夜雨聆风
今天研究Claude Code，明天装几个Skill，后天学Agent，再收藏十几条Prompt。每天都很忙，也确实学了不少东西。但如果月底突然问自己一句：这个月，我到底用AI解决了哪个真正重要的问题？很多人可能会一下子卡住。
前几天，我读到Dan Koe刚写的一篇《The Art Of Strategic Thinking》。他讲的不是AI，而是战略和战术。但放到今天的AI世界里，反而特别准确：
很多人不是不努力，而是在用战术上的忙碌，制造战略上正在前进的感觉。
而AI正在把这种错觉放大。因为它第一次让普通人拥有了近乎无限的战术。
一、我们最容易误判的，是“我正在进步”
Dan Koe讲过自己早年的一段经历。
那几年，他学Facebook广告、SEO、Dropshipping、数字艺术，研究各种“高价值技能”，建网站、注册公司，每天都有事情可做。看起来，他一直在靠近创业成功。
但真正到了该找客户、向别人收费的时候，他却退缩了。
后来他才意识到，之前很多事情虽然不是完全没用，却有一个共同点：它们都能让人获得“我正在努力”的满足感，同时避开真正决定结果的那一步。
研究Logo比找客户舒服，继续学SEO比直接销售舒服，再买一门课程，也比面对市场告诉你“你的东西没人要”舒服。
于是，“学习”也可能变成一种非常体面的拖延。
今天这个问题更严重了。
以前一个人拖延，可能刷短视频。现在完全可以用一种看起来特别上进的方式拖延：研究Prompt、测试模型、装Skill、折腾Agent、搭工作流。
你甚至真的会学到很多东西。
问题是，学到更多战术，不等于离目标更近。
如果你的目标是把公众号做好，那么真正的问题可能不是“还有什么AI写作工具我没用过”，而是“为什么别人要看我的文章”。
如果你的目标是提高效率，真正的问题也未必是“还能不能再自动化一步”，而可能是“我每天做的这些事情，到底哪些根本不值得做”。
这就是战略和战术真正的区别。
战术回答“怎么做”。
战略先回答“为什么做这个”。
二、AI正在让“怎么做”迅速贬值
为什么这个问题到了今天尤其重要？
因为过去，“知道怎么做”本身就是壁垒。
会写代码、会数据分析、会Photoshop、会投广告、会写文案，都需要长期训练。所以过去一个人掌握更多方法，本身往往就是进步。
AI改变了这个前提。
不会写代码，可以让Codex先写；不会分析数据，可以让AI先跑；不会做PPT，可以直接生成；甚至不会拆任务，Agent也可以帮你规划。
大量“怎么做”，正在从稀缺能力变成随时可以调用的能力。
这时候，人与人的差距自然会往上游移动。
微软2026年的Work Trend Index里有一组数据很有意思。那些已经能熟练使用Agent、多步骤AI流程的高阶用户，并不是比普通人更喜欢“什么都让AI干”。
恰恰相反。
其中53%的人会在任务开始前主动判断：这一步该让AI做，还是自己做？普通AI用户只有33%。
这意味着一个很重要的变化：
初级用户研究怎么让AI多做，高级用户已经开始研究什么不该让AI做。
这已经不是工具能力了，而是判断能力。
当执行越来越便宜，判断自然开始涨价。
三、最危险的不是做得慢，而是更快地跑错方向
METR在2025年做过一个很有意思的实验。
他们让一批熟悉自己开源项目的资深开发者，用AI完成真实任务。结果在当时那批任务里，开发者用了AI以后，平均反而慢了19%。
更有意思的是，他们做完以后仍然觉得，AI让自己变快了。
后来随着Claude Code、Codex等工具进步，METR的后续研究已经观察到效率提升迹象。所以这组数据不能被简单理解成“AI会降低效率”。
真正值得注意的是另一件事：
人很容易把“用了更先进的工具”，误认为“取得了更好的结果”。
这和Dan Koe说的“虚假进步”，其实是同一个问题。
以前你可能一天做错一件事。
现在AI可以让你一小时做错十件。
AI最强大的地方，是放大执行速度。但速度有一个前提：方向大致正确。否则，效率越高，浪费反而越快。
所以AI越强，战略反而越重要。
因为AI负责放大，却不会自动告诉你该放大什么。
四、真正的战略，不是做更多，而是敢于不做
一说“战略”，很多人会想到五年规划、宏大目标。
其实战略还有一个更朴素的核心：取舍。
Michael Porter讲战略时反复强调trade-off。真正的战略从来不是把所有好事情都做一遍，而是选择一些事情，同时主动放弃另一些事情。
这在AI时代尤其重要。
因为AI正在制造一种前所未有的错觉：
好像什么都可以做。
以前一天只能写一篇文章，现在AI可以同时帮你做公众号、视频、小红书、课程、网站，甚至顺手再启动几个副业。
于是问题从“我能不能做到”，变成了“既然都能做，为什么不都做？”
但AI扩大的是执行带宽，不是你的生命带宽。
一个人的时间、注意力、信誉和判断力，并没有因为AI增加十倍。
所以未来真正稀缺的，也许不是Prompt Engineering，而是更上游的一种能力：
Problem Selection，选择什么问题值得解决。
不是“我能做什么”，而是“什么值得我做”。
五、以后用AI，我会先问四个问题
所以现在如果让我重新学习AI，我不会先问“还有什么工具没学”。
我会先问四件事。
第一，我真正想得到什么结果？不是“做一个PPT”，而是“让这次汇报获得通过”；不是“写篇文章”，而是“让读者理解一个以前没意识到的问题”。
第二，现在阻碍结果的关键问题是什么？如果文章没人看，问题可能不是写得慢，而是选题不行。把写作时间从两小时压到20分钟，并不能解决真正的瓶颈。
第三，哪些部分交给AI，哪些必须自己负责？搜索、整理、初稿、格式转换可以大量自动化；但问题定义、价值判断、事实边界和最终验收，最好仍然握在自己手里。
第四，为了做好这件事，我决定不做什么？这一问最难，却可能最接近战略。
因为增加一个Skill很容易，删掉一个方向很难。
六、AI越强，人越需要知道自己要去哪里
我当然不是说别学AI工具。
Prompt要学，Agent要学，Skill、工作流也值得学。AI能力很可能很快就会像搜索和Office一样，成为基本功。
真正值得警惕的是：
我们会不会把拥有更多工具，误认为拥有更清晰的方向。
AI可以替你写十篇文章，但不会告诉你哪一个观点值得表达；可以给你五套方案，但不能替你承担选择错误的后果；可以让你一天完成过去一周的工作，却无法保证这一周的工作原本就值得做。
Dan Koe这篇文章真正值得保留下来的，不是几个“战略技巧”，而是一句非常朴素的提醒：
行动很多，不等于前进很多。
而AI正在让“行动很多”变得前所未有地容易。
过去人与人的差距，很大一部分来自谁知道更多方法、谁更能把事情做出来。未来，这个差距可能会逐渐向更上游移动：
谁知道什么值得做，谁能在无数可能性里做出选择，谁知道什么时候该调用AI，什么时候应该停下来自己判断，以及谁敢于放弃那些“虽然能做，但其实不该做”的事情。
当“怎么做”越来越便宜，“做什么”自然会越来越贵。
这可能才是AI时代，战略重新变得重要的真正原因。
如果这篇文章对你有启发，欢迎点个「赞」和「在看」，也可以转给那个最近正在疯狂研究AI工具的朋友。
少收藏几个技巧，多解决几个真正的问题。
以上。
如果觉得这篇文章对你有帮助，欢迎点个关注，也可以顺手加个星标⭐。
谢谢你看到这里，我们下次再见。