先学会主动降噪
这是一个什么时代呢？
因为我有每天听播客、看最新动态的习惯，所以很容易产生一种错觉：好像每天都有新模型、新工具、新 Agent 发布，世界像是天天都在被重写。
变化当然是真的。裁员是真的，岗位收缩是真的，很多公司也确实把 AI、效率、组织重构这些话术和 headcount 变化绑在一起。
但越是这个时候，越不能被噪声牵着走，把所有信息都理解成“完了，马上所有人都要失业了”。
很多信息本身就带着浮夸和博眼球的成分。不要失真地理解现实，也不要被节奏带跑。焦虑既不解决问题，也伤身。
现阶段，主变量还是人
目前 AI 很强，这不用多说。它可以辅助探索、生成、执行。
但它还不能替代你对这些事情的主导：
- 问题表述
- 验收标准
- 必要取舍
- 最终决策
所以变化是真的，不能躺平；但至少在现在这个阶段，主变量还是人。
大家能用到的 AI，不管是 GPT、Claude、Gemini，还是国内的 GLM、DeepSeek、Kimi、MiniMax，差距没有大到离谱的程度。能用最好的当然最好，但更大的区别，还是在用 AI 的人。
同样一个模型，小学生和数学家拿去解题，发挥出来的力量肯定不一样。
所以说到底，这个时代还是要学习。
不能只会“用 AI”
如果你完全不懂自己让 AI 做的事情，那你其实很难判断结果的好坏，也很难真正积累经验。
最后就会变成一个搬运工：AI 跑，你在旁边发呆、刷手机，结果出来后原样拿来用。
短期看像是效率提高了，长期看可能不是。因为过度依赖 AI 而不学习，很容易让自己的能力慢慢萎缩。到最后，不是你在用 AI，而是你离开 AI 就不会做了。
这一点我觉得其实挺值得警惕的。
学什么，怎么学
我自己的答案很简单：
学概念，学原理，学表达，学审美，学判断。
不要太碎片化地追热点。什么火就学什么，最后学到的往往只是表象。
真正决定你能不能进入一个领域的，通常还是那些核心概念和基本原理。先抓住主干，你才会慢慢知道这个领域的边界、结构和内在关系。
说白了，就是先建立自己的 landscape： 知道自己在哪，知道哪些是主干，哪些是枝叶。然后再让 AI 帮你展开、解释、练习。
这其实也是一个很适合学习的时代
这一点我自己的感受很深。
很多过去晦涩难懂的知识，现在都可以让 AI 用你能理解的话重新解释一遍。你也可以让它扮演导师，不断追问你，用苏格拉底式的问答逼着你把问题想深一点。
前提是，你把它当辅助，不是当代替。
我理解的人机关系
最差的路线是：
自己不思考，只会搬运 AI 的答案。
更理想的路线是：
自己有知识基础，有判断力，知道什么是好的，也知道自己想要什么，然后让 AI 去帮你探索、生成、执行。
我越来越觉得，这两条路看起来都在“用 AI”，但最后走到的地方会很不一样。
如果不知道做什么，那就先去学习
如果你暂时找不到意义，不知道这样飞速发展的时代里自己该做什么，也确实感到焦虑和迷茫，那就先去学习。
如果你暂时不知道学什么，或者想从 coding agent 这条线入门，我推荐几个对我帮助比较大的材料：
-
Learn Claude Code / shareAI-lab/learn-claude-code 适合从 0 到 1 理解 agent harness。
-
Auto Claude Code Research in Sleep / ARIS skills 适合做学术研究，尤其适合把 coding agent 和研究工作结合起来。
-
obra/superpowers 适合看一套比较完整的 agentic skills framework 和软件工程方法论。
最后
如果一定要给自己留一句提醒，大概就是：
别被噪声带跑，也别只顾着用 AI。还是得让自己继续成长。
