上周我让 Claude 帮我写了一个 SQL 查询。写好之后跑了一下结果正确我就交了。然后产品经理跑过来说“这个需求是去年 11 月的你查的是今年的数据。”我盯着那个 SQL 看了十秒突然意识到一件事我根本没读这个 SQL。我只看了结果对不对。至于查询逻辑、表关联、WHERE 条件——我一个都没审。这不是偷懒。这是我相信 AI 是对的变成了一种肌肉记忆。但反过来想——那个需求如果不靠 AI我自己写大概要 20 分钟。AI 用了 20 秒。这 19 分 40 秒的差距我拿去跟产品经理对了需求细节发现她说的去年 11 月其实是想说上个财年而上个财年从今年 4 月才开始。如果我自己吭哧吭哧写 SQL发现错误的时候已经过了半小时。所以这个故事不是AI 让我变蠢了也不是AI 让我更快了。它是两者同时发生。而且这两件事纠缠在一起很难分开。我想认真聊聊这件事AI 到底给了我们什么又拿走了什么。不是那种 AI 会让人类退化的陈词滥调而是作为一个每天在用 AI 的人真实的体验。先讲四个老故事故事一文字。苏格拉底非常讨厌文字。他说如果把想法写下来人的记忆力就会退化——以前人们把知识记在脑子里有了文字之后他们把知识放在了身外。人会变得博而不深因为他们读了太多东西却没有一样真正理解。站在他的角度他说得对。有了文字之后人类的记忆力确实退化了。古希腊的行吟诗人能背诵整部《荷马史诗》现代人连十个手机号都背不下来。但他也不可能预见文字让人类积累了几千年的文明。没有文字就没有科学、没有法学、没有哲学。文字把知识从个体的脑子里解放出来变成了公共资源。每个人的记忆力变差了但整个人类物种的认知提高了几个数量级。故事二计算器。1990 年代计算器普及数学老师说你们以后算账都要靠机器脑子不用会生锈。“三十年后你去便利店买两瓶水加一包薯片收银员告诉你 28 块你给了 50他从收银机里找零的时候还会说稍等我算一下”。你自己算算 17×14。是不是脑子里已经在掏手机了口算确实退化了。但计算器释放了什么它把数学家的时间从做计算解放到做证明把工程师的时间从手算解放到建模。你不需要把时间花在算 17×14 上你可以去理解线性代数、微积分、概率论。这才是计算器真正的贡献——不是让你不用算了是让你去算更难的东西。故事三键盘与输入法。到了 2000 年代后期“提笔忘字变成了全民现象。你会读、会认一个字但拿起笔写不出来。我现在手写超过 50 个字手掌酸、字迹退化、个别字要停下来想这个字的右边是几横”。但我们的文字产出量暴增了至少两个数量级。一个古代文人一辈子写的字可能不如你一个月的微信聊天记录多。输入法把写字的门槛打到了零结果是每个人都在写——朋友圈、公众号、工作邮件、技术文档。书写的质量崩溃了但表达的数量和多样性爆炸了。故事四GPS 导航。2010 年代智能手机普及了 GPS。之前开出租车的人脑子里有一张活地图——哪个胡同通哪条大街、什么时段走哪条路最快。现在你去一个去过一百次的地方还是会打开导航。伦敦大学 2017 年研究用 GPS 的人海马体里关于空间导航的神经活动显著弱于用纸质地图的人。你的大脑把认路外包了然后相关的神经回路被回收去做了别的。但 GPS 释放了什么注意力。你不用在脑子里维持一张城市地图你可以专心听播客、想事情、或者单纯放松。而且你再也不会迷路了——这对方向感差的人来说是实实在在的生活质量提升。这四个故事在说什么它们说的是同一件事每一个认知工具都是一场交易。你失去一种能力获得另一种可能。文字拿走了记忆力给了你文明。计算器拿走了心算给了你高等数学。键盘拿走了书写给了你海量表达。GPS 拿走了方向感给了你注意力的释放。这些交易总体上赚了。人类没有因为文字而变蠢没有因为计算器而不会思考没有因为输入法而停止写作。但 AI 的交易规模不一样。AI 拿走的不是技能是过程计算器帮你做计算但要不要算“为什么算”怎么算是你在决定。你外包的是执行。AI 不一样。当你让 AI 写 SQL 的时候它不只做了语法翻译。它决定了用什么 JOIN、在哪里做过滤、子查询怎么嵌套。这些都是思维决策。你外包的不只是执行是判断本身。这就是为什么AI 退化跟计算器退化不是一回事。而且这里有一个更深的问题判断力不是在需要判断的时候凭空出现的。它是在无数次低级别的执行中慢慢长出来的。你怎么知道什么 JOIN 该用、什么索引该建因为你以前手动写过几百个 SQL有的是你自己写的写错了跑得很慢然后你用 EXPLAIN 看了执行计划发现全表扫描了于是你学会了怎么避免。这个过程很痛苦但它在你的大脑里建立了一个数据库查询直觉的神经网络。现在 AI 直接给你最优解。你跳过了那个痛苦。产出变快了但你的查询直觉还在原地。这就引出了 AI 时代最核心的矛盾——得到什么效率、广度、准入先说好的。AI 确实给了我们以前没有的东西。效率。 这是最显而易见的。以前花一小时的活现在十分钟。一个简单的 CRUD 接口、一个数据可视化脚本、一份会议纪要——这些必要但不增值的工作AI 吃掉了它们。剩下的时间你可以拿去做更有价值的事。前提是你会做那些更有价值的事。广度。 这是被低估的收益。我以前只精通 GoPython 能读但写不利索。现在我用 AIPython、Rust、TypeScript 都能写——不是写得很好但能干活。AI 降低了编程语言的切换成本让一个人能在更多领域里做事。Caltech 有个研究追踪了 5838 个开发者用了 Claude Code 之后的行为发现他们每月贡献的仓库数涨了 1.5 个使用的编程语言多了 0.83 种。AI 在降低你试试新东西的门槛。准入。 这是最重要也最容易被忽视的。以前写代码是一个高门槛技能——你要花半年学一门语言、理解编译原理、熟悉工具链。现在一个人用自然语言描述需求AI 帮他实现。不是说他不需要学编程了而是他可以在学编程之前就开始做东西。这跟计算器让小学生不用先背九九乘法表就能算两位数加减法是一个道理——工具降低了入门门槛让更多人参与进来。AI 能让更多人做东西。一个产品经理可以让 AI 帮他写一个数据看板一个设计师可以让 AI 帮他写交互逻辑一个创业者可以在没有技术合伙人之前先做出 MVP。这不是AI 取代程序员这是让更多人有编程能力。失去什么深度、直觉、品味再说坏的。这些是我亲身感受到的退化。深度。理解一个东西的唯一方式是在上面花够多的时间。不是读一遍总结而是自己动手做一遍遇到坑爬出来再回头看原理。AI 让你能在不真正理解一件事的情况下把它做出来。这很高效但也危险——因为你的知识变成了我知道怎么做而不是我知道为什么这样做。前者在正常情况够用后者在出现异常、需要判断、需要创新的时候才有用。我以前学一个新的算法会自己从头实现一遍跑 benchmark调参数看它在不同数据集上的表现。这个过程可能要花两三天。现在我用 AI 帮我写实现十分钟跑通看一眼结果觉得理解了。但理解了和真正理解了之间隔着两三天的手动实现过程中每一个被卡住的时刻。那些为什么会这样哦原来是这样的瞬间——AI 帮你跳过了。直觉。老程序员看一段代码就能闻出不对的味道——这个函数可能有时序问题那个 SQL 在大表上会慢这个接口设计的耦合太重。这种代码嗅觉不是读设计模式学来的是踩了十年坑之后身体记住的。如果你是一个刚入行的程序员你从一开始就用 AI 写代码你的坑全是 AI 帮你填的。你没踩过坑你就没有坑的记忆。你没有坑的记忆你就没有直觉。十年后你的简历上写的十年开发经验但实际上你的判断力可能只有三年——因为剩下七年是 AI 替你做判断。品味。品味是什么是你看过足够多的好代码和坏代码之后知道什么是好的设计。是你写过足够多的烂代码之后知道这里以后再改。是一种审美判断——不是对错是好坏。AI 可以模仿任何代码风格。但它没有这个设计好不好的判断——它只是生成概率最高的下一段代码。如果你自己没有品味你就会觉得 AI 写的每一段代码都挺好的。看得过去就过了。品味需要训练。而训练需要犯错、需要被批评、需要看了很多烂代码之后才看得出来什么是好。如果 AI 一直帮你避免犯错你的品味就停在原地。一个不太舒服的比喻AI 跟个人认知的关系很像外卖跟厨艺的关系。外卖让你不用买菜、切菜、炒菜、洗碗。你省了时间吃到了饭甚至吃得比你自己做的好吃。但如果你十年不做菜你的刀工没了你的火候感觉没了你对食材新鲜度的判断力没了。有一天外卖停了你连炒鸡蛋都不会。更糟的是因为你习惯了外卖的味道你会觉得炒鸡蛋本来就应该是那样的。你不知道一个真正好的炒鸡蛋是什么味道。你的品味也退化了。AI 让你不用做菜就能吃饭。但当所有人都靠外卖的时候这个世界上会做菜的人变少了。而会做菜的人——那些真的理解食材、火候、调味的人——变成了稀缺资源。那怎么办我不觉得答案是不用 AI。那是因噎废食。就像你不会因为计算器让你口算变差就回到算盘时代。但你需要刻意保留一些东西。“先饿着再做”遇到问题先自己试。卡住了再问 AI。不要一开始就把问题扔给 AI。这个过程很痛苦。你明知道 AI 能在 30 秒内给出答案还要自己花 30 分钟去探索。但这 30 分钟是你维持解题肌肉的必要训练。就像运动员在训练时要穿负重背心。比赛的时候脱掉跑得更快。但你平时不穿比赛的时候就脱不掉——因为你没有负重过。“吃不透的东西不吞”AI 生成的任何东西——代码、方案、文档——如果我不能自己讲清楚它为什么这样做就不能用。这条规则很难遵守。因为很多时候 AI 给你的方案看起来挺好的、跑起来也没问题。但看起来没问题不等于我理解了。只有在你能跟别人解释清楚的时候你才算真的理解。一个实用的判断标准你能不能在不看 AI 原始输出的情况下自己重新写一遍同样的逻辑如果不能就是没理解。保留一个不开辅助驾驶的领域我现在还保留手写笔记的习惯。纸和笔不是 iPad 和 GoodNotes。写得很慢很丑。但这个过程强迫我的思维慢下来按自己的逻辑去组织。做菜也是一个很好的无 AI 领域。你用你的手和火候判断力去做一件 AI 帮不了你的事。这提醒你你是一个完整的人不只是 AI 的指令输入者。每个人都需要一个没有 AI的角落。你可以下棋、弹琴、爬山、做木工。在这个角落里你靠自己。这跟能力无关跟你作为一个人的完整性有关。感受不会的滋味AI 时代最稀缺的体验是我不知道。以前学习编程你会对着一个 bug 看两个小时翻文档、搜 Stack Overflow、试了六种方法终于修好了。那种卡住-突破的循环是学习发生的时刻。在那个时刻你的大脑在建立新的连接。现在你不会卡住了。AI 帮你解决一切。但不卡住的代价是不学习。所以我有时故意不借助 AI让自己卡住一会儿。不是为了受虐是为了保留突破的能力。三种人观察身边的人AI 时代正在分化出三类开发者第一类AI 放大器。 他们本身有深厚的技术功底AI 把他们的能力放大了数倍。他们用 AI 处理机械部分自己专注在架构、判断和创新上。AI 是他们的副驾驶方向盘在自己手里。第二类AI 依赖者。 他们本身技术一般AI 让他们能做以前做不了的事。产出看起来不错但离开 AI 就写不了代码。他们在快速消耗自己从网上抄来的知识但没在积累新的。几个月后AI 进步了他们还在原地。第三类AI 逃避者。 他们拒绝用 AI坚持手写一切。精神可嘉但效率太低正在被第一类人拉开差距。就像当年拒绝用搜索引擎的人——有骨气但信息获取速度比别人慢一个数量级。这个分化的关键变量不是用不用 AI是用之前的底子和你用之后有没有继续训练自己的判断力。AI 让强的人更强让弱的人看起来变强了但实际上在变得更弱。而那个看起来变强的幻觉是最危险的部分。最后的比喻AI 给我们带来的不是智能替代而是智能杠杆。杠杆放大了你的力量。但杠杆也放大了一个问题如果使用杠杆的人自己没有方向感杠杆会帮他往错误的方向走得更远更快。所以真正重要的不是杠杆有多长是你有没有方向感。方向感从哪里来从你能在不靠 AI 的情况下独立导航的经验里来。从你踩过的坑里来。从你花时间啃透的那些基础知识里来。从你刻意保留的、不需要 AI 的那些训练里来。计算器让口算退化了但我们用释放出来的脑力学会了更高级的数学。如果 AI 让基础判断退化了我们能不能用释放出来的脑力去构建更深的东西这个问题的答案不取决于 AI 有多强。取决于你有没有在训练那些 AI 替不了你的东西。而且这个训练必须在 AI 时代里刻意地、有意识地进行。因为 AI 不会提醒你这部分我来做你的大脑会退化。它只是静静地把所有事情都做了让你的大脑在不知不觉中变懒。去健身的人知道肌肉不练会萎缩。思维也一样。你不需要拒绝 AI但你需要知道每一次你让 AI 替你做判断你的判断力就少训练了一次。 这不是劝你别用 AI。这是提醒你偶尔要自己动手。