要么在适应AI的路上, 要么在被AI淘汰的路上

最近的半年, 我跟AI Coding Assistant 和 AI-based feature每天混在一起, 终于从一个局外人, 变成了一个长期在线用户. 我要么在适应AI的路上, 要么就是在被AI淘汰的路上; 在这两者之间, 我坚定地选择了前者. 但即便如此, 我还不时发现自己在这两种状态里左右横跳: AI技术和工具的迭代之快, 让我有了90年代互联网初期的体感, 又或者那种工业革命就发生在你家门口的焦虑.

太慢接受AI工具的人, 会被淘汰. 但不是被AI取代, 而是被那些提高生产力的同事们取代. 最近的一期的’影视飓风’说到这个类似的概念, 下面这句夹杂了我的个人想法: 今后我们越努力地去手动做一些事情, 回报率就越低. 旧时代的“专业壁垒”正在崩塌. 过去, 我们依赖经验积累下来的“手感”和许多重复性但需要专业知识的劳动, 现在这些都在被 AI 极速贬值. 我大胆地预测, 没有公司会因为个人过去的成绩和努力, 而维持生产力落后的部件.

大厂社畜原本就有悲观的一面: 我这颗螺丝钉, 随便都能取代; AI just made sure of it. 把AI工具用的不错的人, 通常会非常注重记录有效的AI输出, 也就是context. 什么都可以是context: 对代码的理解是context, 做一个development plan是context, 上次AI犯的错和正确的选择是context…等等. 从某种意义上, 我们就是在培养一个记忆更好, 更一以贯之, 并且更能大幅度输出的’自己’. 不是说’别培养AI就行了’, 这不由得我们; 一个员工离开后, 让AI去复习一遍他的过往输出, 就能很快填补上他离职后的知识空缺.

AI coding assistant is a hyper-motivated intern; if you enjoy coaching intern to succeed, you will love working with AI. 这句话是我2025年初, 第一次用AI帮我写代码时候的感受, 也就是所谓的planning step, 做规划是必不可少的一步. 我给AI写的第一个task, 其实就跟我给实习生写项目简要一模一样: 写目标, 阅读资料, 详细步骤, 还有过去的例子. 转眼间将近一年, planning也很自然的变成industry standard. 如果在AI-first的工作环境里有层级的分别, planning也许就是最基础的一层. 不做planning, AI体验一定很差.

自我矫正和记录让AI coding变得极为实用. 就像我们软件工程师, 通常会做一个cheat sheet, 记录过去用过的命令, 记录过去的一些重要事情, 犯过的技术错误等等 - AI也一样, 在线自我矫正. 同样的错误很难再犯. 跟AI合作, 就变成了一个做笔记的过程; 用得越多, 做的越好. 尤其是在写代码这样的工作, 我们自己的AI工具, 很快会个人化, 帮我们输出更有价值, 更有个人风格的代码. 也就是我们的Digital Twin.

适应AI工具的过程, 有点武功尽费重新修炼的意思. 也就是说, 在有一些工作上, 有时候局外人能提出’反常规’的想法, 而就因为AI的生产助力, 那些过去反常规的, 天马行空的想法, 也许现在可以泥石流地解决很多实际问题. 我个人觉得, 人对新鲜事物的接受度, 或者对新鲜事物的好奇, 会随着经验和年纪的累积而递减; 所以打破原有习惯会特别难受. 因此, 从软件工程的行业来看, 那些经常活跃在不同技术领域的人, 或者被工作要求学习新东西的人, 眼下会特别自在 - 他们本来就要常常打破常规, 重新学习新领域, 而AI还帮他们学的更快.

我用的最多的是Claude Code; 最近开始尝试 Antigravity. 这些新工具让我突然有种要revisit十几年前笔记里的那些奇奇怪 怪的想法 - 有些是embedded system, 有些是social network; 过去因为时间,精力,学习能力等借口而放弃的项目, 现在仿佛又突然可以给他们一些回炉的机会.

总体而言, 我非常期待AI industry的每一个技术飞跃; 那些年轻时候不切实际的想法, 也许能再次放飞.