看清AI方向，告别焦虑：理性认知与个人进化策略

学习AI的契机

最开始接触AI，源于一种双重的焦虑：怕因不了解这门技术而在职场上失去竞争力，又感到年纪渐长、经济大环境寒意逼人，如果不主动学点新东西，似乎很快就会被淘汰，甚至被迫转行去做低门槛的体力劳动。

于是，我开启了近乎疯狂的学习节奏。国外的创新工具、国内的大模型，一个都不放过；每次更新、每个新功能，都要第一时间体验、测试。那段时间几乎废寝忘食，整个人都陷了进去，像着了魔一样。

身体的警报

过度的投入很快带来了身体的抗议。直到某个深夜，突然想起那些因过劳猝死的真实案例——他们刚开始大概也是这样的状态吧，不以为意，觉得扛一扛就过去了。可很多人最终没能扛过去，生命就这样戛然而止。

身体发出的信号和这些触目惊心的故事，让我不得不做出一个决定：必须慢下来。

学习使用AI，意义正在稀释

另一个让我热度降温的原因，是随着了解的深入，对AI的“祛魅”也悄然发生。

首先，学习如何操作AI这件事，本身的价值正在快速缩水。原因很简单：大模型的迭代速度太快了，今天费力学到的技巧，明天就可能过时。AI发展的终极目标，就是让任何人都能直接用自然语言完成任务。当下任何仍然存在的使用门槛，都会在接下来的版本中被迅速抹平。

那些教别人“如何用AI”的课程或内容，同样是一条没有前途的赛道。毕竟，真心想学的人不如直接去问AI，它能回答所有操作层面的问题。与其花时间研究复杂的AI工作流，倒不如去考一个软考证书，后者的长期收益可能要大得多。

用AI完成工作，投入产出比失衡

为了让AI帮你实现一个理想的输出，你可能花费大量精力去“调教”它：编写详尽的init指令、设置繁琐的rules、搭建所谓的skill链条。当你好不容易跑通了工作流，终于得到满意结果的那一刻，大模型的下一次更新很可能就已经吸收了你刚刚“教会”它的能力。后来者只需说一句话，就能获得和你一样甚至更好的输出。而你前期的所有努力，到头来不过是为大模型贡献了高质量的语料，帮它变得更“聪明”了一点。

你还没来得及享受AI带来的领先优势，差距就被瞬间抹平。这种心理落差，只有真正付出过汗水的人才能体会。

现实也的确如此。身边很多同事，根本不会区分Claude还是Cursor，最新的AI动态也仅仅限于看看新闻。他们平时用豆包这样的工具，照样能高效地完成工作。你用Claude省下的那几分钟、多算出的那点内容，在领导眼里并不会产生任何实质区别。

AI野蛮生长的窗口正在关闭

曾有一段时间，人们对AI几乎是全盘拥抱；但现在，规范化、合规化的趋势已经越来越清晰。有些企业在上传代码时，已经明确要求开发者标注“是否由AI生成”，甚至需要说明“使用了哪款AI工具”。

再加上“信创”浪潮的影响，未来那些没有在国内完成备案的AI工具，大概率会被挡在大型政府项目和企业核心业务的大门外。这样一来，你费心学会的Claude、用熟的opus方法，很可能就没了用武之地。

更务实的选择，或许是下载国产工具，踏踏实实地去给GLM、Kimi、Qwen们充当“养料”。这未尝不是为自己将来的工作便利提前铺路。

AI会取代你的岗位吗？

曾经听过一个段子，虽然未经证实，却很能说明问题：某国内大型企业一度计划用AI替换掉所有外包人员，但财务核算后惊讶地发现，使用AI的成本竟然比养一群外包还要高，于是计划不了了之。

段子归段子，它却折射出当下的一种现实：目前几乎没有哪家公司是真正因为部署了AI而裁员的。更多的时候，“AI导致岗位消失”不过是企业为经营不善寻找的一个更体面的借口。

AI的定位依然是一款工具，使命是为人类提供更便捷的服务。它不会再“代替这个、代替那个”的宏大叙事中一夜间颠覆一切。最终被替代的，恐怕只会是那些落后的工作方式，以及那个不愿努力的自己。

未来的路

今后，我依然会持续学习AI，但不再被焦虑的情绪牵着走。我会主动把节奏降下来，让生活回归生活，让AI回归工具的本位。

回望这段学习历程，收获的远不止是AI本身的使用技巧，更多是对工作方法的深刻反思与迭代。

未来，我仍会总结并分享自己在AI使用上的心得与教程，更多是为了自我沉淀，也希望能给同路人带来一点启发。