01. 初遇震撼：它真的“理解”了吗？
我第一次被 AI 深深震撼，是在 2023 年。
那时 Coze 刚推出不久，我搭建了一个简单的工作流：让 AI 阅读我们产品的技术手册，然后自动生成 Harness（一种用于形式化验证的底层代码）。
这东西原本需要极强的“编程思维”，门槛不低。结果，AI 不仅写出来了，还在我们的产品上成功跑通，甚至真真切切地验证出了源码中的问题。
我当时愣了很久。
它真的“理解”了吗？
如果一个人读完手册能写出可运行的代码，我们会说他“理解”了。那 AI 做到了同样的事，为什么我们要发明一个新词来形容它？
后来，我慢慢接受了一个事实： “理解”可能从来就不是人类独有的东西。
02. 效率的陷阱：回不去的“离不开”
那是两年前的事了。现在呢？
通用大模型越来越“智能”，我几乎每天的工作生活都离不开 AI。
不是那种“离开就活不了”的生存依赖，而是有它效率高一大截，没它简直回不去的效率依赖。
- 调研任务：让 AI 快速输出一份背景、目的、预期 Demo 效果清清楚楚的任务书；
- 可行性验证：只需描述思路，AI 就能给出一个能跑的原型代码，无需我亲手敲击键盘。
听起来很爽是吧？是的，很爽。
但同时，一种说不清的迷茫和焦虑，也在心底慢慢滋生。
现在的 AI，理论上只要它足够了解我——拥有足够丰富的上下文——我现在做的工作它完全可以胜任，甚至可能做得比我更好、更有效率。
那我要做什么？难道只是坐在旁边喝咖啡，看着它干活？
03. OpenClaw 时刻：经验被量化后的失语
最近，一个叫 OpenClaw 的应用火了起来，我浅浅体验了一下。
我把去年一整年的工作计划丢给它——里面密密麻麻记录着每周的研发任务、分配人员。我让它分析小组成员的能力画像。
结果令我震惊：
它从那些零散的记录里，精准推断出：
- 谁是前端，谁是后端；
- 测试是谁，UI 是谁，产品经理又是谁；
- 甚至谁对产品的哪块功能最熟悉。
看着结果，我一时语塞。
这些事，本来是需要经验才能完成的。
你需要知道“xx 模块”属于前端范畴，需要统计每个人处理相关任务的频率，才能在脑海中构建出谁擅长什么的图谱。这需要时间，需要脑子里的积累。
而 AI 只用了几秒钟，用我没意识到的统计方式，全做完了。
那一刻，矛盾的心理在我脑中撕扯：
一方面，我想继续深挖，看它到底有多大潜力，能不能替代我，成为我。
另一方面，我又在恐惧：如果它真的成了现在的“我”，那未来的“我”，要做什么？
04. 身份的追问：推动者、观察者与被改变者
有意思的是，我并不害怕被取代。
这不是故作洒脱。我是真的觉得，这是潮流，是大势所趋。我做与不做，不会影响那一天的到来。
但我希望知道——那一天到来的时候，我是谁。
更微妙的是，我现在的处境充满悖论：
我正在积极推进整个研发组的AI 赋能。领导很重视，我们正在用 AI 提高产能，让团队做更多的事。
所以我处于一种分裂的状态：
- 一边帮 AI 变得更“懂我”，让它能做更多的事；
- 一边试探它能不能成为我；
- 一边又在想，如果它成了我，那我是谁。
我既是这场变化的推动者，也是它的观察者，还是那个将被它改变的人。
写在最后
这个问题我想了很久。
目前只有一些模糊的念头，还没有确切的答案。
但我想把它写出来，和你一起思考。
在这个 AI 狂飙的时代，你，又是谁？
