业标准提高了。这也是这次模型升级让我感受最明显的地方。AI 的进化，本质上是在不断压缩人完成一件事情所需要的时间。没有工具的时候，人只能用手去挖地。

后来有了石头，有了锄头，有了机械，完成同样一件事情所需要的时间不断减少。AI 也是工具进化的一部分。它压缩的不只是体力劳动的时间，也开始压缩理解、设计、分析、修改和沟通的时间。但是，越是这样，我越意识到一个更重要的问题：

03 理解功能不等于理解背后的原因

虽然 AI 进化得很快，但最终决策权必须牢牢掌握在自己手里。为什么？因为 AI 即使能够了解你，也不等于它真正理解你。它能够读取你的聊天记录，能够查看你的项目代码，也能够了解你过去作出过哪些决定。

但是它无法自动知道你此时此刻的真实想法。它更无法完全知道，你当初究竟是因为什么原因，才建立了这个项目。人类社会中存在大量隐性的知识。这些知识并没有写在书本上，也没有记录在文档里。

很多时候，甚至连我们自己都没有办法把它完整地说出来。能够被写进文档、写进代码、写进提示词里的，通常都是显性知识。但一个项目真正的需求，往往还包含个人经历、现实环境、情绪变化、安全顾虑和价值取舍。

04 安全边界与通用规范的冲突

这些东西，AI 并不能自动获得。我做过一个保密信息程序。这个程序表面上只是一个用于记录信息的工具，但它真正产生的原因，是我不希望一些尚未成熟的想法直接放在公共程序里。

我会担心，这些信息是否会被平台收集，是否会被用于我无法控制的用途。不管这种风险最后有多大，至少对我来说，我不愿意承担这种不确定性。因此，我希望做一个更加私密、更加可控的应用。正是基于这种需求，我在程序里面设置了一些限制。

这些限制从普通软件设计的角度来看，可能不够方便，甚至可能显得有些多余。但它们并不是技术缺陷，而是我基于安全需求主动作出的取舍。后来，我让 GPT-5.6 帮助我进一步完善这个项目。

它检查代码以后，发现了一些它认为存在问题的地方，于是建议我进行修改。它甚至把一个用于两端同步的二维码放到了登录页面。从普通交互设计的角度来看，这样做可能更加方便。用户打开登录页面，就可以直接扫码。

但问题在于，这个二维码原本只是在两端进行信息同步时使用。它并不是登录二维码。如果把它放到登录页面，就可能改变整个功能原来的安全逻辑。AI 看到的是：这里有一个二维码功能，放到登录页面可能更方便。但我知道的是：

这个二维码为什么存在，它在什么场景下才能使用，以及为什么不能放在登录页面。这就是区别。AI 能够看见功能，却不一定知道功能背后的原因。它能够发现代码里存在一个限制，却不一定知道这个限制是漏洞，还是我刻意设置的安全边界。

甚至因为它的专业能力提高了，它会更加自信地认为：这个地方不符合通用产品规范，所以应该修改。这其实才是 AI 能力提高以后，更值得人警惕的地方。能力比较弱的 AI，可能只是执行得不好。

但是能力非常强的 AI，如果一开始理解错了你的目标，就可能非常专业、非常迅速地把错误方向执行到底。因此，问题并不是 AI 能不能参与决策。AI 当然可以参与。

它可以分析问题，可以给出方案，可以比较优缺点，也可以提醒我们一些没有发现的风险。但它给出的只能是建设性的意见。最终采用哪一个方案，仍然必须由人来决定。因为 AI 没有办法替你承担结果。

05 承担结果的唯一主体是人

就像你的朋友非常了解你，也知道你过去经历过什么。他可以给你建议，可以告诉你哪一种选择可能更好。但是他不能真正替你作出人生决定。因为最后承担结果的不是他，而是你。这也让我想到汽车导航和自动驾驶辅助。

我们使用导航的时候，是人先输入目的地。系统可以根据路况、距离和时间，计算出一条它认为最合理的路线。它可以告诉你从哪条路走更快，哪里可能堵车，什么时候应该转弯。

但是最后是不是去这个地方，目的地有没有输入错误，是否接受这条路线，仍然需要人来确认。AI 可以帮助你更快到达一个地方。但它不能替你决定，你究竟应该去哪里。这就是人与 AI 之间最重要的边界。未来 AI 的专业能力一定还会继续提高。

它可能越来越懂产品，越来越懂代码，也越来越了解我们的使用习惯。它会帮助我们节省越来越多的时间。但是 AI 越强，人越不能放弃判断。过去，人可能需要花 80%的精力去执行，只留下 20%的精力作决定。

以后，AI 可能帮助我们完成 80%的执行工作。这时候，人真正应该做的，不是彻底把所有事情交给 AI，而是把更多精力放在目标定义、价值取舍和最终验收上。我们需要更清楚地告诉 AI：这个项目为什么存在；它真正要解决什么问题；

哪些规则可以修改；哪些边界绝对不能突破；什么样的结果才算真正完成。AI 可以替我们优化路径，但不能替我们定义目标。AI 可以替我们提高效率，但不能替我们决定什么事情值得做。

AI 可以帮助我们把一个选择执行得更好，但不能替我们承担这个选择最终带来的后果。所以，AI 进化得越快，最终决策权越要牢牢掌握在自己手里。技术可以越来越强。但我们首先必须知道，自己究竟想去哪里。