当 AI 拿走一切之后

过去一个月，我接连收到三封陌生人的来信——都是我素未谋面的软件工程师。一个是做基础设施的前端开发，一个是数据运维，第三个介于两者之间。三封信看上去各不相同，问的却是同一个问题。

第一封问我："你觉得有一天，这些活儿会不会全都交给 AI？真到那一步，连代码审查还需要人吗？"

我的回答：很快。今年底或明年，最迟后年。

第二封更直接："我们未来的工作，会不会就是造出 AI，然后让它取代我们自己？"

第三封最长。写信人列举了他拥抱 AI 辅助编程的种种理由——更少的返工、更低的沟通成本、更高的产出——然后在结尾坦白：如果继续这样下去，我自己的成长怎么办？这一点他还没想明白。

这三个问题，本质上，是同一个问题。表面上像是工程问题，或职业规划问题，但再往下，它是一个存在主义问题：一旦执行被机器全面接管，人站在哪里？或者更直白地说——当 AI 拿走了一切它能拿走的东西，我们剩下什么？

我在回信里给了些零碎的回答，但我知道不够。这个问题值得一个更完整的答案，所以我写了这篇文章。这是一个共通的问题，也是我自己最近反复在想的问题。把它写下来，也许能帮到那些正被同一件事困扰的人。

两百多年前，英国有一种叫"珍妮纺纱机"（Spinning Jenny）的纺纱框架问世了。一个人能干原来好几个人的活。纱线变便宜了，那些靠一双手、一架旧纺车谋生的手工纺纱人，几个月内生计就崩塌了。

后来，他们中的一些人夜里出去，砸了机器。历史称他们为"卢德分子"（Luddites）。人们通常把他们当成仇视技术的蠢人，但这是个误读——他们想砸的从来不是机器本身，而是他们突然在机器面前所处的位置：一个一夜之间变得毫无价值的位置。他们不是没看见技术；相反，他们比任何人都更早看见了正在发生的事。

美团宣布裁员 30%–50% 那天，一个朋友发消息问我怎么办。我回他：我们不该做被珍妮机取代的纺纱人——我们该做把珍妮机用好的人。

这句话他可能记了很久。今天我想修正它。它只对了一半。

因为历史的下一页是这样写的：那些熟练的珍妮机操作工，日子也没好过多久。更快的机器造出来了，珍妮机——连同它所有熟练的操作工——被一起送进了博物馆。每一台机器，都在等下一台机器。

所以真正的问题不是"你会不会用 AI"。今天会用它的人，确实比不会用的人有优势，但这个优势的半衰期大概是一两年——而在行业顶尖，可能只有一两个月。每一代新模型带来的压力都在加码；探索和适应的窗口每次都在变短。每一次新模型发布都带来又一次范式更迭，而你辛苦搭起的工作流、你搜集的提示词技巧、你积累的工程脚手架——任何一样，都可能一夜之间变成一台珍妮机。

我应对这一切的唯一方法，我叫它终局思维（end-state thinking）：不要把精力花在中间态问题上。把终点当作前提来思考和行动。

举个例子。不久前我和几个同行就一个问题激烈争论过：随着 AI 写越来越多的代码，工程师还需要逐行理解它吗？有不少局部答案——更好的文档、更好的可视化、强制代码走查。但从终局的视角看，这根本不是核心问题。一旦意图能够直接、可靠地翻译成一个可运行的系统，"人逐行阅读中间产物"就失去了意义——就像今天，没人要求工程师去逐行阅读编译器生成的那每一行汇编。在一个注定会消失的问题上纠缠，是这个时代加诸我们身上最不易察觉的浪费。

终局长什么样？我的看法很简单——一句话：PRD is Code（需求文档即代码）。或者更一般地说：意图即实现。一个足够清晰的表达意图，直接成为一个可运行的系统。中间所有冗余的结缔组织——排期、集成、跨团队评审、来回翻译——全部消失。在我眼里，这不是十年后的事。今年就触手可及。几天前 Fable 5 发布就说明了这一点：任何真正用过它的人都知道它和 Opus 4.8 的差距——它自信、强大到我有那么一瞬间怀疑，是不是我问的问题太蠢了。

由此得到终局思维的第一条推论——冷峻但诚实：意图与实现之间的每一步，默认都会消失。

那么剩下的问题是：人站在哪里？

先说我自己身上发生了什么。

过去一年，我每一件能交出去的活儿，都一件件交给了 AI。设计文档——它写。代码——它写。文档和评审意见的初稿——它写。我现在一个晚上能并行跑完的量，两年前要整整一个季度。按理我该闲下来，可事实正好相反——我比以往任何时候都忙。"忙"的内容只是变了：我现在几乎从不动手生产任何东西。我整天都在审查它生产的东西。

这就是终局工作流的雏形。在它里面，留给人的只剩两件事：审查设计，验证结果。

注意这两件事的共同点：它们都不是生产。它们是守门（gatekeeping）。

九十年前，《摩登时代》里，卓别林站在流水线上拧螺栓，跟不上传送带的节奏，被卷进了齿轮。那个画面之所以成为经典，是因为它精准捕捉了工业时代人的处境：机器设定节奏，人追赶机器。九十年后，传送带转向了一个新方向——现在是机器生产、人来检验。AI 的生产速度实际上是无限的；启动一个新任务的成本趋近于零。但验证它产出的成本一分钱都没降，因为验证需要一个人在环里。所以，人类历史上第一次，生产瓶颈整体性地从机器转移到了人。

这个转移带来一条安静却致命的推论：你可以同时跑六七个会话，在不同的 worktree 之间翩翩起舞，疯狂切换上下文，优雅地多任务。但在这条新流水线上，你会发现，要把吞吐量再往上推，只有一条路——

少读一行代码。少走一步推理。不问那一个"为什么"。当脑子里那个小声音说"嗯，大概没问题"时，点头让它过。把这个趋势外推，你已经能预测未来几年：几乎每一次工程质量的崩塌，都不会是因为某个具体的人偷懒——而是结构性的。当生产无限快，验证标准就成了系统里唯一可压缩的变量，而眼前每一个激励都在推你去压缩它：老板的预期、同行的速度、绩效考核的鞭子——它们都在告诉你，放手吧。

但想清楚"放手"意味着什么。你之所以还没从验证这一步被优化掉，恰恰是因为你的标准比机器高。一个不断降低标准的守门人，正在亲手为自己打造被替代的理由。我在这件事上的立场从未动摇：

但还有一个更早一层的问题：并不是所有人都能安全退到守门这个角色。有些岗位会更早被淹没——它们连退的机会都没有。

在我们这个行业里，第一个感觉到水温变化的，在我看来，是前端工程师。

不是因为前端不重要。而是因为前端的位置在结构上是暴露的。前端坐在整个工程流水线的枢纽上——上游连着产品和设计，下游连着服务端，旁边还连着 QA。它是连接最多的角色。它是个路由器。但与此同时，它的护城河是最浅的：单个页面的技术复杂度是有上限的；搞坏了，爆炸半径是你自己的页面，不是别的系统；哪怕一个页面烂到无法维护，从头重写的成本也很低。

门槛低、爆炸半径小、容易重写——这三条加在一起意味着：没有护城河。所以整个行业都在看着所有人涌入那个门槛最低的房间：设计师不再交付 Figma 文件——他们通过 D2C 直接交付 HTML；QA 工程师正成批转岗前端；后端工程师顺手自己把页面写了；完全不会写代码的人，靠 AI 接到了第一个外包活儿。

但请不要把这一节读成"前端的故事"。这是关于护城河的故事，它适用于每一个行业、每一个角色。问自己两个问题：

把这两个问题想透，退路自己就浮现了。有两条：

往深走。把自己从一个页面的作者，变成一个系统的守护者——走向那些出错代价巨大的地方：性能、架构、质量、稳定性。我在那些信里给前端工程师的建议是：接一点后端的活儿，甚至自己全栈做一个小功能——不是为了多学一门技术，而是把你的认知从一个点拉成一条线。岗位的边界正在崩塌。未来需要的，不是某一侧的工程师，而是能为整个系统负责的人。

往新走。去造那些还没人造过的东西——那些别人的工作流会开始依赖的东西。这里有一条重要规则：不要去造那些靠烧 token 就能得到的东西。任何别人已经造过、你只要让 AI 克隆一份就行的工程产品——再多一个审查机器人、再多一个工作流工具——都不值得你投入精力，因为它的获取成本已经趋近于零。值得造的，是范式级的工作：那些一旦存在，就改变了别人工作方式的东西。

关于窗口的一点补充。一年前，共识还认为"像用实习生一样用 AI"是安全策略——你定方向，它干粗活，你检查。但升级周期越来越短。今天的 AI 在很多领域已经可以当导师，不是实习生。把 AI 当实习生的人，还能舒服一两年。再往后，真正的问题就变成了：当它比你强，你在这场协作里还能贡献什么？

下一节回答这个。

如果执行层注定要被交出去，我们还剩下什么？

我想先澄清这个问题的性质。它听起来像一声叹息；它其实是一场提纯。米开朗基罗说，雕像本来就在大理石里——他只是凿掉了那些不属于它的部分。AI 时代正在对每一个职业做同样的事。它从我们手里拿走的那些部分——重复的执行、格式转换、熟练的传话——本来就不是"我们"。它们只是我们拿去换薪水的那几个小时。

当这些层剥落，剩下的、它拿不走的，才是一个人真正的轮廓。换句话说：剩下的才是珍贵的——而它在这场剥离中活得越久，就越珍贵。

过去，这些东西被埋在堆积如山的执行活儿下面；它们看起来廉价，几乎没人注意。如今盖子被一把掀开，它们第一次完整地站在了光里。

我在那三封信里反复写的就是同样三样东西。它们不是技能——技能是"工具"，而工具会过时。无论珍妮机的操作工多么熟练，她都和她的机器一起进了博物馆。这三样东西位于工具层之上，而且我相当确信它们不可替代。

第一样：判断力（judgment）

AI 是有史以来最强大的问答机器，但它不提问。你告诉它做什么，它就做什么——而"做什么"，是人的活儿。

很多人以为 AI 抹平了人与人之间的差异。我认为恰恰相反：它放大了差异。做一个思想实验：假设每个人的提示词技巧都达到巅峰，每个人都能一句话让 AI 把事办了。任何两个人之间的产出仍然会天差地别，因为你们各自让 AI 去做的事，是不一样的。选对问题的人，产出放大十倍；选错问题的人，只是把错事做快了十倍。过去，执行能力掩盖了平庸的判断力，因为执行本身就吃掉了大部分时间。如今执行趋近于免费，判断力第一次赤裸裸地暴露在结果里，无处可藏。

培养判断力没有捷径，但有一个笨办法：把盘子里的东西全摊开，亲手排个优先级，然后审问自己为什么是这个顺序——是什么让这个排在那前面？它的业务价值是什么？不做它的代价是什么？答案来自你对业务的感觉和对技术的觉察——而这两样，恰好都只能亲自获得。

第二样：品味（taste）

AI 的产出是预训练的产物。不加引导，每个人从它那里得到的东西都一样：一个 80 分的均值——功能正确、面目模糊、以一种平庸的方式正确。

把这个结果从均值推向一个具体的、署名的 95 分的——那就是人注入的品味。

一个真实的故事。一个不会写一行代码的朋友，靠 AI 接了第一个外包活儿。页面能跑，客户也接受了——但我一看她的技术设置，一团糟：能跑，但无法维护、没有结构、离撞墙只差一步。我没替她写一行代码。我只是多告诉了 AI 两件事：后端该用什么技术栈，该部署在哪里。这两句话让整个项目转了向。AI 接过去，把剩下的自己重构了。

同样的功能。差别在哪？就在那两句话。那两句话，就是品味。

哲学家波兰尼（Polanyi）有句名言："我们知道的，比我们能说出来的多。"品味是隐性知识（tacit knowledge）的教科书案例：它写不进提示词模板，没法一次性转交给机器，因为它不是一组规则——它是你用自己的手，在数千次反馈回路里，在"不，不是这样，是那样"的灼热中长出来的东西。

《庄子》里，庖丁说："臣之所好者道也，进乎技矣。"技，可以交给机器。道，还不行——而且技交出去得越多，道就越稀缺。

第三样：推演（derivation）

AI 是概率的造物，所以它给你的材料总是丰沛的、相关的、看起来合情合理——但在"看起来合逻辑"和"逻辑上站得住"之间，隔着一条必须你用自己的脚走过去的路。

AI 做加法；人必须做减法。它一秒钟能给你十个理由、二十条参考、五个选项。你的活儿，是在这片茂盛的相关性里找到最坚实的那个点，然后亲手、一环一环地把逻辑链重新搭起来：如果走这条路，第一步会发生什么？卡点会出现在哪？那个卡点是根本性的，还是工程性的？——在你脑子里、一砖一瓦地，把这座逻辑塔搭起来。一座你搭不起来的塔，上线的时候就会塌。

写信给我的人里有一个说，她用纸和笔。在让 AI 给方案之前，她先在纸上勾画：如果上游直接把代码给我们，我们怎么跑？哪里会出问题？那个问题是怎么产生的？我珍视这个习惯，因为推演这个动作，是知识归属感的来源。

AI 可以一瞬间把整栋楼的图纸交给你。但如果那条逻辑链不是你亲手搭的，那些知识就不是你的——它待在你脑子里，却迁移不到下一个问题。下一次，换一个场景，你照样只能再去问 AI。

说了这么多，我必须诚实地面对一个矛盾，因为其中一位写信人把它说得很明白："如果以后我们写得少、只做审查，这些能力很难练——怎么办？"

她说得对。判断力、品味、推演——这三样全都来自亲手做。而我们正把"亲手做"交给 AI。用进废退。这是一个真实的、结构性的矛盾，我不打算用漂亮话糊弄过去：对这个矛盾，我没有完整答案。

但她在信里说，她找到一个方法。我认为这是眼下能有的最好的局部解：不要把问题立刻丢给 AI。先自己把逻辑链走一遍，哪怕粗糙——形成一个高层想法：我要什么、分几部分、关键依赖在哪。然后把这个想法交给 AI 去展开、细化、执行。这样你既保住了思考过程，又借到了机器的速度——而且因为你脑子里有图纸，验证也更快。慢，但你不会弄丢自己。

慢一点可以。当时代的潮水推着你走，慢可以是一种自律。

判断力、品味、推演——归根结底，这是三种能力。它们是帮你把活儿干得更好的"艺"。但在这些能力底下，藏着一个更根本、更容易被忽视的问题。它不是关于你能不能把活儿干好。它是关于：你这个人，是不是还在这间屋子里。

把眼睛从工程上抬起来一会儿。

在《斐德罗篇》里，柏拉图讲了一个埃及传说：发明文字的图特神（Theuth）把它献给法老塔穆斯（Thamus），声称这项发明会让埃及人更聪明、记性更好。法老拒绝了。他说："恰恰相反，这项发明会在学习者的灵魂里播下遗忘的种子。他们会依赖外部的记号，而不是自己去记。他们会听到很多东西，却什么也没真正学到。他们看起来无所不知，实际上什么都不懂。"

两千四百年来，每一次认知技术的革命都召回了塔穆斯的幽灵：文字杀死记忆；印刷杀死权威；搜索引擎杀死学习。而每一次回头看，这种担忧都显得过了头——我们外包了记忆，却腾出心智空间长出了更复杂的思考；我们外包了检索，却把知识架构往上搭了一层。技术悲观主义从来没赢过。

那么，这次有什么不同？

不同的是，被外包的那一层。文字外包的是记忆。印刷外包的是复制。搜索外包的是检索。它们交出去的，都是思考的原材料。这一次，人类历史上第一次，我们可以外包思考本身：推理、权衡、判断——正是塔穆斯最害怕失去的那部分灵魂。

在过去每一次革命里，腾出来的心智空间都流向了更高层的认知活动。这一次，没人知道，比最高的还高的是什么。

我见过主体性丧失的样子，它一点都不戏剧化——它一点声音都没有。一个问题过来。这个人不再先思考——他直接转发给 AI。AI 给了答案。这个人截图，转发回提问者。一个来回。这个人在链路里的功能是一根网线。一个 bug 上线了，经理问怎么回事，他说：我不知道，AI 写的。

在那一刻，被替代的不是他的工作——而是他的在场（很可能他的工作也是）。他还坐在那个位子上。但他已经不在了。

马克思在分析异化劳动时写道，工人"不是在劳动中肯定自己，而是否定自己"。异化的恐怖从来不是工人最终丢掉了工作——而是在失业之前很久，劳动本身就已经变成了某种外在于他的东西。

珍妮机时代的纺纱女工，先是失去了与劳动的关系，然后才失去了劳动本身。

今天的版本是一种认知异化：在被 AI 取代之前，一个人先是把自己活成了一个不再需要成为主体的人。

这才是真正的危险。福柯早就警告过：规训从不需要看守——我们会把自己修剪成流程所要求的形状。海德格尔说得更冷：

但我想说的不是悲观的那一半。恰恰相反。

一个真正的问题，大多数时候并没有一个确定的答案。认知不是从天上掉下来的。它是人通过推演、辩论、交换磨出来的——一点一点，通过一个无法跳过的过程，因为那个过程就是人本身。如果认知是 AI 直接递给你的——无论它全不全面、是否批判——仅仅是中间那段思考的缺席，就足以让主体性一寸一寸地退却，直到剩下的，是一个在珍妮机前等着被退休的人的剪影。

AI 无法替代人去感知和体验世界——这不是一句打气的话；它有结构性的依据。我在更早一篇关于 AI 与心理疗愈的文章里写过：人的认知不只是信息处理——它是感觉与情感交织而成的一种体验。我们通过身体感知真实世界；我们通过感受赋予意义。AI 在处理信息和生成文本上无可匹敌，但它缺失的恰恰是体验这一维度。一句话：AI 的理解是工具性的，而非存在性的（instrumental, not existential）。它能帮我们理解人类处境的某些侧面，却无法替代我们通过切身经历和内心反思所获得的洞见。一幅画可以模仿自然，却永远成不了自然本身。

所以：逻辑推演、自由联想的跳跃、对业务的感觉、探索未知的冲动——这些不是简历上的要点。它们是主体性的器官。我的看法是：人的思考不该在 AI 时代被磨灭。它该被放大。AI 接管确定的那部分。人本来就该活在不确定性里——判断力、品味、推演都住在那里，而"什么使我们成为人"这个问题，也在那里找到答案。

帕斯卡说：人是一根会思想的芦苇；宇宙不需要任何武器就能碾碎他。但人仍然比碾碎他的东西更高贵，因为他知道自己会死，而宇宙对此一无所知。在 AI 时代，这句话有了新的读法：一个模型可以在几乎每一项任务上超越我们，但知道自己在做什么、为什么做、它会给这个世界带来什么不同——那仍然只属于芦苇。

芦苇的全部尊严，在于它的思考。请不要把它交出去。

上面的推理是一条不断向内的路：从工作，到能力，到主体性——一层比一层深。现在我们到了最里面的房间——所有焦虑真正的源头就坐在这里。

对工作的威胁、能力的培养、主体性的存活——所有这些焦虑，汇聚到一起，都会塌缩成同一件事：我们害怕失去价值感。害怕有一天醒来，发现自己对这个世界不再有用了。被裁员，只是这种恐惧的外壳。内核更古老：一个人最深的恐惧，从来不是没有工作。而是怀疑自己不再值得。

但价值感从来不是世界交给你的东西。它是你自己锚定的。

多年前我写过一篇文章，叫《谈谈存在的价值与人生体验》。那时 AI 和我的生活毫无关系。我在里面写：生命没有先天的目的。我们偶然地来，偶然地走，没有哪条法律规定我们必须做什么。即便如此，我们也要带着勇气，把这趟没有意义的人生往前开——"这趟航行没有目的地，但在茫茫大海上，我们沿途不断抛下锚标。"定义我们的，从来不是航行本身，而是我们赋予航行的意义。存在先于本质。我们先存在，然后才去寻找意义——为"存在"这个事实赋予意义。

我没料到，多年以后，那段关于人生的话，会精确地落在一个技术问题上。

因为意义是事后赋予的——因为它是你自己抛下的锚标——锚定有一个古老的陷阱：如果你把全部意义感系在单一的外部反馈环上，那么那个环一旦断裂，整个意义结构一夜之间就会塌缩成幻灭。我当年用的例子是工作狂——把全部意义感钉在绩效评审和老板的认可上。反馈一断，热情熄灭，自我怀疑涌入。

AI 时代所做的，不过是把这种古老的脆弱，以前所未有的规模和速度，兑现给全世界看。

如果你的价值感恰好锚定在"我会写代码""我执行得快""我比别人交付得多"上——那就面对这个残酷的事实吧：你把锚抛进了一片正在退潮的海。锚本身没错。它只是不再是你的了——它属于机器，而机器正以肉眼可见的速度把它收回。

那么，真正稳定的价值之锚在哪里？就在 AI 触碰不到的地方。

AI 可以处理整个世界，却无法体验它。它可以模拟所有意义，却无法真正赋予意义——因为赋予意义，需要一个真真切切活着、感受着、在乎着的主体。这才是唯一可靠的价值之源：它不来自"你有用"。它来自"你能感知、你能关心、你能给你所做的事一个只属于你、不属于任何别人的意义"。前者是市场给你的报价，它随技术涨跌。后者是你自己的价值，谁也拿不走——除非你自己把两者搞混。

多年前，在我人生的低谷，我几乎倔强地为自己写下这句：无论有没有那些外在的东西，都相信自己百分之百珍贵；我永远有自己的价值，无条件地。今天我想把这句话回赠给每一个在 AI 面前感到自己正在贬值的人。AI 在压低你的报价。它触碰不到你的价值。

所以：当 AI 拿走一切之后，剩下的不是什么退而求其次的避难所——它是价值感本来就该住在的地方。AI 是一场退潮。它冲走了我们这些年来随手抛出去的所有外在锚点——头衔、产出、被需要的感觉——逼我们游回那个潮水到不了的中心。

在那篇旧文里，我给了那个中心一个定义：我们存在的价值，在于确定这个中心。我们活着的意义，在于拓展它的边界。中心，是让你成为你的东西。边界，是你用一生去体验、感知、赋予意义的世界。AI 可以无限逼近边界，却永远到不了中心——因为坐在中心的，是一个会死、会爱、会在深夜仍然追问意义的人。

把你的价值感，从"被 AI 需要"里夺回来。这是这个时代交给每个人的最安静、也最紧迫的一课。

回到那三封信，回到开头的问题。

今年，熟悉我的朋友说我激进：我把设计交给 AI，把代码交给 AI，把审查初稿交给 AI；下一步我准备把测试也交出去。但很少有人懂：效率从来不是目的。如果 AI 的全部意义是让一个人干四个人的活，再堆上更多工作量——那又怎样？那不过是把自己变成一台更廉价的珍妮机，在被取代之前替资产负债表多省两年。人永远不可能在效率上跑赢机器。那条路的尽头写着两个字：必然被取代。

激进，真正的目的只有一个：在大趋势到来之前，不断找到新的立足之地。AI 替你省下的所有时间，都必须流进成长和探索——而不是流进更多需求。这是我给自己定的一条纪律：如果效率的红利被工作量全部吃掉，那这场革命对个体来说就是没有意义的。

在我设想的终局工作流里，工程师有两个位置，都不可或缺。

一个是 Infra：构建 AI 工作于其中的那个世界。知识怎么积累、上下文怎么流动、智能体怎么协作、范式怎么刷新——这个世界不会自己长出来。工程师得去建它。这是"理解系统并构建系统"——工程师的天赋——从业务代码上移到更高的一层。

另一个是守门人：在意图到实现的那条奔腾的河里，作为质量和判断的最后一道岗——用判断力选对问题，用品味定下标准，用推演守住逻辑。这才是让一个工程师之所以是工程师的东西。任务不是把它丢掉，而是把它推到极致，然后嵌进未来的工作流。

最后，我想回到那些夜里砸机器的卢德分子。

他们真正的悲剧，不在于他们把矛头指错了方向——机器确实碾过了他们的生计，他们的愤怒，值得两百年后读着他们的我们给予尊重。真正的悲剧在于，站在那一刻，他们能看见的唯一选项，是砸。他们能看见自己正在失去什么。他们看不见自己能成为什么。这不是他们的错。在那个时代，没人能看见。

但我们和他们不同。这是独属于我们这一代人的残酷特权：变化以年计，快到一个人能在自己的职业生涯里见证终局，也快到没有人有观望的余地。我们是第一代能带着对终局的觉察、参与这场革命的普通人。

那么——我们去哪里？

回到第一封信里的问题："这一切，会不会都交给 AI？"

会。而且比大多数人预想的更快。

但这个问题的答案，不取决于 AI。它取决于那一天到来时，你站在哪里：在流水线的尽头，用一个越来越低的标准给机器的产出盖章，等着连盖章都被优化掉？还是更靠上游一些——在问题被选定的那个地方，在标准被定下的那个地方，在逻辑被守住的那个地方，在世界被建造的那个地方。

并且，无论你选择站在哪里，请记住这场革命的另一面。它是一场宏大的减法，但它减掉的，从来不是我们身上最珍贵的东西——只是那些长期以来把珍贵之物遮住的执行与重复。

当潮水退去，裸露在沙滩上的，本来就一直都在那里，只是被无尽的忙碌掩埋了：你的判断力，你的品味，你亲手走过的那条逻辑，你对这个世界的感知与好奇。

所以"我们还剩下什么"这个问题，不再需要用忧虑的语气来问了。剩下的，是珍贵的。剩下的，是我们。

你今天做的那些小小的决定——在打开聊天窗口之前，先在纸上把逻辑链走一遍；为了速度而拒绝降低标准；把省下的时间投进一次没人做过的探索——这些微小的决定，本身就是趋势。

我们不是被趋势裹挟的个体。

风起于青蘋之末。我们应该成为趋势本身。

向前跑。别回头。

致那三位写信的朋友：谢谢。这篇文章里大部分的思考，不是我一个人做出来的——它是在那些书信的来回中推演出来的。而这个事实本身，恰好就是这篇文章在讲的东西。

愿你们永远，在机器的轰鸣里，仍然听见自己的声音。

写于深夜，2026 年 6 月 12 日。

Part 1 · 杂志长文：一场关于"人在哪"的存在主义追问

这不是一篇技术文章。这是一篇用工业革命史和存在主义哲学包装起来的、写给工程师的"AI 时代生存手册"。它的真正主角从来不是 AI，而是人。

Airing 从三封陌生同行的来信开篇——三个人，三种焦虑，一个共同的核心：执行被机器接管之后，我站在哪里？他没用"拥抱变化"那种空话敷衍，而是先泼了一盆冷水，这盆冷水是全文最锋利的一刀。

第一刀：别学纺纱人改学操作珍妮机——因为操作工后来也进了博物馆。我们这一代开发者最爱说的安全话术是"学会用 AI 的人会取代不会用的人"。Airing 说：只对了一半。珍妮机的熟练操作工，比纺纱人多活了没几年，就被更快的机器连人带机送进了博物馆。"学会使用新工具"从来不是赦免，只是缓刑。这个判断冷峻，但站得住——每代模型的半衰期已经缩到以月计，你今天引以为傲的 prompt 技巧和 agent 编排，下个版本可能就是一台新的珍妮机。

第二刀：终局思维。既然中间态都会被冲掉，那就别在注定消失的问题上耗命。他的终局判断很激进——PRD is Code，意图即实现，今年就触手可及。由此推出第一条铁律：意图与实现之间的每一步，默认都会消失。

第三刀，也是最反直觉的一刀：瓶颈反而回到了人身上。这一点切中了每个重度 AI 用户的真实体感——你把活儿都交出去，本该闲下来，结果更忙了。因为最后只剩两件事：审查设计、验证结果。这两件都是"守门"，不是生产。而守门的吞吐量天花板，是你自己的标准。于是出现一个致命的激励结构：唯一能让你"更快"的方式，就是降低你自己的标准。少读一行、少问一个为什么、放过那个"大概没问题"。Airing 在这里给出全文最硬的一句立场——慢一点可以。标准，一寸不让。

接下来是护城河分析。谁的岗位先被淹？他点名前端——不是因为不重要，而是位置暴露：连接最多、复杂度有上限、爆炸半径小、重写成本低。但真正有价值的是他抽出来的两个自检问题：你工作里多少是"搬运信息、转换格式"？犯错的代价有多大？前者越大、后者越小，你就站在淹得最快的海岸线上——因为 LLM 本质就是格式转换机。出路两条：往深走（从写一个页面到守一个系统），往新走（造别人烧 token 得不到的、范式级的东西）。

然后是全文的理论高点——AI 拿不走的三样：判断力、品味、推演。判断力的逻辑很漂亮：AI 不提问，提问是人的事；当执行趋近免费，判断力第一次赤裸裸地暴露在结果里，选对问题的人放大十倍，选错的只是把错事做快十倍。品味是波兰尼意义上的隐性知识，写不进 prompt。推演是 AI 做加法、人做减法——AI 给你十个理由，你得亲手把逻辑塔一砖一瓦搭起来。

但他没有停在这里。他用整整一章把问题从"能力"下沉到"主体性"——你这个人，是不是还在这间屋子里。借柏拉图《斐德罗篇》里法老拒绝文字的传说、马克思的异化劳动、海德格尔"人把自己也当成待优化资源"的警告，他指出最安静的灾难：一个人不再先思考，直接把问题转发给 AI，再把答案截图转发回去——他在链路里的功能是一根网线。位子上有人，但人不在了。

收尾落到"价值的锚"。所有焦虑塌缩成同一个：怕失去价值感、怕不再被需要。他的解法是存在主义的——价值不是世界给的报价，是你自己锚的中心；AI 是退潮，冲走外在锚点（头衔、产出、被需要感），逼你游回潮水到不了的中心。"AI 在压低你的报价。它触碰不到你的价值。"

最后回到卢德分子——他们的悲剧不是砸错了东西，而是只看得见"砸"、看不见"成为"。我们这代人不同：变化以年计，快到能在自己职业生涯里见证终局。风起于青蘋之末。我们应该成为趋势本身。

你正是 Airing 笔下那种"激进派"——Claude Code 重度用户，把翻译、研究、开发、写作都交给 AI，同时跑多 agent。这篇文章几乎是对着你写的。几条最切肤的：

Jarry 的类比和 Airing 的回应，其实是全文那个"无解矛盾"的最佳注脚——学校能强制你手算，市场不会强制你手推。在一个所有激励都推你"放手"的系统里，自律是反人性的。这或许才是"标准一寸不让"四个字真正的分量。