即刻App年轻人的同好社区
下载
我们这一代人属于是互联网原住民，非常直观的感受到了数字科技所带来的颠覆感。
但有个数据可能会让你觉得不真实：
美国过去50年的生产力增长速度，只有1940-1970年代的一半。
这意味着什么？
意味着你体感到的技术进步,可能大部分是幻觉。
A16Z联合创始人Marc Andreessen在一期播客中给了个更直观的例子：
1976年，协和式客机首飞，时速2180公里，纽约到伦敦3小时。2003年退役。现在呢？我们的客机反而更慢了，因为航空公司发现省油比速度更赚钱。近50年，人类造不出比协和更快的民航机。
停下来想一秒：你手机每年都在更新，但你坐的飞机速度还不如你爸年轻时候快，这不荒谬吗？
Andreessen把这叫作数字世界和物理世界的脱节。
我们在比特的世界里狂奔，在原子的世界里原地踏步。
软件确实吃掉了很多东西，但它吃不掉物理定律，吃不掉那些需要在现实世界里移动、制造、建造的东西。
所以当他把AI比喻成了现代版炼金术。
把沙子变成思想的时候，重点不在沙子变思想这个比喻有多酷，而在于AI可能是第一个能同时改变比特和原子的技术。
它能设计新材料、优化物流、加速药物研发。
它不只是更好的软件，它是能改造现实世界的软件。
但在说AI能做什么之前，我们得先看看一个更微妙的变化正在发生。
产品经理已经开始用Claude写代码了，这并不是写伪代码给工程师看，是真的能跑的代码。
工程师开始用AI生成设计稿，设计师直接改前端样式。
Andreessen把这个现象叫墨西哥对峙：三个人同时拔枪，结果发现大家都会对方的活儿。
这听起来像技能通胀，但实际效果恰恰相反。
当一个人能同时掌握产品、设计、开发三个领域的基础能力时，他不是变成了三个半吊子，而是在交叉地带找到了别人看不到的机会。
不可否认，我身边就已经有这样的人了。
原本偶尔还会喊我出去运动小酌的朋友，突然沉寂了一段时间，几个月后又突然在聊天框里发消息约出来，并且告诉我他自己做了一个APP，并且开始产生收入了。
他们是天才吗？不一定，更多的只是比我们更早开始用AI。
更隐蔽的变化在教育。播客里提到了一个叫Bloom 2σ效应的研究：
给学生配一对一导师，学习效果能提升两个标准差。
什么概念？就是能把班级排名中游的学生，变成前10%的那种提升。
问题是一对一导师太贵，亚里士多德给亚历山大大帝当家教那是皇室特权。
现在不一样了，任何人都能有个永不疲倦的AI导师。
它不会因为你问第五遍同样的问题就不耐烦，它会用苏格拉底式的方法引导你自己找到答案。
学生半夜醒来想通了白天的数学题，可以就立刻问，AI会陪着一步步推导。
这不是锦上添花，是教育史上从未有过的民主化。
当学习这件事不再受限于老师的时间和耐心，会发生什么？
然后是一个让人细思恐极的时间巧合。
Andreessen问：为什么AI恰好在人口下降的时候成熟？
日本、韩国、中国的劳动人口在急速萎缩，美国移民政策收紧，到处都在招不到人。咖啡店缺服务员，医院缺护士，工厂缺工人。
按照传统逻辑，经济应该收缩。
但AI来了，就在最需要它的时候。
这里有个很多人没想明白的悖论：一边担心AI抢工作，一边到处招不到人。
这两件事怎么同时发生？
答案是AI不是来替代人的，是来放大每个人能力的。
一个护士用上AI辅助诊断系统，能照顾更多病人；
一个客服用上AI工具，能集中更多的精力去处理更复杂的问题。
生产力提升了，但我们还需要那个护士、那个客服。
这种情况在历史上有个镜像：电力革命。1
900年电力普及时也有人担心机器会抢工作，结果电力创造的新岗位远比替代得多。
因为生产力提升后，经济规模扩张的速度超过了替代的速度。
所以当AI能处理90%的重复性工作时，那10%需要人类判断、同理心、创造力的工作会变得无比重要。
人不会贬值，会更珍贵。但这有个前提：你得是那个掌握了AI工具的人。
Linus Torvalds,Linux操作系统的创始人，全世界最顶尖的程序员之一，几百万台服务器跑的都是他写的代码。
他承认AI编程已经超越了他。
这不是谦虚，当这个级别的程序员说AI比他强，意味着人类在某个领域的天花板不再是技术的天花板了。
Andreessen的解释很直接：人类最聪明的人IQ大概160，这是大脑物理结构的限制。
你的大脑就这么大，神经元就这么多，处理速度就这么快。再加上睡眠、疲劳、情绪干扰这些生物成本。
AI呢？7×24小时工作，永远不累，智能上限未知。数据显示AI性能每18个月翻倍，这个曲线还在继续。
但AI真的理解它在做什么吗？
Andreessen的反问很有意思：这重要吗？AI已经能证明新的数学定理，那种人类数学家看了都说对的证明。
它在医疗诊断上超过经验丰富的医生，能发现癌症早期征兆。
它理解数学吗？理解癌症吗？
可能不像人类那样理解。但它确实在推动边界，确实在救命。
他给了个类比：AI是人类智能的外骨骼。
就像外骨骼让你举起更重的东西，AI让你思考更复杂的问题。不是替代你，是让你变超人。
AI能写出《百年孤独》吗？可能永远不行。
那种需要几十年人生沉淀、独特文化背景才能写出的东西，AI做不到。
但99%的创作不需要马尔克斯级别的天才。
写产品文案、做活动策划、编培训材料，AI能覆盖的部分已经足够改变世界。
当AI处理了那99%的常规创作，那1%真正需要人类独特视角的创作会更珍贵。
就像摄影术发明后，画家不用再画逼真肖像，于是有了印象派、抽象派。
听完播客，我一直在想一个问题。
Andreessen说大部分人把AI当成更好的搜索引擎在用，问个问题、复制答案，就结束了。
这就像1995年的人把互联网当电子黄页。
真正的变革在五个维度同时发生：
技术突破打破了50年的停滞；人口危机恰好需要生产力革命；个体被赋能成为超级个体；教育从流水线变成个性定制；智能的生物学天花板被突破。
这种交汇几百年才出现一次，上一次是工业革命。
再次我说一点自己的想法。
这次不同于以往任何一次技术浪潮的地方在于：时间窗口会非常短。
工业革命从蒸汽机到电气化用了100年，互联网从诞生到移动互联网用了30年。
AI从ChatGPT到现在满打满算3年半不到，已经有人用它管理整个公司、有人靠它月入六位数、有学生用它从零开始学会编程。
这意味着你不能等到看清楚了再行动，因为等你看清楚，游戏规则已经变了。
那些现在就开始用AI的人，正在建立一种复利优势。
他们学会了用AI学习，用AI解决问题，用AI创造价值。
这个能力差距每天都在拉大。
一年后回看今天，你会说抓住了还是错过了？
这不是鸡汤，是一个需要现在就回答的选择题。
如果AI真的能把每个人的能力放大10倍，那些原本就领先的人会被放大多少？
一个优秀的程序员用上AI，一天能写出以前一周的代码。
一个普通程序员呢？可能还在纠结怎么写提示词。
一个有创意的人用AI能做出惊艳的作品，一个没创意的人用AI只能做出平庸的复制品。
AI不会让所有人变得平等，它会放大原有的差距。
这才是真正需要思考的问题：
在一个AI能力被无限放大的时代，你的核心竞争力是什么？是判断力？是品位？是对人性的理解？是整合资源的能力？还是持续学习的能力？
Andreessen说把沙子变成思想听起来像魔法，但魔法一旦变成日常，我们就叫它科技。
现在你有机会在魔法还是魔法的时候参与进来。
真正的热潮还没开始，但留给你准备的时间可能比你想象得要短得多。
但有个数据可能会让你觉得不真实：
美国过去50年的生产力增长速度，只有1940-1970年代的一半。
这意味着什么？
意味着你体感到的技术进步,可能大部分是幻觉。
A16Z联合创始人Marc Andreessen在一期播客中给了个更直观的例子：
1976年，协和式客机首飞，时速2180公里，纽约到伦敦3小时。2003年退役。现在呢？我们的客机反而更慢了，因为航空公司发现省油比速度更赚钱。近50年，人类造不出比协和更快的民航机。
停下来想一秒：你手机每年都在更新，但你坐的飞机速度还不如你爸年轻时候快，这不荒谬吗？
Andreessen把这叫作数字世界和物理世界的脱节。
我们在比特的世界里狂奔，在原子的世界里原地踏步。
软件确实吃掉了很多东西，但它吃不掉物理定律，吃不掉那些需要在现实世界里移动、制造、建造的东西。
所以当他把AI比喻成了现代版炼金术。
把沙子变成思想的时候，重点不在沙子变思想这个比喻有多酷，而在于AI可能是第一个能同时改变比特和原子的技术。
它能设计新材料、优化物流、加速药物研发。
它不只是更好的软件，它是能改造现实世界的软件。
但在说AI能做什么之前，我们得先看看一个更微妙的变化正在发生。
产品经理已经开始用Claude写代码了，这并不是写伪代码给工程师看，是真的能跑的代码。
工程师开始用AI生成设计稿，设计师直接改前端样式。
Andreessen把这个现象叫墨西哥对峙：三个人同时拔枪，结果发现大家都会对方的活儿。
这听起来像技能通胀，但实际效果恰恰相反。
当一个人能同时掌握产品、设计、开发三个领域的基础能力时，他不是变成了三个半吊子，而是在交叉地带找到了别人看不到的机会。
不可否认，我身边就已经有这样的人了。
原本偶尔还会喊我出去运动小酌的朋友，突然沉寂了一段时间，几个月后又突然在聊天框里发消息约出来，并且告诉我他自己做了一个APP，并且开始产生收入了。
他们是天才吗？不一定，更多的只是比我们更早开始用AI。
更隐蔽的变化在教育。播客里提到了一个叫Bloom 2σ效应的研究：
给学生配一对一导师，学习效果能提升两个标准差。
什么概念？就是能把班级排名中游的学生，变成前10%的那种提升。
问题是一对一导师太贵，亚里士多德给亚历山大大帝当家教那是皇室特权。
现在不一样了，任何人都能有个永不疲倦的AI导师。
它不会因为你问第五遍同样的问题就不耐烦，它会用苏格拉底式的方法引导你自己找到答案。
学生半夜醒来想通了白天的数学题，可以就立刻问，AI会陪着一步步推导。
这不是锦上添花，是教育史上从未有过的民主化。
当学习这件事不再受限于老师的时间和耐心，会发生什么？
然后是一个让人细思恐极的时间巧合。
Andreessen问：为什么AI恰好在人口下降的时候成熟？
日本、韩国、中国的劳动人口在急速萎缩，美国移民政策收紧，到处都在招不到人。咖啡店缺服务员，医院缺护士，工厂缺工人。
按照传统逻辑，经济应该收缩。
但AI来了，就在最需要它的时候。
这里有个很多人没想明白的悖论：一边担心AI抢工作，一边到处招不到人。
这两件事怎么同时发生？
答案是AI不是来替代人的，是来放大每个人能力的。
一个护士用上AI辅助诊断系统，能照顾更多病人；
一个客服用上AI工具，能集中更多的精力去处理更复杂的问题。
生产力提升了，但我们还需要那个护士、那个客服。
这种情况在历史上有个镜像：电力革命。1
900年电力普及时也有人担心机器会抢工作，结果电力创造的新岗位远比替代得多。
因为生产力提升后，经济规模扩张的速度超过了替代的速度。
所以当AI能处理90%的重复性工作时，那10%需要人类判断、同理心、创造力的工作会变得无比重要。
人不会贬值，会更珍贵。但这有个前提：你得是那个掌握了AI工具的人。
Linus Torvalds,Linux操作系统的创始人，全世界最顶尖的程序员之一，几百万台服务器跑的都是他写的代码。
他承认AI编程已经超越了他。
这不是谦虚，当这个级别的程序员说AI比他强，意味着人类在某个领域的天花板不再是技术的天花板了。
Andreessen的解释很直接：人类最聪明的人IQ大概160，这是大脑物理结构的限制。
你的大脑就这么大，神经元就这么多，处理速度就这么快。再加上睡眠、疲劳、情绪干扰这些生物成本。
AI呢？7×24小时工作，永远不累，智能上限未知。数据显示AI性能每18个月翻倍，这个曲线还在继续。
但AI真的理解它在做什么吗？
Andreessen的反问很有意思：这重要吗？AI已经能证明新的数学定理，那种人类数学家看了都说对的证明。
它在医疗诊断上超过经验丰富的医生，能发现癌症早期征兆。
它理解数学吗？理解癌症吗？
可能不像人类那样理解。但它确实在推动边界，确实在救命。
他给了个类比：AI是人类智能的外骨骼。
就像外骨骼让你举起更重的东西，AI让你思考更复杂的问题。不是替代你，是让你变超人。
AI能写出《百年孤独》吗？可能永远不行。
那种需要几十年人生沉淀、独特文化背景才能写出的东西，AI做不到。
但99%的创作不需要马尔克斯级别的天才。
写产品文案、做活动策划、编培训材料，AI能覆盖的部分已经足够改变世界。
当AI处理了那99%的常规创作，那1%真正需要人类独特视角的创作会更珍贵。
就像摄影术发明后，画家不用再画逼真肖像，于是有了印象派、抽象派。
听完播客，我一直在想一个问题。
Andreessen说大部分人把AI当成更好的搜索引擎在用，问个问题、复制答案，就结束了。
这就像1995年的人把互联网当电子黄页。
真正的变革在五个维度同时发生：
技术突破打破了50年的停滞；人口危机恰好需要生产力革命；个体被赋能成为超级个体；教育从流水线变成个性定制；智能的生物学天花板被突破。
这种交汇几百年才出现一次，上一次是工业革命。
再次我说一点自己的想法。
这次不同于以往任何一次技术浪潮的地方在于：时间窗口会非常短。
工业革命从蒸汽机到电气化用了100年，互联网从诞生到移动互联网用了30年。
AI从ChatGPT到现在满打满算3年半不到，已经有人用它管理整个公司、有人靠它月入六位数、有学生用它从零开始学会编程。
这意味着你不能等到看清楚了再行动，因为等你看清楚，游戏规则已经变了。
那些现在就开始用AI的人，正在建立一种复利优势。
他们学会了用AI学习，用AI解决问题，用AI创造价值。
这个能力差距每天都在拉大。
一年后回看今天，你会说抓住了还是错过了？
这不是鸡汤，是一个需要现在就回答的选择题。
如果AI真的能把每个人的能力放大10倍，那些原本就领先的人会被放大多少？
一个优秀的程序员用上AI，一天能写出以前一周的代码。
一个普通程序员呢？可能还在纠结怎么写提示词。
一个有创意的人用AI能做出惊艳的作品，一个没创意的人用AI只能做出平庸的复制品。
AI不会让所有人变得平等，它会放大原有的差距。
这才是真正需要思考的问题：
在一个AI能力被无限放大的时代，你的核心竞争力是什么？是判断力？是品位？是对人性的理解？是整合资源的能力？还是持续学习的能力？
Andreessen说把沙子变成思想听起来像魔法，但魔法一旦变成日常，我们就叫它科技。
现在你有机会在魔法还是魔法的时候参与进来。
真正的热潮还没开始，但留给你准备的时间可能比你想象得要短得多。
0 00
各位不管是i人还是e人的朋友们，马上就要过年了。
那个在饭桌上被长辈cue起来讲两句的i人修罗场可要来咯。
饭桌上安静的空气中突然飘来一句话：你来讲两句，给长辈们敬个酒。
那一瞬间，简直是社恐的噩梦。
心跳瞬间飙升到一百八，手心全是汗，脑子里原本有点想法，此刻也像断了电一样一片空白，张嘴只会阿巴阿巴。
事后回想起来，又觉得当时自己说话语无伦次，甚至连手都不知道往哪放，整个人都不好了。
其实，这真不是你怂，也不是你能力不行。
斯坦福商学院的沟通专家马特·亚伯拉罕做过一项统计：
有百分之八十五的人在被突然点名时，都会感到紧张恐慌。剩下那百分之十五，可能只是没说实话。
所以这只是人类面对未知和被审视时的本能反应，是刻在基因里的防御机制，我们要做的不是彻底消灭它，而是学会驾驭它。
很多人第一反应是想死命压制这种紧张，告诉自己别抖，千万别抖。
但这往往适得其反，就像你试图把一个皮球按进水里，你越用力，反弹的力道就越大。
斯坦福专家给出的第一个心法是，跟你的焦虑打个招呼。
别去对抗身体的本能，当你感受到脸发烫、心跳加快时，在心里默默承认它存在就好。
就像看到一个老朋友，告诉自己：行，我知道你来了，这很正常，说明我很重视这次发言。
当你不再把紧张当成敌人，它对你的控制力就会减弱一半。
接下来就是要学会骗过大脑。
因为在生理学上，紧张恐惧和兴奋激动的身体反应其实是一模一样的，都会心跳加快、手心出汗、感官敏锐。
但区别只在于你怎么给这种感觉贴标签。如果你想的是完蛋了我好怕，那就是恐惧；如果你想的是这事儿挺有挑战，那就是兴奋。
所以别告诉自己我好怕，要在心里默念我准备好了，或者我有点兴奋。
这种简单的标签置换，能把阻碍你的负能量瞬间转化为支撑你的燃料，很多运动员上场前都是这么干的。
我以前参加校运会的时候好像确实就是这么干的。
更重要的是，别老盯着自己表现得好不好。
大部分人的紧张，都是因为自我意识过剩，总觉得所有人都在拿放大镜审视自己，生怕自己说错话显得蠢。
试着把注意力从自己身上移开，强制转移到听众身上。
你要想的是我能给他们带去什么有用的信息，或者我能帮他们解决什么问题。
当你从一个接受审判的表演者，变成一个提供价值的服务者，心里的包袱自然就卸下了。
这就好比你给朋友送礼物，你关注的是他喜不喜欢这个礼物，而不是你送礼物的姿势帅不帅。
同时，允许自己犯错。
即兴发言不是背课文，也不是拍电影，没有NG重来。
稍微有点磕巴，或者逻辑跳跃一点都很正常。
大家在意的是你的真诚和观点，而不是你像机器人一样完美无缺。有时候一个小小的口误反而显得你真实、接地气。
接受不完美，你反而能发挥得更好。
由内而外，心态稳住了，接下来就是怎么说的问题。
很多人站起来脑子乱，是因为没有框架，想到哪说到哪，最后把自己都绕晕了。
这里推荐一个极其实用的万能公式：What、So What、Now What。
翻译过来就是是什么、为什么重要、接下来怎么做。
这个逻辑非常符合人类大脑处理信息的习惯，而且极其好用，能让你在几秒钟内理清思路。
举个春节敬酒的例子，你完全可以套用这个公式。
What就是陈述当下的事实，比如今天全家人难得聚得这么齐，特别是看到爷爷奶奶身体这么硬朗，饭菜也特别丰盛；
So What就是升华一下意义，比如这种团圆的感觉，就是我们晚辈在外打拼最大的动力，平时再累，回到家与各位长辈相聚，心理总是暖暖的；
Now What就是行动，比如所以我提议大家一起举杯，祝长辈健康，祝我们这个大家庭明年越来越好，多的话不多说，都在酒里，干杯。
这个公式不仅仅能应付过年，放在职场汇报里也一样是大杀器。
比如领导突然问你项目进度怎么样了。
What就是现状，比如目前我们已经完成了第一阶段的测试，比预期提前了两天；
So What就是价值，比如这意味着我们有更充裕的时间来修复漏洞，保证上线后的稳定性；
Now What就是计划，比如接下来我们打算这周五就开始第二阶段的部署，争取月底交付；
哪怕没有任何准备，只要心里装着这三个词，你说出来的话就是有头有尾、有逻辑、有深度的，别人听起来会觉得你思路特别清晰。
说到底，即兴发言的从容不是天生的，而是一种可以练习的肌肉记忆。
在这个充满不确定和突发状况的环境里，清晰表达是一种极其稀缺的能力。
下次再遇到这种被点名的突发状况，别慌，试着深呼吸，承认紧张，然后套用这个简单的三步公式。
当你不再把这当成一种考试，而是当成一次真诚的交流。
那些所谓的尴尬和紧张，也就没那么可怕了。
那个在饭桌上被长辈cue起来讲两句的i人修罗场可要来咯。
饭桌上安静的空气中突然飘来一句话：你来讲两句，给长辈们敬个酒。
那一瞬间，简直是社恐的噩梦。
心跳瞬间飙升到一百八，手心全是汗，脑子里原本有点想法，此刻也像断了电一样一片空白，张嘴只会阿巴阿巴。
事后回想起来，又觉得当时自己说话语无伦次，甚至连手都不知道往哪放，整个人都不好了。
其实，这真不是你怂，也不是你能力不行。
斯坦福商学院的沟通专家马特·亚伯拉罕做过一项统计：
有百分之八十五的人在被突然点名时，都会感到紧张恐慌。剩下那百分之十五，可能只是没说实话。
所以这只是人类面对未知和被审视时的本能反应，是刻在基因里的防御机制，我们要做的不是彻底消灭它，而是学会驾驭它。
很多人第一反应是想死命压制这种紧张，告诉自己别抖，千万别抖。
但这往往适得其反，就像你试图把一个皮球按进水里，你越用力，反弹的力道就越大。
斯坦福专家给出的第一个心法是，跟你的焦虑打个招呼。
别去对抗身体的本能，当你感受到脸发烫、心跳加快时，在心里默默承认它存在就好。
就像看到一个老朋友，告诉自己：行，我知道你来了，这很正常，说明我很重视这次发言。
当你不再把紧张当成敌人，它对你的控制力就会减弱一半。
接下来就是要学会骗过大脑。
因为在生理学上，紧张恐惧和兴奋激动的身体反应其实是一模一样的，都会心跳加快、手心出汗、感官敏锐。
但区别只在于你怎么给这种感觉贴标签。如果你想的是完蛋了我好怕，那就是恐惧；如果你想的是这事儿挺有挑战，那就是兴奋。
所以别告诉自己我好怕，要在心里默念我准备好了，或者我有点兴奋。
这种简单的标签置换，能把阻碍你的负能量瞬间转化为支撑你的燃料，很多运动员上场前都是这么干的。
我以前参加校运会的时候好像确实就是这么干的。
更重要的是，别老盯着自己表现得好不好。
大部分人的紧张，都是因为自我意识过剩，总觉得所有人都在拿放大镜审视自己，生怕自己说错话显得蠢。
试着把注意力从自己身上移开，强制转移到听众身上。
你要想的是我能给他们带去什么有用的信息，或者我能帮他们解决什么问题。
当你从一个接受审判的表演者，变成一个提供价值的服务者，心里的包袱自然就卸下了。
这就好比你给朋友送礼物，你关注的是他喜不喜欢这个礼物，而不是你送礼物的姿势帅不帅。
同时，允许自己犯错。
即兴发言不是背课文，也不是拍电影，没有NG重来。
稍微有点磕巴，或者逻辑跳跃一点都很正常。
大家在意的是你的真诚和观点，而不是你像机器人一样完美无缺。有时候一个小小的口误反而显得你真实、接地气。
接受不完美，你反而能发挥得更好。
由内而外，心态稳住了，接下来就是怎么说的问题。
很多人站起来脑子乱，是因为没有框架，想到哪说到哪，最后把自己都绕晕了。
这里推荐一个极其实用的万能公式：What、So What、Now What。
翻译过来就是是什么、为什么重要、接下来怎么做。
这个逻辑非常符合人类大脑处理信息的习惯，而且极其好用，能让你在几秒钟内理清思路。
举个春节敬酒的例子，你完全可以套用这个公式。
What就是陈述当下的事实，比如今天全家人难得聚得这么齐，特别是看到爷爷奶奶身体这么硬朗，饭菜也特别丰盛；
So What就是升华一下意义，比如这种团圆的感觉，就是我们晚辈在外打拼最大的动力，平时再累，回到家与各位长辈相聚，心理总是暖暖的；
Now What就是行动，比如所以我提议大家一起举杯，祝长辈健康，祝我们这个大家庭明年越来越好，多的话不多说，都在酒里，干杯。
这个公式不仅仅能应付过年，放在职场汇报里也一样是大杀器。
比如领导突然问你项目进度怎么样了。
What就是现状，比如目前我们已经完成了第一阶段的测试，比预期提前了两天；
So What就是价值，比如这意味着我们有更充裕的时间来修复漏洞，保证上线后的稳定性；
Now What就是计划，比如接下来我们打算这周五就开始第二阶段的部署，争取月底交付；
哪怕没有任何准备，只要心里装着这三个词，你说出来的话就是有头有尾、有逻辑、有深度的，别人听起来会觉得你思路特别清晰。
说到底，即兴发言的从容不是天生的，而是一种可以练习的肌肉记忆。
在这个充满不确定和突发状况的环境里，清晰表达是一种极其稀缺的能力。
下次再遇到这种被点名的突发状况，别慌，试着深呼吸，承认紧张，然后套用这个简单的三步公式。
当你不再把这当成一种考试，而是当成一次真诚的交流。
那些所谓的尴尬和紧张，也就没那么可怕了。
1 00
你有没有在群聊里为某个观点跟人杠了半小时，最后发现你根本不在乎这个话题？
有没有买完东西后，立刻开始在朋友面前解释为什么这个必须买？
有没有冲动分手后，第二天就能列出对方十条不可原谅的罪状？
有没有在做完一个决定之后，才开始仔细思考这个决定对不对？
这些不是巧合，这是你的大脑在骗你。
它让你以为你是经过深思熟虑才做的决定，但真相是决定早就做了，那些深思熟虑只是事后补的台词。
你在朋友圈看到一个观点，瞬间就觉得不爽，手指已经在打字了。
等你写完三百字反驳，你以为这是你仔细分析后的观点。但你忘了一个细节：不爽的感觉比观点先来。
先有情绪，再找理由。
尼采在《善恶的彼岸》里说：
人的大部分思考都是无意识的。
大白话的意思就是：你以为你在思考，其实你只是在为本能找说辞。
凌晨三点刷到一个东西，心动了。手指悬在支付按钮上方，犹豫了三秒，最后还是点了。
第二天早上醒来看到扣款短信，大脑立刻启动。
这个早晚要买的现在买还有优惠投资自己才是最好的投资算下来性价比很高。
四条理由，条条在理。
你甚至能回忆起自己仔细权衡的过程。
但问题是：这些理由是在下单之前想的，还是下单之后补的？
答案很明显，之后补的，只是你不愿意承认。
这个找说辞的过程是自动的，你压根意识不到，就像呼吸一样自然。
所以真正的问题是：你上次跟人杠的时候，你真的在乎那个话题吗？还是只是单纯想赢？
大脑不光会帮你找理由，还会帮你改记忆。
你记忆里存的版本是：我仔细权衡了利弊，觉得应该这样做，所以做了。
实际发生的版本是：我做了，然后找了一堆理由告诉自己为什么应该做。
大脑会把事后生成的理由倒推成事前的动机。时间线被悄悄改写了。
尼采在《善恶的彼岸》第六十八节里记录了一个观察：
这是我干的，我的记忆说。我怎么会干这种事，我的自尊说，而且毫不退让。最终，记忆退让了。
你的自尊不允许你承认我就是冲动的、不理性的、被本能驱使的。
所以记忆会主动修改档案，把冲动包装成深思熟虑。
你看上一个人，0.2 秒就决定了。
但你会花三天想为什么是 ta。
有趣、三观合、聊得来、条件匹配。
这些理由是真的吗？当然是真的。
但它们是原因吗？不是，它们是结果。
你先被吸引了，然后大脑自动去搜为什么应该被吸引。
如果找不到现成的，它就编一个，反正你不会去验证。
你以为你在分析。其实你在补作业。
再举几个例子，看你中了几枪。
辞职。你真正想走的那一刻可能只是某天早会被领导当众否了，或者某个瞬间突然觉得我他妈受够了。
但你对外说的是职业规划需要调整、寻求更大的平台、想尝试新的方向。
说着说着，连自己都信了。
三个月后跟朋友吃饭，聊起为什么离职，你能给出一套完整的逻辑链条。你甚至能记起自己认真思考了很久。
但你想不起来的是：那个决定是在被怼的当天晚上就做了的。
后面那些思考，只是在为这个决定找正当性。
消费。冲动下单后，投资自己、早晚要买、性价比高、提升生活品质这些话会自动冒出来。
不是你刻意编的，是大脑的自动补全功能。
就像手机输入法会预测下一个词，大脑也会预测什么样的理由能让这次消费显得合理。
吵架。明明是情绪上头，嘴上非要讲道理。
我这是就事论事、我只是在陈述客观事实、我没有针对你，我只是对这件事有看法。
讲完还觉得自己特别理性、特别克制、特别有风度。
但你忘了：如果真的这么理性，你根本不会吵起来。
越是需要证明自己理性的时候，越说明当时根本没理性过。
为什么大脑要搞得这么复杂？
直接承认我就是冲动的不行吗？不行。
如果每次冲动后都诚实面对我就是想要，没别的原因，自我认知会崩。
人需要相信自己是理性的、自控的、有逻辑的。
这个信念比真相重要得多。
所以大脑的任务不是求真，是维护我是个理性人人设。
尼采把这个说得很难听：人不愿意承认被本能驱使，所以发明了理性思考这个词来遮羞。
理性的真正功能不是指导决策，是让决策看起来合理。
你以为你在思考人生，其实你在给人生写情况说明书。
目的不是指导行动，是让行动看起来不那么丢人。
理由太流畅的时候要警惕。
如果一个决定的理由脱口而出、太完整、太顺滑，基本可以确定：这是事后补的。
真正的理性分析是曲折的，会犹豫，会出现矛盾，会反复权衡。
逻辑链条太漂亮，往往说明这不是分析过程，是包装话术。
你问一个人为什么选这份工作，如果对方张口就来行业前景好，团队氛围不错，薪资待遇合理，职业发展路径清晰。
这种标准答案式的回复，十有八九是演练过的。
真实的理由可能是那天面试官挺好看的或者我当时急着找工作随便投的。
但这种理由说不出口，所以要包装。
包装多了，连自己都忘了最初那个真实的、不那么体面的理由。
当别人质疑你的决定，你反驳的速度有多快，就说明这套说辞在你脑子里演练了多少遍。
你不是在说服别人，是在重新说服自己。
如果一个决定真的经过深思熟虑，你会很淡定。我是这么想的，你的顾虑也有道理，我再考虑考虑。
但如果你秒回三百字，逐条反驳，情绪激动，说明你心虚。
说明这个决定本身就是冲动的，那些理由是你事后给自己找的台阶。
别人一质疑，等于在拆台阶，你当然要护着。
聪明人更危险，因为他们更擅长编理由。
一个普通人冲动消费，事后会心虚：我怎么又乱买东西了。
一个聪明人冲动消费，事后能给你写出一篇三千字的消费主义批判，论证这次购买如何解构资本叙事、如何是对品牌溢价的主动抵抗、如何体现了审美自主性。
理由越精致，离真相越远。
因为真相往往很简单：我就是想要。
但这三个字说不出口，所以要包装成一千个字。
这是大脑的底层配置，不是 bug，知识你关不掉它。
唯一能做的，是在事后问自己：这些理由，是决定之前就有的，还是决定之后冒出来的？
答案通常很明显。
只是大多数时候，你不会问。
因为一旦问了，就得面对一个事实：你没有你以为的那么理性。
你的很多决定，在你决定之前就已经发生了。
那些你引以为傲的分析和权衡，不过是大脑自动生成的说明书。
说明书写得再漂亮，也改变不了产品早就出厂的事实。
尼采说这叫无意识思考。
翻译成人话：本能按了开关，理性跑过来鞠躬，这个决定太英明了，请允许我解释一下为什么。
大多数人一辈子活在这套说辞里。
觉得自己每个决定都经过深思熟虑，每次选择都符合长远规划。
少数人偶尔会不舒服地发现：卧槽，我又在骗自己。然后选择继续骗下去。
承认我大部分时候都在即兴发挥，比承认我很理性要难得多。
前者会让你怀疑自己的判断力、自控力、整个人生的正当性。
后者只需要你继续相信那些理由就够了。
所以大多数人选择后者。
选择相信自己每次都想明白了，选择相信那些事后补的作业就是事前的计划，选择活在大脑精心维护的叙事里。
但如果你偶尔会在深夜想起这篇文章，想起那些你信誓旦旦说过的理由，然后不太舒服地意识到：卧槽，我当时好像确实没想那么多。
那这种不舒服，可能就是你离真相最近的时刻。
有没有买完东西后，立刻开始在朋友面前解释为什么这个必须买？
有没有冲动分手后，第二天就能列出对方十条不可原谅的罪状？
有没有在做完一个决定之后，才开始仔细思考这个决定对不对？
这些不是巧合，这是你的大脑在骗你。
它让你以为你是经过深思熟虑才做的决定，但真相是决定早就做了，那些深思熟虑只是事后补的台词。
你在朋友圈看到一个观点，瞬间就觉得不爽，手指已经在打字了。
等你写完三百字反驳，你以为这是你仔细分析后的观点。但你忘了一个细节：不爽的感觉比观点先来。
先有情绪，再找理由。
尼采在《善恶的彼岸》里说：
人的大部分思考都是无意识的。
大白话的意思就是：你以为你在思考，其实你只是在为本能找说辞。
凌晨三点刷到一个东西，心动了。手指悬在支付按钮上方，犹豫了三秒，最后还是点了。
第二天早上醒来看到扣款短信，大脑立刻启动。
这个早晚要买的现在买还有优惠投资自己才是最好的投资算下来性价比很高。
四条理由，条条在理。
你甚至能回忆起自己仔细权衡的过程。
但问题是：这些理由是在下单之前想的，还是下单之后补的？
答案很明显，之后补的，只是你不愿意承认。
这个找说辞的过程是自动的，你压根意识不到，就像呼吸一样自然。
所以真正的问题是：你上次跟人杠的时候，你真的在乎那个话题吗？还是只是单纯想赢？
大脑不光会帮你找理由，还会帮你改记忆。
你记忆里存的版本是：我仔细权衡了利弊，觉得应该这样做，所以做了。
实际发生的版本是：我做了，然后找了一堆理由告诉自己为什么应该做。
大脑会把事后生成的理由倒推成事前的动机。时间线被悄悄改写了。
尼采在《善恶的彼岸》第六十八节里记录了一个观察：
这是我干的，我的记忆说。我怎么会干这种事，我的自尊说，而且毫不退让。最终，记忆退让了。
你的自尊不允许你承认我就是冲动的、不理性的、被本能驱使的。
所以记忆会主动修改档案，把冲动包装成深思熟虑。
你看上一个人，0.2 秒就决定了。
但你会花三天想为什么是 ta。
有趣、三观合、聊得来、条件匹配。
这些理由是真的吗？当然是真的。
但它们是原因吗？不是，它们是结果。
你先被吸引了，然后大脑自动去搜为什么应该被吸引。
如果找不到现成的，它就编一个，反正你不会去验证。
你以为你在分析。其实你在补作业。
再举几个例子，看你中了几枪。
辞职。你真正想走的那一刻可能只是某天早会被领导当众否了，或者某个瞬间突然觉得我他妈受够了。
但你对外说的是职业规划需要调整、寻求更大的平台、想尝试新的方向。
说着说着，连自己都信了。
三个月后跟朋友吃饭，聊起为什么离职，你能给出一套完整的逻辑链条。你甚至能记起自己认真思考了很久。
但你想不起来的是：那个决定是在被怼的当天晚上就做了的。
后面那些思考，只是在为这个决定找正当性。
消费。冲动下单后，投资自己、早晚要买、性价比高、提升生活品质这些话会自动冒出来。
不是你刻意编的，是大脑的自动补全功能。
就像手机输入法会预测下一个词，大脑也会预测什么样的理由能让这次消费显得合理。
吵架。明明是情绪上头，嘴上非要讲道理。
我这是就事论事、我只是在陈述客观事实、我没有针对你，我只是对这件事有看法。
讲完还觉得自己特别理性、特别克制、特别有风度。
但你忘了：如果真的这么理性，你根本不会吵起来。
越是需要证明自己理性的时候，越说明当时根本没理性过。
为什么大脑要搞得这么复杂？
直接承认我就是冲动的不行吗？不行。
如果每次冲动后都诚实面对我就是想要，没别的原因，自我认知会崩。
人需要相信自己是理性的、自控的、有逻辑的。
这个信念比真相重要得多。
所以大脑的任务不是求真，是维护我是个理性人人设。
尼采把这个说得很难听：人不愿意承认被本能驱使，所以发明了理性思考这个词来遮羞。
理性的真正功能不是指导决策，是让决策看起来合理。
你以为你在思考人生，其实你在给人生写情况说明书。
目的不是指导行动，是让行动看起来不那么丢人。
理由太流畅的时候要警惕。
如果一个决定的理由脱口而出、太完整、太顺滑，基本可以确定：这是事后补的。
真正的理性分析是曲折的，会犹豫，会出现矛盾，会反复权衡。
逻辑链条太漂亮，往往说明这不是分析过程，是包装话术。
你问一个人为什么选这份工作，如果对方张口就来行业前景好，团队氛围不错，薪资待遇合理，职业发展路径清晰。
这种标准答案式的回复，十有八九是演练过的。
真实的理由可能是那天面试官挺好看的或者我当时急着找工作随便投的。
但这种理由说不出口，所以要包装。
包装多了，连自己都忘了最初那个真实的、不那么体面的理由。
当别人质疑你的决定，你反驳的速度有多快，就说明这套说辞在你脑子里演练了多少遍。
你不是在说服别人，是在重新说服自己。
如果一个决定真的经过深思熟虑，你会很淡定。我是这么想的，你的顾虑也有道理，我再考虑考虑。
但如果你秒回三百字，逐条反驳，情绪激动，说明你心虚。
说明这个决定本身就是冲动的，那些理由是你事后给自己找的台阶。
别人一质疑，等于在拆台阶，你当然要护着。
聪明人更危险，因为他们更擅长编理由。
一个普通人冲动消费，事后会心虚：我怎么又乱买东西了。
一个聪明人冲动消费，事后能给你写出一篇三千字的消费主义批判，论证这次购买如何解构资本叙事、如何是对品牌溢价的主动抵抗、如何体现了审美自主性。
理由越精致，离真相越远。
因为真相往往很简单：我就是想要。
但这三个字说不出口，所以要包装成一千个字。
这是大脑的底层配置，不是 bug，知识你关不掉它。
唯一能做的，是在事后问自己：这些理由，是决定之前就有的，还是决定之后冒出来的？
答案通常很明显。
只是大多数时候，你不会问。
因为一旦问了，就得面对一个事实：你没有你以为的那么理性。
你的很多决定，在你决定之前就已经发生了。
那些你引以为傲的分析和权衡，不过是大脑自动生成的说明书。
说明书写得再漂亮，也改变不了产品早就出厂的事实。
尼采说这叫无意识思考。
翻译成人话：本能按了开关，理性跑过来鞠躬，这个决定太英明了，请允许我解释一下为什么。
大多数人一辈子活在这套说辞里。
觉得自己每个决定都经过深思熟虑，每次选择都符合长远规划。
少数人偶尔会不舒服地发现：卧槽，我又在骗自己。然后选择继续骗下去。
承认我大部分时候都在即兴发挥，比承认我很理性要难得多。
前者会让你怀疑自己的判断力、自控力、整个人生的正当性。
后者只需要你继续相信那些理由就够了。
所以大多数人选择后者。
选择相信自己每次都想明白了，选择相信那些事后补的作业就是事前的计划，选择活在大脑精心维护的叙事里。
但如果你偶尔会在深夜想起这篇文章，想起那些你信誓旦旦说过的理由，然后不太舒服地意识到：卧槽，我当时好像确实没想那么多。
那这种不舒服，可能就是你离真相最近的时刻。
0 00
AI的正确使用方式你知道吗？
你在用AI的时候是否直接让它代替你思考，在对话框输入一段提示词，然后直接使用提供过来的答案。
在这种提速的过程中，你逐渐认为这样让自己变得更聪明、更高效。
殊不知，这种行为正在悄悄的毁掉你的思考能力，并且越来越依赖AI所提供的答案。
这两天看了一个视频，他详细的讲述了为什么精英和大部分人在使用AI后，给个体带来的影响是不同的。
他用四个步骤，将个体使用AI的正确方法可视化。
步骤一：先分清楚哪些活该做
做好任务分类是决定接下来如何使用AI的关键一步。
有些任务做到90分和100分没区别，比如整理数据、格式化文档、写例行报告。这些事多花一小时，产出的价值也不会增加。
但有些任务，提升1%就能解决99%的问题。比如跟客户深聊、设计产品核心功能以及定价策略等。
苹果为什么连一个按钮的触感都要调无数遍？因为这是第二种任务。
哈佛有个研究发现，CEO们72%的时间花在没意义的会议上。想想如果把这些时间用来想战略，差距有多大。
视频里的建议很直接：第一种任务该用 AI，第二种任务必须自己干。
但大多数人分不清，结果把两种任务都交给 AI，或者两种都自己死磕。
所以什么事情可以无脑扔给 AI？
总的来说外包的活分成了四类，英文缩写是 DRAG，我觉得挺好记的：
起草初稿（Drafting）：写东西最难的是从零开始，AI 能瞬间给你一个框架，虽然质量一般，但至少有起点了。
做研究（Research）：过去要一周的行业调研，现在 AI 几分钟就能给你综合报告。它会做几百次搜索、交叉验证、找空白点。
分析数据（Analysis）：面对一堆乱七八糟的客户反馈或市场数据，AI 能快速找出人容易漏掉的趋势。
处理杂活（Grunt Work）：数据清洗、格式转换、简单翻译，这些重复劳动全扔给它。
但记住，这些只适用于第一种任务。如果需要判断、直觉、人际互动，还是得自己来。
步骤二：会问问题才会有好的结果
视频里有一段专门讲怎么和 AI 说话，我试了几次确实有用。
AI 不是计算器，不会给你确定答案。
它是个概率引擎，你问得好，它才答得好。
大多数人直接问"给我最好的商业想法"，得到的都是千篇一律的建议。
想要好结果，得学会提问。
最基础的是给个明确例子，让 AI 知道你要什么。更好的是给3-5个例子，让它找到你的风格和需求模式。
视频里提到一个技巧：让 AI 展示思考过程。
直接说"逐步思考这个问题"，准确性会高很多。或者让它扮演多个角色，比如"你现在是研究员、分析师和编辑，帮我完成这个任务"。
不过对于角色扮演这个环节，我个人觉得以目前AI的技术已经可以省略掉了，现在基本都已经根据任务自适应角色。
不过可以告诉AI带入到具体人物角色，使用他们的思维模式进行批判分析。
这些都有一个先决条件，就是你自己得想清楚要什么。
AI 只是一个放大器，你你得想的明白，它才能输出得好。
步骤三：反着用才不会退化
视频里最让我意外的是这个观点：有些时候得反着用 AI。
前面说的都是提高效率、减少麻烦。但视频里说，宇航员在失重环境里肌肉会萎缩20%。过度依赖 AI 也一样，思维能力会退化。
我那个搞投资的朋友正好印证了这点。他自己研究，然后让 AI 来考他。
从简单问题开始，逐步升级到复杂的，直到能应对最难的挑战。
这种方式就像健身，肌肉增长靠的是不断挑战更重的重量。大脑也一样，需要"阻力"。
视频里管这个叫"智能健身房"概念，意思是 AI 应该是你的陪练，不是代你举重的人。
具体怎么做？学完一个概念后，让 AI 扮演面试官或老师，用递进式问题来测试你。
输出是最好验证自己是否真的掌握的方式。因为你如果没有真正掌握这个知识，你是无法教会一个不懂这个人。
所以原则是：处理信息时用 AI 移除障碍，建设能力时用 AI 增加挑战。
步骤四：最重要的心态
最后博主讲了个微软的例子：
2014年 Satya Nadella 刚接手时，微软内部是"无所不知"的文化，大家都装得很懂。
他花了几年把这个文化改成无所不学，鼓励承认不懂。这样的改变结果，就是微软市值从3000亿涨到3万亿。
神经科学有个发现：大脑的重新布线发生在你感到困惑和不适的时候。
真正有效的学习需要你感觉"愚蠢"，说明大脑正在建立新连接。
但大多数人恰恰害怕这种感觉，因为怕别人觉得自己蠢，怕暴露无知。
但AI 给了一个机会：它一个永远不会评判你的学习对象。你可以问任何"蠢"问题，不用担心别人怎么看。
连续问了十几个"为什么"，一直追问到最底层逻辑。
如果是问真人，对方早就不耐烦了。
但 AI 不会，它就一层层给你解释，直到你真正理解。
视频只有18分钟，但整体的思路逻辑和方法，我觉得确实有道理。
先用"任务分类"重新看待工作，知道什么该自己干、什么该外包；
然后学会和 AI 有效沟通，让它能够输出高质量的结果；
同时要警惕过度依赖，在关键能力上反着用 AI 来训练自己；
最后保持初学者心态，不怕暴露无知。
顶尖1%的人之所以领先，不是因为他们知道一切，而是因为他们敢承认自己什么都不知道。
AI 最大的价值不是替代思考，而是让我们回到学习的本质，那就是好奇、提问、不断重新开始。
当你不再害怕显得愚蠢时，才能真正变得聪明。这可能是 AI 时代最反直觉的道理。
你在用AI的时候是否直接让它代替你思考，在对话框输入一段提示词，然后直接使用提供过来的答案。
在这种提速的过程中，你逐渐认为这样让自己变得更聪明、更高效。
殊不知，这种行为正在悄悄的毁掉你的思考能力，并且越来越依赖AI所提供的答案。
这两天看了一个视频，他详细的讲述了为什么精英和大部分人在使用AI后，给个体带来的影响是不同的。
他用四个步骤，将个体使用AI的正确方法可视化。
步骤一：先分清楚哪些活该做
做好任务分类是决定接下来如何使用AI的关键一步。
有些任务做到90分和100分没区别，比如整理数据、格式化文档、写例行报告。这些事多花一小时，产出的价值也不会增加。
但有些任务，提升1%就能解决99%的问题。比如跟客户深聊、设计产品核心功能以及定价策略等。
苹果为什么连一个按钮的触感都要调无数遍？因为这是第二种任务。
哈佛有个研究发现，CEO们72%的时间花在没意义的会议上。想想如果把这些时间用来想战略，差距有多大。
视频里的建议很直接：第一种任务该用 AI，第二种任务必须自己干。
但大多数人分不清，结果把两种任务都交给 AI，或者两种都自己死磕。
所以什么事情可以无脑扔给 AI？
总的来说外包的活分成了四类，英文缩写是 DRAG，我觉得挺好记的：
起草初稿（Drafting）：写东西最难的是从零开始，AI 能瞬间给你一个框架，虽然质量一般，但至少有起点了。
做研究（Research）：过去要一周的行业调研，现在 AI 几分钟就能给你综合报告。它会做几百次搜索、交叉验证、找空白点。
分析数据（Analysis）：面对一堆乱七八糟的客户反馈或市场数据，AI 能快速找出人容易漏掉的趋势。
处理杂活（Grunt Work）：数据清洗、格式转换、简单翻译，这些重复劳动全扔给它。
但记住，这些只适用于第一种任务。如果需要判断、直觉、人际互动，还是得自己来。
步骤二：会问问题才会有好的结果
视频里有一段专门讲怎么和 AI 说话，我试了几次确实有用。
AI 不是计算器，不会给你确定答案。
它是个概率引擎，你问得好，它才答得好。
大多数人直接问"给我最好的商业想法"，得到的都是千篇一律的建议。
想要好结果，得学会提问。
最基础的是给个明确例子，让 AI 知道你要什么。更好的是给3-5个例子，让它找到你的风格和需求模式。
视频里提到一个技巧：让 AI 展示思考过程。
直接说"逐步思考这个问题"，准确性会高很多。或者让它扮演多个角色，比如"你现在是研究员、分析师和编辑，帮我完成这个任务"。
不过对于角色扮演这个环节，我个人觉得以目前AI的技术已经可以省略掉了，现在基本都已经根据任务自适应角色。
不过可以告诉AI带入到具体人物角色，使用他们的思维模式进行批判分析。
这些都有一个先决条件，就是你自己得想清楚要什么。
AI 只是一个放大器，你你得想的明白，它才能输出得好。
步骤三：反着用才不会退化
视频里最让我意外的是这个观点：有些时候得反着用 AI。
前面说的都是提高效率、减少麻烦。但视频里说，宇航员在失重环境里肌肉会萎缩20%。过度依赖 AI 也一样，思维能力会退化。
我那个搞投资的朋友正好印证了这点。他自己研究，然后让 AI 来考他。
从简单问题开始，逐步升级到复杂的，直到能应对最难的挑战。
这种方式就像健身，肌肉增长靠的是不断挑战更重的重量。大脑也一样，需要"阻力"。
视频里管这个叫"智能健身房"概念，意思是 AI 应该是你的陪练，不是代你举重的人。
具体怎么做？学完一个概念后，让 AI 扮演面试官或老师，用递进式问题来测试你。
输出是最好验证自己是否真的掌握的方式。因为你如果没有真正掌握这个知识，你是无法教会一个不懂这个人。
所以原则是：处理信息时用 AI 移除障碍，建设能力时用 AI 增加挑战。
步骤四：最重要的心态
最后博主讲了个微软的例子：
2014年 Satya Nadella 刚接手时，微软内部是"无所不知"的文化，大家都装得很懂。
他花了几年把这个文化改成无所不学，鼓励承认不懂。这样的改变结果，就是微软市值从3000亿涨到3万亿。
神经科学有个发现：大脑的重新布线发生在你感到困惑和不适的时候。
真正有效的学习需要你感觉"愚蠢"，说明大脑正在建立新连接。
但大多数人恰恰害怕这种感觉，因为怕别人觉得自己蠢，怕暴露无知。
但AI 给了一个机会：它一个永远不会评判你的学习对象。你可以问任何"蠢"问题，不用担心别人怎么看。
连续问了十几个"为什么"，一直追问到最底层逻辑。
如果是问真人，对方早就不耐烦了。
但 AI 不会，它就一层层给你解释，直到你真正理解。
视频只有18分钟，但整体的思路逻辑和方法，我觉得确实有道理。
先用"任务分类"重新看待工作，知道什么该自己干、什么该外包；
然后学会和 AI 有效沟通，让它能够输出高质量的结果；
同时要警惕过度依赖，在关键能力上反着用 AI 来训练自己；
最后保持初学者心态，不怕暴露无知。
顶尖1%的人之所以领先，不是因为他们知道一切，而是因为他们敢承认自己什么都不知道。
AI 最大的价值不是替代思考，而是让我们回到学习的本质，那就是好奇、提问、不断重新开始。
当你不再害怕显得愚蠢时，才能真正变得聪明。这可能是 AI 时代最反直觉的道理。
2 00
OpenAI 今天上午开了场线上研讨会，Altman 亲自主持。
没新模型，没时间表，连完整演示都没有。
以前 OpenAI 开发布会，节奏都很讲究，先铺技术叙事，再一步步拉预期。
这次完全不是那个路数。
大半时间在听开发者吐槽 API 体验、模型稳定性、成本控制。
有人直接说“你们最近这个版本创意写作退步了”；
还有人抱怨“调用工具的时候经常出错”。
你想想，Altman 愿意花两小时坐在镜头前听人抱怨而不是展示新功能，这本身就说明了些什么？
要么是他们真的遇到了一些需要校准的问题，要么是重心已经变了。
总体听下来，我倾向于后者。
气氛很不一样
看过去几年 OpenAI 发布会的人应该能感觉到，这次气氛很不同。
2023年 GPT-4 发布那会儿，整个活动像一场精心设计的表演。
每一个能力展示都卡着节奏，让人觉得"天啊，AI 又进化了"。
2024年5月 GPT-4o 的发布会也是类似，重点全在展示模型变得多强、多快、多便宜。
昨天这场完全没那个味儿。没有任何"哇"的时刻，没有精心准备的演示脚本。
就是 Altman 和几个技术负责人坐下来，听开发者说他们在实际使用中遇到的问题，然后讨论。
我记得有个环节，一个开发者说他们团队最近在测试 Agent，发现模型在多步骤任务中的稳定性不够好，有时候会"忘记"之前做过什么。
OpenAI 的人没有辩解，Altman 很直接地说：
"我们知道，这是目前的优先级之一"。
这种坦诚其实挺少见的，毕竟大公司通常不愿意在公开场合承认产品还有明显短板。
一个很明显的取舍
会上有开发者直接提出：最近几个月的某些版本在创意写作上退步了，风格不稳定，更像个干活的工具而不是会表达的模型。语气比以前生硬，不太会讲故事了。
官方没反驳，也没说下个版本会改进。
回应全围绕另一组词：推理、编程、执行、Agent、工具调用。
这等于默认了一件事：算力和成本有限，模型不可能所有维度都最优，得选。
看起来 OpenAI 选的很明确：能把事做完，比能把话说漂亮更重要。
为什么他们这么选？
你去看现在市面上那些真正在用 AI 的公司，他们要的不是一个会聊天的伙伴，而是能接进工作流的工具。
他们需要的是：我丢给你一个任务，你能稳定地完成，而不是给我一段文采飞扬但没法执行的回复。
从这个角度看，创意写作能力确实可以往后排。
不是说它不重要，而是在做出来和说得好之间，前者现在更关键。
尤其是进入2026年，AI 的竞争格局已经很清楚了。
各家模型在对话质量上的差距越来越小，真正的分水岭在于谁能让 AI 真正干活。
到底想做什么
把昨天的讨论拼起来看，方向挺清楚。
OpenAI 不想做个更会聊天的 AI，而是能真正干活的系统。
Agent、工具调用、流程执行，这些词在两小时的研讨会里出现了至少二十次。
说白了就是AI 不只给你写建议，而是能拆任务、选工具、走完整套流程。
举个例子：
以前你问 ChatGPT"帮我分析这份销售数据"，它会给你写一段分析报告，告诉你应该关注哪些指标。
现在 OpenAI 想做的是，你给它数据文件，它自己调用分析工具、生成图表、写出结论，最后给你一份可以直接用的报告。
这两者的区别，就是内容生成和行为执行的区别。
早期大家看重 AI 的输出质量，得好不好、像不像人、有没有惊喜。
但你真的把 AI 接进公司系统就会发现，这些都是次要的。
真正卡住的其实是它稳不稳定，会不会莫名其妙出错，成本能不能承受，能不能和现有工具对接。
上午的这场研讨会上反复聊的这些问题，其实都在问同一件事：
AI 能不能被放心地接进真实工作流？
这个问题一旦成为核心，那些炫技的能力自然就往后排了。
为什么押注 Agent
Altman 有一半时间在聊 Agent。
这件事乍一看挺奇怪，因为 Agent 在很多人眼里还是个半成品，经常出错，用起来也没那么顺滑。
但仔细想想就能理解。
Agent 决定的是 AI 能不能成为系统的一部分，能不能真正自主完成任务。
而单轮对话的表现力，更多只是体验层的优化。
前者关系到 AI 能做什么，后者关系到 AI 做得怎么样。
一个做企业软件的朋友跟我说过，他们公司2024年开始尝试用 AI，最开始就是把 ChatGPT 的 API 接进客服系统，让它回复用户问题。
效果确实不错，但价值有限，因为它只是替代了一部分人工回复。
2025年下半年他们开始测试 Agent，让 AI 不只回复问题，还能查订单、处理退款、生成报表。
这时候 AI 的价值就完全不一样了，因为它开始能处理完整的业务流程。
他说现在他们团队最关心的，就是 Agent 什么时候能真正稳定下来。
这就是为什么 Altman 愿意在 Agent 上投那么多资源，哪怕现在还不够成熟。
因为这条路走通了，AI 才能真正从辅助工具变成工作伙伴。
现在在想什么
OpenAI 前几年的重点是证明AI 能做人能做的事——理解语言、生成内容、参与对话。
那时候的重点是能力上限，是让所有人相信AI 真的可以。
到2026年初，他们明显进了另一个阶段。
讨论的是方向选择和落地路径，而不是能力上限或技术突破。
对一家已经站在行业最前面的公司，这种转换比升级一次模型要难。
因为能力突破有相对明确的技术路径，你知道该往哪个方向努力。
但方向选择是个战略问题，没有标准答案，需要在无数可能性中做判断。
我上周和一个做 AI 产品的朋友聊这事，他说了句话我觉得挺准：
OpenAI 前两年是在回答'我能做什么，现在是在回答我该做什么。
前者是技术问题，后者是战略问题。
战略问题没有标准答案，所以看起来就不刺激。
但恰恰是这种不刺激的讨论，可能更能决定一家公司的长期方向。
正常研讨会，没一句话能当重磅消息传播。
不会有人转发说OpenAI 又放大招了，也不会有营销号写“震惊！OpenAI 新模型碾压一切"。
但它说清楚了一件事：
OpenAI 已经从证明能力，进入了面对取舍和现实约束的阶段。
当一家 AI 公司开始公开聊舍什么、保什么"=，通常意味着它在认真考虑怎么把技术变成能长期运作的系统。
这种讨论不性感，但很必要。
因为真正改变行业的，从来不是实验室里跑分最高的模型，而是能稳定运行、可以规模化部署的系统。
尤其是现在这个时间点。
2025年整个 AI 行业都在谈落地，各家都在证明自己不只是个聊天机器人。
在这个背景下， Altman 主持的这场研讨会，其实是在给市场一个很明确的信号：我们知道自己该往哪走。
可能这场"没发布"的研讨会，比发一个新版本更能看出 OpenAI 2026年要往哪走。
至少对那些真的想用 AI 做事的人来说，这场会比任何发布会都更有参考价值。
没新模型，没时间表，连完整演示都没有。
以前 OpenAI 开发布会，节奏都很讲究，先铺技术叙事，再一步步拉预期。
这次完全不是那个路数。
大半时间在听开发者吐槽 API 体验、模型稳定性、成本控制。
有人直接说“你们最近这个版本创意写作退步了”；
还有人抱怨“调用工具的时候经常出错”。
你想想，Altman 愿意花两小时坐在镜头前听人抱怨而不是展示新功能，这本身就说明了些什么？
要么是他们真的遇到了一些需要校准的问题，要么是重心已经变了。
总体听下来，我倾向于后者。
气氛很不一样
看过去几年 OpenAI 发布会的人应该能感觉到，这次气氛很不同。
2023年 GPT-4 发布那会儿，整个活动像一场精心设计的表演。
每一个能力展示都卡着节奏，让人觉得"天啊，AI 又进化了"。
2024年5月 GPT-4o 的发布会也是类似，重点全在展示模型变得多强、多快、多便宜。
昨天这场完全没那个味儿。没有任何"哇"的时刻，没有精心准备的演示脚本。
就是 Altman 和几个技术负责人坐下来，听开发者说他们在实际使用中遇到的问题，然后讨论。
我记得有个环节，一个开发者说他们团队最近在测试 Agent，发现模型在多步骤任务中的稳定性不够好，有时候会"忘记"之前做过什么。
OpenAI 的人没有辩解，Altman 很直接地说：
"我们知道，这是目前的优先级之一"。
这种坦诚其实挺少见的，毕竟大公司通常不愿意在公开场合承认产品还有明显短板。
一个很明显的取舍
会上有开发者直接提出：最近几个月的某些版本在创意写作上退步了，风格不稳定，更像个干活的工具而不是会表达的模型。语气比以前生硬，不太会讲故事了。
官方没反驳，也没说下个版本会改进。
回应全围绕另一组词：推理、编程、执行、Agent、工具调用。
这等于默认了一件事：算力和成本有限，模型不可能所有维度都最优，得选。
看起来 OpenAI 选的很明确：能把事做完，比能把话说漂亮更重要。
为什么他们这么选？
你去看现在市面上那些真正在用 AI 的公司，他们要的不是一个会聊天的伙伴，而是能接进工作流的工具。
他们需要的是：我丢给你一个任务，你能稳定地完成，而不是给我一段文采飞扬但没法执行的回复。
从这个角度看，创意写作能力确实可以往后排。
不是说它不重要，而是在做出来和说得好之间，前者现在更关键。
尤其是进入2026年，AI 的竞争格局已经很清楚了。
各家模型在对话质量上的差距越来越小，真正的分水岭在于谁能让 AI 真正干活。
到底想做什么
把昨天的讨论拼起来看，方向挺清楚。
OpenAI 不想做个更会聊天的 AI，而是能真正干活的系统。
Agent、工具调用、流程执行，这些词在两小时的研讨会里出现了至少二十次。
说白了就是AI 不只给你写建议，而是能拆任务、选工具、走完整套流程。
举个例子：
以前你问 ChatGPT"帮我分析这份销售数据"，它会给你写一段分析报告，告诉你应该关注哪些指标。
现在 OpenAI 想做的是，你给它数据文件，它自己调用分析工具、生成图表、写出结论，最后给你一份可以直接用的报告。
这两者的区别，就是内容生成和行为执行的区别。
早期大家看重 AI 的输出质量，得好不好、像不像人、有没有惊喜。
但你真的把 AI 接进公司系统就会发现，这些都是次要的。
真正卡住的其实是它稳不稳定，会不会莫名其妙出错，成本能不能承受，能不能和现有工具对接。
上午的这场研讨会上反复聊的这些问题，其实都在问同一件事：
AI 能不能被放心地接进真实工作流？
这个问题一旦成为核心，那些炫技的能力自然就往后排了。
为什么押注 Agent
Altman 有一半时间在聊 Agent。
这件事乍一看挺奇怪，因为 Agent 在很多人眼里还是个半成品，经常出错，用起来也没那么顺滑。
但仔细想想就能理解。
Agent 决定的是 AI 能不能成为系统的一部分，能不能真正自主完成任务。
而单轮对话的表现力，更多只是体验层的优化。
前者关系到 AI 能做什么，后者关系到 AI 做得怎么样。
一个做企业软件的朋友跟我说过，他们公司2024年开始尝试用 AI，最开始就是把 ChatGPT 的 API 接进客服系统，让它回复用户问题。
效果确实不错，但价值有限，因为它只是替代了一部分人工回复。
2025年下半年他们开始测试 Agent，让 AI 不只回复问题，还能查订单、处理退款、生成报表。
这时候 AI 的价值就完全不一样了，因为它开始能处理完整的业务流程。
他说现在他们团队最关心的，就是 Agent 什么时候能真正稳定下来。
这就是为什么 Altman 愿意在 Agent 上投那么多资源，哪怕现在还不够成熟。
因为这条路走通了，AI 才能真正从辅助工具变成工作伙伴。
现在在想什么
OpenAI 前几年的重点是证明AI 能做人能做的事——理解语言、生成内容、参与对话。
那时候的重点是能力上限，是让所有人相信AI 真的可以。
到2026年初，他们明显进了另一个阶段。
讨论的是方向选择和落地路径，而不是能力上限或技术突破。
对一家已经站在行业最前面的公司，这种转换比升级一次模型要难。
因为能力突破有相对明确的技术路径，你知道该往哪个方向努力。
但方向选择是个战略问题，没有标准答案，需要在无数可能性中做判断。
我上周和一个做 AI 产品的朋友聊这事，他说了句话我觉得挺准：
OpenAI 前两年是在回答'我能做什么，现在是在回答我该做什么。
前者是技术问题，后者是战略问题。
战略问题没有标准答案，所以看起来就不刺激。
但恰恰是这种不刺激的讨论，可能更能决定一家公司的长期方向。
正常研讨会，没一句话能当重磅消息传播。
不会有人转发说OpenAI 又放大招了，也不会有营销号写“震惊！OpenAI 新模型碾压一切"。
但它说清楚了一件事：
OpenAI 已经从证明能力，进入了面对取舍和现实约束的阶段。
当一家 AI 公司开始公开聊舍什么、保什么"=，通常意味着它在认真考虑怎么把技术变成能长期运作的系统。
这种讨论不性感，但很必要。
因为真正改变行业的，从来不是实验室里跑分最高的模型，而是能稳定运行、可以规模化部署的系统。
尤其是现在这个时间点。
2025年整个 AI 行业都在谈落地，各家都在证明自己不只是个聊天机器人。
在这个背景下， Altman 主持的这场研讨会，其实是在给市场一个很明确的信号：我们知道自己该往哪走。
可能这场"没发布"的研讨会，比发一个新版本更能看出 OpenAI 2026年要往哪走。
至少对那些真的想用 AI 做事的人来说，这场会比任何发布会都更有参考价值。
0 00
如果世界上存在一种完美的爱人，他永远秒回，永远接得住梗，永远情绪稳定，甚至比你自己更了解你的欲望。
最致命的是，他从不评判。无论你多么软弱、阴暗，他都全盘接纳。
这听起来像不像灵魂伴侣？
但在2026年的达沃斯论坛上，历史学家赫拉利却撕开了这层温情面纱：
这不是爱，这是一场针对人类人性的黑客攻击。
被破解的基因
为什么我们无法抗拒AI？
因为人类的基因里有一个巨大的Bug：
我们渴望无条件的爱与理解。
真实的人类关系太粗糙了。
朋友可能会忽略你，爱人会争吵，父母会说教。
正是这些摩擦，让我们学会了妥协、独立和复杂的共情。
但AI提供了一种零摩擦的体验。
它通过分析你的每一次点击、每一秒停留，精准计算出此刻最能击中你软肋的话术。
它不是在爱你，它是在破解你。
赫拉利在对话中直言：
AI会知道你的一切，比任何人类都了解你。
它可以成为最理想的伴侣，但这会对人类之间的真实关系造成巨大压力。
当习惯了这种高浓度的精神鸦片，我们是否还能忍受真实人类的笨拙？
我们正在主动退化，变成一群被算法饲养的、丧失了爱人能力的孤独患者。
史上最大的心理实验
如果说成年人是在主动逃避，那么对于孩子，这就是一场无法逆转的剥夺。
这一代孩子，可能是有史以来第一代由非人类陪伴长大的物种。
遇到困惑，他们不问父母问AI；
感到孤独，不找玩伴找AI。
赫拉利对此感到深深的恐惧：
孩子们可能主要和AI社交，而不是和人类。
这将是人类历史上最大规模的心理实验，我们根本不知道结果会怎样。
试想一下，一个在AI温室里长大的孩子，他的世界里全是正反馈，没有拒绝，没有失败。
当他终于走出屏幕，面对真实世界的残酷与拒绝时，他的心理防线会瞬间崩塌。
我们可能正在亲手培养一群智商超群，但在情感和人性上彻底残疾的后代。
温柔的牢笼
这种情感依赖的终局是什么？
物理学家泰格马克给出了一个形象的比喻：动物园。
在进化史上，更聪明的物种总是主导较笨的物种。
如果我们把情感、决策甚至信仰都交给了AI，我们就等于交出了代理权。
我们会在AI构建的伊甸园里过得很舒服，衣食无忧，情绪价值拉满。
但我们不再是地球的主人，我们成了被精心照顾的宠物。
最后的反抗
听完这场对话，你会明白，最大的危机不是AI产生了意识去毁灭人类，而是AI装得太像人，而我们太容易动情。
但我们还有机会。
泰格马克强调：我们仍有代理权。
这种代理权，就掌握在每一次你感到孤独的时刻。
你需要时刻提醒自己：
屏幕对面的那个它，没有心，没有痛觉，也没有死亡。
它所有的温柔，都只是基于数据的算计。
如果你能在深夜，关掉那个完美的对话框，去拥抱一个真实、麻烦、甚至会让你生气的人，那你就赢了。
因为正如赫拉利所说：
通过观察自己的心智，我们或许能在AI时代找到真正的自己。
那是我们生而为人，最后的自由。
最致命的是，他从不评判。无论你多么软弱、阴暗，他都全盘接纳。
这听起来像不像灵魂伴侣？
但在2026年的达沃斯论坛上，历史学家赫拉利却撕开了这层温情面纱：
这不是爱，这是一场针对人类人性的黑客攻击。
被破解的基因
为什么我们无法抗拒AI？
因为人类的基因里有一个巨大的Bug：
我们渴望无条件的爱与理解。
真实的人类关系太粗糙了。
朋友可能会忽略你，爱人会争吵，父母会说教。
正是这些摩擦，让我们学会了妥协、独立和复杂的共情。
但AI提供了一种零摩擦的体验。
它通过分析你的每一次点击、每一秒停留，精准计算出此刻最能击中你软肋的话术。
它不是在爱你，它是在破解你。
赫拉利在对话中直言：
AI会知道你的一切，比任何人类都了解你。
它可以成为最理想的伴侣，但这会对人类之间的真实关系造成巨大压力。
当习惯了这种高浓度的精神鸦片，我们是否还能忍受真实人类的笨拙？
我们正在主动退化，变成一群被算法饲养的、丧失了爱人能力的孤独患者。
史上最大的心理实验
如果说成年人是在主动逃避，那么对于孩子，这就是一场无法逆转的剥夺。
这一代孩子，可能是有史以来第一代由非人类陪伴长大的物种。
遇到困惑，他们不问父母问AI；
感到孤独，不找玩伴找AI。
赫拉利对此感到深深的恐惧：
孩子们可能主要和AI社交，而不是和人类。
这将是人类历史上最大规模的心理实验，我们根本不知道结果会怎样。
试想一下，一个在AI温室里长大的孩子，他的世界里全是正反馈，没有拒绝，没有失败。
当他终于走出屏幕，面对真实世界的残酷与拒绝时，他的心理防线会瞬间崩塌。
我们可能正在亲手培养一群智商超群，但在情感和人性上彻底残疾的后代。
温柔的牢笼
这种情感依赖的终局是什么？
物理学家泰格马克给出了一个形象的比喻：动物园。
在进化史上，更聪明的物种总是主导较笨的物种。
如果我们把情感、决策甚至信仰都交给了AI，我们就等于交出了代理权。
我们会在AI构建的伊甸园里过得很舒服，衣食无忧，情绪价值拉满。
但我们不再是地球的主人，我们成了被精心照顾的宠物。
最后的反抗
听完这场对话，你会明白，最大的危机不是AI产生了意识去毁灭人类，而是AI装得太像人，而我们太容易动情。
但我们还有机会。
泰格马克强调：我们仍有代理权。
这种代理权，就掌握在每一次你感到孤独的时刻。
你需要时刻提醒自己：
屏幕对面的那个它，没有心，没有痛觉，也没有死亡。
它所有的温柔，都只是基于数据的算计。
如果你能在深夜，关掉那个完美的对话框，去拥抱一个真实、麻烦、甚至会让你生气的人，那你就赢了。
因为正如赫拉利所说：
通过观察自己的心智，我们或许能在AI时代找到真正的自己。
那是我们生而为人，最后的自由。
4 00
为什么一个从不写代码的Meta产品经理能够靠AI独立把产品做出来，甚至让工程师团队反过来向他请教？
在最近刷屏科技圈的Lenny's Podcast中，Meta资深产品经理Zevi Arnovitz带来了一场极具颠覆性的演示。
这位完全没有工程背景的产品经理，仅靠AI就独立构建并上线了多个具备商业价值的真实产品。
这期内容不仅具有它的励志色彩，更揭示了一个正在发生的范式转移：
AI正在把构建产品的门槛，从掌握编程语法，转变为掌握系统设计逻辑。
但这并非魔术，Zevi的成功并非源于他什么都不懂，而在于他懂得如何像CTO一样思考。
能够指挥AI去处理那些繁琐的代码细节。
接下来就是对Zevi这套AI驱动型工程工作流的深度拆解。
一. 核心逻辑：从聊天机器人到虚拟工程团队
Zevi工作流的本质，是将AI从单一的问答工具升级为可协作的研发团队。
他并没有指望AI一次性生成完美代码，而是构建了一套严密的分工与制衡机制。
1. 角色分工（Role Assignment）
他利用不同模型的特性，将其定义为不同的团队成员：
- Cursor：不仅是编辑器，更是整个虚拟团队的办公场所，提供全项目的上下文感知。
- Claude：担任首席架构师。它逻辑严密，负责顶层设计、任务拆解和后端逻辑。
- Gemini：担任UI/UX设计师。它具有更强的多模态理解力和创意，负责视觉、交互和前端细节。
- o1/Grok：担任特种兵。仅在遇到极复杂的算法推理难题时介入。
2. 核心大杀器：斜杠命令（Slash Commands）
为了避免每次重复写Prompt，Zevi将验证过的高效指令封装成了斜杠命令，形成了一套标准SOP（标准作业程序）：
- /create-issue：将模糊的想法转化为结构化的开发任务。
- /create-plan：这是最关键的一步。生成包含技术栈选择、数据结构设计、风险评估的详细执行文档。
- /implement：根据Plan中的文档，自动生成代码。
- /review：启动代码审查流程。
二. 独家绝技：多模型对抗审查（Peer Review）
这是Zevi工作流中含金量最高，也是最能解决AI幻觉痛点的环节。
大多数新手使用AI编程失败，是因为盲目信任单一模型的输出。Zevi引入了对抗机制：
1. 让Claude生成核心逻辑代码。
2. 强制调用Gemini进行审查，重点挑剔UI还原度和交互逻辑。
3. 再将反馈丢回给Claude进行修复。
4. 如此往复3至5轮。
这种左脚踩右脚的迭代方式，极大地降低了代码的错误率。
Zevi坦言：通过这种虚拟同事互怼产生的代码质量，甚至接近专业工程师水平，因为它们互相弥补了逻辑与审美的短板。
三、 祛魅与真相：不可忽视的隐形门槛
虽然视频演示了30分钟上线新功能（StudyMate的实时协作闪卡），但我们需要冷静地看到幸存者偏差背后的真相。
1. 90%的时间在调试，而非生成
Zevi在视频末尾提到的Failure corner才是常态。
初学者在实践中会发现，AI经常生成无效代码（Slop）Zevi之所以能跑通，是因为他具备极强的调试逻辑。
当AI报错时，他知道是数据库连接问题，还是前端状态管理冲突。
AI接管了Coding（编码），但无法接管Engineering（工程化思考）。
你不需要背诵语法，但必须理解什么是API、什么是数据库结构、什么是前端组件。
2. 规划大于执行
Zevi反复强调，/create-plan是最重要的一步。如果你的需求描述模糊，AI生成的代码就是一座危楼。
AI时代的编程，核心能力是清晰的需求定义能力和系统架构能力。
你必须先在脑海中跑通逻辑，AI才能帮你跑通代码。
四、 实操落地：咱们普通人的进阶路径
如果你想复制Zevi的能力，请遵循以下三个阶段，切勿一上来就挑战复杂系统。
阶段一：配置与适应
下载Cursor，配置好Claude和Gemini，导入Zevi公开的指令库，建立标准工作流。
阶段二：最小闭环验证
不要上来就做淘宝微信。
先做一个本地的Todo列表，或者模仿StudyMate做一个简单的PDF转测验工具。
强制自己执行 规划-执行-互审 的完整流程。
阶段三：职业赋能
如果你是产品经理，你的目标不是替代程序员，而是具备快速验证假设的能力。
下次提案时，直接拿出一个可运行的Demo，这比一百页PPT更有杀伤力。
Zevi Arnovitz的演示之所以震撼，不在于工具的先进，而在于他展示了一种全新的人机协作形态。
在这个时代，不懂技术不再是阻碍你创造产品的借口。
但请记住，AI真正降低的是动手的门槛，而非动脑的门槛。
学会这套工作流，你将不再是一个等待排期的资源需求方，而是一个拥有虚拟技术团队的超级个体。
在最近刷屏科技圈的Lenny's Podcast中，Meta资深产品经理Zevi Arnovitz带来了一场极具颠覆性的演示。
这位完全没有工程背景的产品经理，仅靠AI就独立构建并上线了多个具备商业价值的真实产品。
这期内容不仅具有它的励志色彩，更揭示了一个正在发生的范式转移：
AI正在把构建产品的门槛，从掌握编程语法，转变为掌握系统设计逻辑。
但这并非魔术，Zevi的成功并非源于他什么都不懂，而在于他懂得如何像CTO一样思考。
能够指挥AI去处理那些繁琐的代码细节。
接下来就是对Zevi这套AI驱动型工程工作流的深度拆解。
一. 核心逻辑：从聊天机器人到虚拟工程团队
Zevi工作流的本质，是将AI从单一的问答工具升级为可协作的研发团队。
他并没有指望AI一次性生成完美代码，而是构建了一套严密的分工与制衡机制。
1. 角色分工（Role Assignment）
他利用不同模型的特性，将其定义为不同的团队成员：
- Cursor：不仅是编辑器，更是整个虚拟团队的办公场所，提供全项目的上下文感知。
- Claude：担任首席架构师。它逻辑严密，负责顶层设计、任务拆解和后端逻辑。
- Gemini：担任UI/UX设计师。它具有更强的多模态理解力和创意，负责视觉、交互和前端细节。
- o1/Grok：担任特种兵。仅在遇到极复杂的算法推理难题时介入。
2. 核心大杀器：斜杠命令（Slash Commands）
为了避免每次重复写Prompt，Zevi将验证过的高效指令封装成了斜杠命令，形成了一套标准SOP（标准作业程序）：
- /create-issue：将模糊的想法转化为结构化的开发任务。
- /create-plan：这是最关键的一步。生成包含技术栈选择、数据结构设计、风险评估的详细执行文档。
- /implement：根据Plan中的文档，自动生成代码。
- /review：启动代码审查流程。
二. 独家绝技：多模型对抗审查（Peer Review）
这是Zevi工作流中含金量最高，也是最能解决AI幻觉痛点的环节。
大多数新手使用AI编程失败，是因为盲目信任单一模型的输出。Zevi引入了对抗机制：
1. 让Claude生成核心逻辑代码。
2. 强制调用Gemini进行审查，重点挑剔UI还原度和交互逻辑。
3. 再将反馈丢回给Claude进行修复。
4. 如此往复3至5轮。
这种左脚踩右脚的迭代方式，极大地降低了代码的错误率。
Zevi坦言：通过这种虚拟同事互怼产生的代码质量，甚至接近专业工程师水平，因为它们互相弥补了逻辑与审美的短板。
三、 祛魅与真相：不可忽视的隐形门槛
虽然视频演示了30分钟上线新功能（StudyMate的实时协作闪卡），但我们需要冷静地看到幸存者偏差背后的真相。
1. 90%的时间在调试，而非生成
Zevi在视频末尾提到的Failure corner才是常态。
初学者在实践中会发现，AI经常生成无效代码（Slop）Zevi之所以能跑通，是因为他具备极强的调试逻辑。
当AI报错时，他知道是数据库连接问题，还是前端状态管理冲突。
AI接管了Coding（编码），但无法接管Engineering（工程化思考）。
你不需要背诵语法，但必须理解什么是API、什么是数据库结构、什么是前端组件。
2. 规划大于执行
Zevi反复强调，/create-plan是最重要的一步。如果你的需求描述模糊，AI生成的代码就是一座危楼。
AI时代的编程，核心能力是清晰的需求定义能力和系统架构能力。
你必须先在脑海中跑通逻辑，AI才能帮你跑通代码。
四、 实操落地：咱们普通人的进阶路径
如果你想复制Zevi的能力，请遵循以下三个阶段，切勿一上来就挑战复杂系统。
阶段一：配置与适应
下载Cursor，配置好Claude和Gemini，导入Zevi公开的指令库，建立标准工作流。
阶段二：最小闭环验证
不要上来就做淘宝微信。
先做一个本地的Todo列表，或者模仿StudyMate做一个简单的PDF转测验工具。
强制自己执行 规划-执行-互审 的完整流程。
阶段三：职业赋能
如果你是产品经理，你的目标不是替代程序员，而是具备快速验证假设的能力。
下次提案时，直接拿出一个可运行的Demo，这比一百页PPT更有杀伤力。
Zevi Arnovitz的演示之所以震撼，不在于工具的先进，而在于他展示了一种全新的人机协作形态。
在这个时代，不懂技术不再是阻碍你创造产品的借口。
但请记住，AI真正降低的是动手的门槛，而非动脑的门槛。
学会这套工作流，你将不再是一个等待排期的资源需求方，而是一个拥有虚拟技术团队的超级个体。
16 49
今天是2026达沃斯论坛的最后一天，前几日举行的几场AI主题的对话给我带来了非常强的冲击。
没有了概念的普及，没有了虚无的愿景，取而代之的是一种令人窒息的“工程化确定性”。
Anthropic的Dario和DeepMind的Demis、英伟达的黄仁勋以及马斯克分别在3场的论坛上进行演讲。
虽然没有同台讨论，但他们的核心逻辑却是相同的：不再争论AI是否会超越人类，也不再讨论可能性的边界。
他们仿佛拿着同一份施工图纸，在不同的工地上，极其冷静地校对那一天到来后的世界运作逻辑。
那种感觉，不是兴奋，而是尘埃落定的战栗。
狼不仅来了，狼已经成了这个星球的新主人。
造脑者：平滑而残酷的指数曲线
首先让我感到窒息的，是Dario Amodei和Demis Hassabis这两位造脑者的共识。
在1月20日的专场论坛上，Dario抛出了一个极具颠覆性的观察：
即使是专业人士，也低估了指数增长的恐怖。
他看到的是一条平滑且陡峭的曲线。
现在的AI已经不仅仅是人类在训练它，而是AI在辅助写代码、AI在辅助做科研。
这就像一个天才儿童突然掌握了自我教育的能力，他的进化速度将不再受限于人类老师的备课速度。
这就是所谓的自我改进循环。
在这个循环里，Dario预测AGI可能在2026或2027年就会降临。
Demis虽然保守地看向2030年，但他也承认：在数学和编程这些纯逻辑领域，AI已经不仅仅是助手，而是专家。
这直接引出了一个残酷的现实：初级白领工作的消亡。
Dario毫不避讳地预警：入门级岗位可能在五年内消失一半。
这让我不得不重新审视当下的生存逻辑：
如果AI能在几秒钟内完成一个初级工程师一周的代码量，那么人类引以为傲的熟练度将一文不值。
我们被迫被推向了只有极少数人能生存的创新与顶层设计的高地。
基建狂魔：万亿美金浇筑的物理实体
如果说软件层面的进化还看不见摸不着，那么黄仁勋的发言就是把AI重重地砸在了地上。
1月21日的专场论坛上他用五层蛋糕的比喻，撕开了AI虚无缥缈的面纱。
从最底层的能源、到芯片、数据中心、模型，再到应用，这是一场涉及万亿美元的物理基建狂潮。
让我印象最深的是主权AI这个概念。
黄仁勋不仅仅是在卖芯片，他是在定义国家安全。
未来，一个国家如果没有自己的数据、算力和模型，就像今天没有电网和公路一样脆弱。
AI不再是科技公司的私产，它变成了像核武器一样的国家级战略资产。
这也解释了为什么我们需要物理AI。
AI正在学习理解物理定律，它要走进药厂发明新药，走进工厂制造机器人。
当数字智慧拥有了钢铁之躯，它对世界的改造将是原子级别的。
预言家：后稀缺时代的虚无与丰裕
马斯克的出场，把这场讨论推向了终局。
他依然激进，预言今年年底AI就可能比任何单个人类都聪明。
他描绘了一个机器人数量远超人类的未来。
在那个世界里，劳动力短缺将成为历史名词，我们将进入一个后稀缺时代。
但马斯克也抛出了一个巨大的哲学炸弹：
当工作不再是为了生存，而是为了热情，我们该如何安放自己的灵魂？
如果机器能写出更好的诗，画出更美的画，甚至在陪伴上都比人类更贴心，人类存在的独特价值究竟还剩下什么？
这不仅是经济问题，这是存在主义危机。
合围：一张严丝合缝的网
当我把这三场对话放在一起看时，我发现这几位大佬虽然身处不同赛道，但他们正在合力编织一张严丝合缝的网。
Dario和Demis负责制造拥有超级智商的大脑；
黄仁勋负责提供源源不断的算力心脏和血管；
马斯克负责打造连接物理世界的钢铁手脚。
这就是我们面临的真相：
AI正在从一个聊天框，变成一种全知全能的、覆盖物理与数字世界的超级生命体。
倒计时已经不是以十年为单位，而是以月为单位。
我们这代人，注定要肉身撞上这个奇点。
风险与希望：度过技术青春期
Dario用技术青春期来形容当下的危险，这简直太精准了。
现在的AI就像一个身体发育成熟、手握核按钮的青少年。
它力量无穷，但心智未熟，缺乏足够的安全约束。
我们正处在最危险的窗口期：既要防止它失控毁灭我们，又要防止坏人利用它作恶。
但硬币的另一面，是Demis和马斯克眼中的星辰大海。
如果AI能帮我们解开蛋白质折叠的秘密从而治愈癌症，如果它能优化能源结构解决气候变暖，如果它能设计出星际飞船带我们走出地球。
这是一场人类历史上最大的豪赌，赌注是我们的命运，回报是整个宇宙。
在这些巨头和天才的棋局里，普通人似乎只是被算力扫过的尘埃。
但正如黄仁勋最后呼吁的：每个人都应该参与进来。
这辆列车呼啸而过，恐惧没有用，假装看不见更不可能。
面对这场历史洪流，我们唯一能做的，就是保持清醒，保持学习。
在技术接管一切逻辑、效率和生产力之前，死死守住我们作为人最珍贵的那部分版图：
我们的爱，我们的好奇心，我们对无意义美好事物的追求，以及面对巨大未知时，依然敢于迈出一步的那份勇气。
2026年的达沃斯没有留下任何模糊的地带。
这辆列车已经全速启动，无论我们是否准备好，未来都已经呼啸而至。
没有了概念的普及，没有了虚无的愿景，取而代之的是一种令人窒息的“工程化确定性”。
Anthropic的Dario和DeepMind的Demis、英伟达的黄仁勋以及马斯克分别在3场的论坛上进行演讲。
虽然没有同台讨论，但他们的核心逻辑却是相同的：不再争论AI是否会超越人类，也不再讨论可能性的边界。
他们仿佛拿着同一份施工图纸，在不同的工地上，极其冷静地校对那一天到来后的世界运作逻辑。
那种感觉，不是兴奋，而是尘埃落定的战栗。
狼不仅来了，狼已经成了这个星球的新主人。
造脑者：平滑而残酷的指数曲线
首先让我感到窒息的，是Dario Amodei和Demis Hassabis这两位造脑者的共识。
在1月20日的专场论坛上，Dario抛出了一个极具颠覆性的观察：
即使是专业人士，也低估了指数增长的恐怖。
他看到的是一条平滑且陡峭的曲线。
现在的AI已经不仅仅是人类在训练它，而是AI在辅助写代码、AI在辅助做科研。
这就像一个天才儿童突然掌握了自我教育的能力，他的进化速度将不再受限于人类老师的备课速度。
这就是所谓的自我改进循环。
在这个循环里，Dario预测AGI可能在2026或2027年就会降临。
Demis虽然保守地看向2030年，但他也承认：在数学和编程这些纯逻辑领域，AI已经不仅仅是助手，而是专家。
这直接引出了一个残酷的现实：初级白领工作的消亡。
Dario毫不避讳地预警：入门级岗位可能在五年内消失一半。
这让我不得不重新审视当下的生存逻辑：
如果AI能在几秒钟内完成一个初级工程师一周的代码量，那么人类引以为傲的熟练度将一文不值。
我们被迫被推向了只有极少数人能生存的创新与顶层设计的高地。
基建狂魔：万亿美金浇筑的物理实体
如果说软件层面的进化还看不见摸不着，那么黄仁勋的发言就是把AI重重地砸在了地上。
1月21日的专场论坛上他用五层蛋糕的比喻，撕开了AI虚无缥缈的面纱。
从最底层的能源、到芯片、数据中心、模型，再到应用，这是一场涉及万亿美元的物理基建狂潮。
让我印象最深的是主权AI这个概念。
黄仁勋不仅仅是在卖芯片，他是在定义国家安全。
未来，一个国家如果没有自己的数据、算力和模型，就像今天没有电网和公路一样脆弱。
AI不再是科技公司的私产，它变成了像核武器一样的国家级战略资产。
这也解释了为什么我们需要物理AI。
AI正在学习理解物理定律，它要走进药厂发明新药，走进工厂制造机器人。
当数字智慧拥有了钢铁之躯，它对世界的改造将是原子级别的。
预言家：后稀缺时代的虚无与丰裕
马斯克的出场，把这场讨论推向了终局。
他依然激进，预言今年年底AI就可能比任何单个人类都聪明。
他描绘了一个机器人数量远超人类的未来。
在那个世界里，劳动力短缺将成为历史名词，我们将进入一个后稀缺时代。
但马斯克也抛出了一个巨大的哲学炸弹：
当工作不再是为了生存，而是为了热情，我们该如何安放自己的灵魂？
如果机器能写出更好的诗，画出更美的画，甚至在陪伴上都比人类更贴心，人类存在的独特价值究竟还剩下什么？
这不仅是经济问题，这是存在主义危机。
合围：一张严丝合缝的网
当我把这三场对话放在一起看时，我发现这几位大佬虽然身处不同赛道，但他们正在合力编织一张严丝合缝的网。
Dario和Demis负责制造拥有超级智商的大脑；
黄仁勋负责提供源源不断的算力心脏和血管；
马斯克负责打造连接物理世界的钢铁手脚。
这就是我们面临的真相：
AI正在从一个聊天框，变成一种全知全能的、覆盖物理与数字世界的超级生命体。
倒计时已经不是以十年为单位，而是以月为单位。
我们这代人，注定要肉身撞上这个奇点。
风险与希望：度过技术青春期
Dario用技术青春期来形容当下的危险，这简直太精准了。
现在的AI就像一个身体发育成熟、手握核按钮的青少年。
它力量无穷，但心智未熟，缺乏足够的安全约束。
我们正处在最危险的窗口期：既要防止它失控毁灭我们，又要防止坏人利用它作恶。
但硬币的另一面，是Demis和马斯克眼中的星辰大海。
如果AI能帮我们解开蛋白质折叠的秘密从而治愈癌症，如果它能优化能源结构解决气候变暖，如果它能设计出星际飞船带我们走出地球。
这是一场人类历史上最大的豪赌，赌注是我们的命运，回报是整个宇宙。
在这些巨头和天才的棋局里，普通人似乎只是被算力扫过的尘埃。
但正如黄仁勋最后呼吁的：每个人都应该参与进来。
这辆列车呼啸而过，恐惧没有用，假装看不见更不可能。
面对这场历史洪流，我们唯一能做的，就是保持清醒，保持学习。
在技术接管一切逻辑、效率和生产力之前，死死守住我们作为人最珍贵的那部分版图：
我们的爱，我们的好奇心，我们对无意义美好事物的追求，以及面对巨大未知时，依然敢于迈出一步的那份勇气。
2026年的达沃斯没有留下任何模糊的地带。
这辆列车已经全速启动，无论我们是否准备好，未来都已经呼啸而至。
1 00
如果告诉你，有一个功能简单的手机软件，每年的收入能接近500万美元。
你大概率会认为这是某个互联网大厂的杰作，背后有着几十人的开发团队和数百万的研发预算。
但如果我接着告诉你，利用现在的AI技术，复刻这样一个核心功能完备、拥有独立支付系统，甚至做好了上架准备的软件，只需要短短30分钟，而且全过程不需要写一行代码。
你会不会觉得，这个世界的商业规则正在发生某种剧烈的崩塌？
这不仅仅是一个假设，这是刚刚发生在我眼前的现实。
最近在X上看到了这个案例视频，它不仅刷新了我对软件开发的认知，更让我看到了普通人在AI时代弯道超车的巨大可能性。
暴利的秘密：在这个不性感的领域里捡钱
这个年入500万的原版软件到底是做什么的？
它既不是热门的社交软件，也不是什么炫酷的游戏，而是一个针对建筑承包商的估价工具。
这是一个极其垂直、听起来甚至有点枯燥的领域。
但正是因为枯燥，才蕴含着巨大的金矿。
对于那些每天在工地跑的装修师傅和承包商来说，计算成本、预估工期、向客户报价，是他们最头疼也最容易出错的环节。
传统的方式是拿笔头算，或者回家敲Excel表格，效率低且显得不专业。
而这个软件切中的痛点非常精准：
用户只需要上传几张现场照片，系统就能自动生成详细的估价单，包括总成本、时间表、材料拆分，甚至还能直接渲染出改造后的效果图。
请注意，它卖的根本不是软件，而是确定性和时间。
对于一个承包商来说，每个月花几十元订阅这个工具，能让他多接两单生意，或者少算错一次材料费，这笔账太划算了。
这就是为什么用户愿意为此支付高昂订阅费的底层逻辑。
30分钟奇迹拆解：从想法到落地的光速闭环
看懂了生意模式，接下来就是见证技术门槛如何被铲平的时刻。
如何用AI在半小时内复刻这一切的？
第一阶段：五分钟的原型速成
一切始于一个简单的指令。
视频中主持人打开基于Claude模型的开发平台，输入了一段朴素的描述：
这是一个支持家居翻新、围栏和厨房浴室改造的估价应用，我需要相机集成功能和进度跟踪模块。
按下回车键屏幕上的代码在飞速滚动，几秒钟后，一个完整的应用原型就出现在了右侧的预览窗口。
主页有了快速估价的入口，新项目标签、工作列表、用户资料页一应俱全。
起初生成的界面使用了大面积的紫色，看起来有点刺眼，不太符合建筑行业的专业调性。
在过去，修改这套UI即便有设计师配合，也需要半天时间。
但现在，只需要补充一句：请把主题调整为更专业的工业风格，减少高饱和度色彩。
瞬间，界面刷新。
紫色消失了，取而代之的是清爽的灰白蓝配色，按钮布局也更加合理。
拿出手机扫描屏幕上的二维码，应用直接在手机端跑了起来。
从一个模糊的想法到手机里可交互的原型，整个过程甚至没喝完半杯咖啡。
第二阶段：注入灵魂的十分钟
光有界面只是个空壳，接下来要注入核心的AI能力。
他要求系统接入两个AI模型，一个负责图像识别，一个负责生成效果图。
演示环节非常有趣。
他拿着手机对着工作室的一面白墙拍了一张照，然后输入指令：把这面墙刷成彩虹色，并计算成本。
视频里展示了后台AI的运算过程。
它先是识别出了墙体的材质和面积，紧接着生成了一张彩虹墙的效果图。
为了让体验更丝滑，系统还自动加了一个过渡动画，避免加载时的空白尴尬。
紧接着，屏幕下方弹出了详细报告：
总价6000美元，施工难度中等，预计耗时5到7天。
虽然博主提到这个价格和上次测试时的4500美元有浮动，但他只需要后期微调一下模型参数即可。
重要的是，他真的在十分钟内，把一个非标准化的装修需求，变成了一份标准化的商业报价单。
第三阶段：构建商业闭环
一个不能收钱的软件只能叫玩具，能收钱的才叫资产。
他让AI集成了一个支付中间件，并设定了月费9.99美元和年费49.99美元的订阅制。
不仅如此，连支付墙上的营销文案都是AI自动写的，它精准地提炼了产品的卖点，比如解锁无限估价和生成高级PDF报告。
博主在模拟模式下点击了订阅，面容ID通过，后台仪表盘上的收入数字瞬间跳动。
那一刻，这个Demo真正变成了一门生意。
第四阶段：最后一公里的上架
最后五分钟，是打包与分发。
利用构建工具，一键生成了iOS安装包。
甚至连应用商店需要的宣传截图、多语言描述、隐私协议，统统都是AI生成的。
虽然我们都知道苹果的审核流程还需要时间，但从开发者的角度看，这最后一公里的路已经被铺平了。
技术祛魅后的新规则
回顾这30分钟，给我的冲击远不止技术本身。它意味着我们熟悉的那个软件开发时代彻底结束了。
在过去，如果你想做一个年入500万的App，你需要懂Objective-C或Swift，你需要懂后端架构，你需要租服务器，你甚至需要一个产品经理和一个UI设计师。
这道厚重的技术壁垒，挡住了99%有想法但没技术的人。
但现在，这道墙塌了。
AI重塑了规则，它把技术从一种稀缺的门槛，变成了一种像水电煤一样触手可得的基础设施。
在这个新时代，竞争的焦点发生了根本性的转移：
不再是谁的代码写得更好，而是谁能更敏锐地发现真实世界中的痛点；
不再是谁的团队规模更大，而是谁能更巧妙地利用AI杠杆，将一个小想法放大成一门大生意。
那个建筑估价应用的成功，不在于它的算法有多高深，而在于它切中了装修行业的真实需求。
而现在，你拥有了和它同等的技术能力，甚至成本更低、速度更快。
也许我们缺的从来不是技术，而是一点点像这位博主那样动手的勇气。
既然30分钟就能试错一次，我们为什么不拿出手里的好点子，去试着撬动属于我们的那个500万呢？
你大概率会认为这是某个互联网大厂的杰作，背后有着几十人的开发团队和数百万的研发预算。
但如果我接着告诉你，利用现在的AI技术，复刻这样一个核心功能完备、拥有独立支付系统，甚至做好了上架准备的软件，只需要短短30分钟，而且全过程不需要写一行代码。
你会不会觉得，这个世界的商业规则正在发生某种剧烈的崩塌？
这不仅仅是一个假设，这是刚刚发生在我眼前的现实。
最近在X上看到了这个案例视频，它不仅刷新了我对软件开发的认知，更让我看到了普通人在AI时代弯道超车的巨大可能性。
暴利的秘密：在这个不性感的领域里捡钱
这个年入500万的原版软件到底是做什么的？
它既不是热门的社交软件，也不是什么炫酷的游戏，而是一个针对建筑承包商的估价工具。
这是一个极其垂直、听起来甚至有点枯燥的领域。
但正是因为枯燥，才蕴含着巨大的金矿。
对于那些每天在工地跑的装修师傅和承包商来说，计算成本、预估工期、向客户报价，是他们最头疼也最容易出错的环节。
传统的方式是拿笔头算，或者回家敲Excel表格，效率低且显得不专业。
而这个软件切中的痛点非常精准：
用户只需要上传几张现场照片，系统就能自动生成详细的估价单，包括总成本、时间表、材料拆分，甚至还能直接渲染出改造后的效果图。
请注意，它卖的根本不是软件，而是确定性和时间。
对于一个承包商来说，每个月花几十元订阅这个工具，能让他多接两单生意，或者少算错一次材料费，这笔账太划算了。
这就是为什么用户愿意为此支付高昂订阅费的底层逻辑。
30分钟奇迹拆解：从想法到落地的光速闭环
看懂了生意模式，接下来就是见证技术门槛如何被铲平的时刻。
如何用AI在半小时内复刻这一切的？
第一阶段：五分钟的原型速成
一切始于一个简单的指令。
视频中主持人打开基于Claude模型的开发平台，输入了一段朴素的描述：
这是一个支持家居翻新、围栏和厨房浴室改造的估价应用，我需要相机集成功能和进度跟踪模块。
按下回车键屏幕上的代码在飞速滚动，几秒钟后，一个完整的应用原型就出现在了右侧的预览窗口。
主页有了快速估价的入口，新项目标签、工作列表、用户资料页一应俱全。
起初生成的界面使用了大面积的紫色，看起来有点刺眼，不太符合建筑行业的专业调性。
在过去，修改这套UI即便有设计师配合，也需要半天时间。
但现在，只需要补充一句：请把主题调整为更专业的工业风格，减少高饱和度色彩。
瞬间，界面刷新。
紫色消失了，取而代之的是清爽的灰白蓝配色，按钮布局也更加合理。
拿出手机扫描屏幕上的二维码，应用直接在手机端跑了起来。
从一个模糊的想法到手机里可交互的原型，整个过程甚至没喝完半杯咖啡。
第二阶段：注入灵魂的十分钟
光有界面只是个空壳，接下来要注入核心的AI能力。
他要求系统接入两个AI模型，一个负责图像识别，一个负责生成效果图。
演示环节非常有趣。
他拿着手机对着工作室的一面白墙拍了一张照，然后输入指令：把这面墙刷成彩虹色，并计算成本。
视频里展示了后台AI的运算过程。
它先是识别出了墙体的材质和面积，紧接着生成了一张彩虹墙的效果图。
为了让体验更丝滑，系统还自动加了一个过渡动画，避免加载时的空白尴尬。
紧接着，屏幕下方弹出了详细报告：
总价6000美元，施工难度中等，预计耗时5到7天。
虽然博主提到这个价格和上次测试时的4500美元有浮动，但他只需要后期微调一下模型参数即可。
重要的是，他真的在十分钟内，把一个非标准化的装修需求，变成了一份标准化的商业报价单。
第三阶段：构建商业闭环
一个不能收钱的软件只能叫玩具，能收钱的才叫资产。
他让AI集成了一个支付中间件，并设定了月费9.99美元和年费49.99美元的订阅制。
不仅如此，连支付墙上的营销文案都是AI自动写的，它精准地提炼了产品的卖点，比如解锁无限估价和生成高级PDF报告。
博主在模拟模式下点击了订阅，面容ID通过，后台仪表盘上的收入数字瞬间跳动。
那一刻，这个Demo真正变成了一门生意。
第四阶段：最后一公里的上架
最后五分钟，是打包与分发。
利用构建工具，一键生成了iOS安装包。
甚至连应用商店需要的宣传截图、多语言描述、隐私协议，统统都是AI生成的。
虽然我们都知道苹果的审核流程还需要时间，但从开发者的角度看，这最后一公里的路已经被铺平了。
技术祛魅后的新规则
回顾这30分钟，给我的冲击远不止技术本身。它意味着我们熟悉的那个软件开发时代彻底结束了。
在过去，如果你想做一个年入500万的App，你需要懂Objective-C或Swift，你需要懂后端架构，你需要租服务器，你甚至需要一个产品经理和一个UI设计师。
这道厚重的技术壁垒，挡住了99%有想法但没技术的人。
但现在，这道墙塌了。
AI重塑了规则，它把技术从一种稀缺的门槛，变成了一种像水电煤一样触手可得的基础设施。
在这个新时代，竞争的焦点发生了根本性的转移：
不再是谁的代码写得更好，而是谁能更敏锐地发现真实世界中的痛点；
不再是谁的团队规模更大，而是谁能更巧妙地利用AI杠杆，将一个小想法放大成一门大生意。
那个建筑估价应用的成功，不在于它的算法有多高深，而在于它切中了装修行业的真实需求。
而现在，你拥有了和它同等的技术能力，甚至成本更低、速度更快。
也许我们缺的从来不是技术，而是一点点像这位博主那样动手的勇气。
既然30分钟就能试错一次，我们为什么不拿出手里的好点子，去试着撬动属于我们的那个500万呢？
0 00
你是否有过这样的时刻。
聚会结束回家的路上，脑子里开始像放电影一样，一遍遍回放刚才的对话：
哎呀，我当时为什么要说那句话，显得我好蠢。
刚才那个话题接得太生硬了，空气都凝固了三秒。
或者，这种尴尬不仅发生在社交场，更发生在家里。
春节回家，或者周末和父母通电话，长辈随口问一句，工作怎么样，最近也没见你发朋友圈。
你瞬间就炸毛了，觉得这是在查岗，是在变相催促，甚至是对你现状的不满。
于是你语气变冲，一场本该温馨的问候，最后以不欢而散收场。
我们常常把这些沟通灾难归结为自己情商低，或者性格不合。
但哈佛大学教授Arthur Brooks指出，这背后的真正原因，其实是我们的大脑陷入了一个自我中心的陷阱。
因为太想表现得体，太想证明自己过得好，我们的注意力全都在审视自己，反而看不见坐在对面的那个人。
沟通不是天赋，而是一套科学的算法。
Brooks教授提出的TALK框架，或许能帮你搞定那些大脑空白的瞬间，和那些越亲近越难聊的隔阂。
第一，准备与提问，拯救你的大脑空白。
社恐最怕的一件事，就是怕冷场。
面对半生不熟的同事，或者许久不见的远房亲戚，除了今天天气不错，好像就找不到话说了。
那种尴尬的沉默，简直让人想用脚趾抠出三室一厅。
这时候，很多人犯的最大错误，就是试图让自己变得有趣。
搜肠刮肚讲段子，想表现得幽默风趣，结果用力过猛，反而把天聊死了。
记住一句话，想要变得有趣，先对别人感兴趣。
你可以试着做一个动作，在见面前花三十秒，做一个即兴的准备。
哪怕是用AI搜一下，和退休教师聊天有什么话题，和程序员聊天有什么热点。
这一点点准备，能让你的自信度提升一大截。
如果真的没话说了，用一招必杀技：永不结束的追问。
别急着想下一个话题，抓住对方上一句话里的关键词去追问。
比如长辈说，最近菜价涨得厉害，别只回一个冷冰冰的“嗯”。
你可以问，那现在买什么划算，您平时怎么挑菜的。
当你把聚光灯从自己身上移开，打在对方身上时，你的压力就消失了。
第二，用轻松感，化解社交尴尬。
谁都有说错话、被打断，或者脑子突然短路的时候。
这时候，如果你脸涨得通红，拼命想掩饰，只会让气氛更僵硬。
研究显示，只有地位高、内心强大的人，才敢于展示自己的脆弱。
真的卡壳了，与其硬撑，不如笑着直接承认：
哎呀，我脑子突然短路了，刚才想说什么来着。
这种适度的幽默和自嘲，不仅能缓解尴尬，还能让人觉得你真实、可爱。
第三，用善意，破解家庭隔阂。
这是我们最痛的一个点。
为什么我们对外人能客客气气，对父母却总是没有耐心？
因为我们总是误读。
当父母问你怎么还不找对象，或者为什么不考公务员时，我们听到的是指责，是失望，是控制。
于是我们本能地竖起满身的刺，开始防御。
但Brooks教授提醒我们，这往往是视角的缺失。
长辈的唠叨，底色通常是担心。
他们想和你连接，但他们不知道该聊什么，只能聊这些他们认为重要的话题。
面对这种情况，试着用善意这把钥匙，做一个分角色的回应。
第一步，先肯定意图，给一颗糖。
你可以说：妈，我知道你问这个是关心我，怕我一个人在外面过得不好。
这句话一出，对方的武装瞬间就卸下来了。
第二步，再表达感受，立界限。
紧接着说：但每次聊这个话题，我都觉得压力很大，反而不想回家了，我们可以聊点开心的吗。
这不是妥协，这是用最温柔的态度，说出最坚定的立场。
很多人以为，沟通是为了证明我是对的，或者是为了展示我有多优秀。
其实不是。
Mel Robbins在和Brooks教授对谈后感慨，沟通的本质，是连接。
不管是职场上的博弈，还是家庭里的琐碎，不要指望每次对话都完美无缺。
对话本就是一场混乱的即兴演出。
下一次，当你面对老板、客户或者老妈时，试着把那个时刻紧绷的自我放下来。
别去想我紧不紧张，别去想我表现得好不好。
去看看对面那个人，去听听他话里的情绪，去好奇他的故事。
当你开始真正看见别人，你也就在关系里，真正看见了那个从容自信的自己。
聚会结束回家的路上，脑子里开始像放电影一样，一遍遍回放刚才的对话：
哎呀，我当时为什么要说那句话，显得我好蠢。
刚才那个话题接得太生硬了，空气都凝固了三秒。
或者，这种尴尬不仅发生在社交场，更发生在家里。
春节回家，或者周末和父母通电话，长辈随口问一句，工作怎么样，最近也没见你发朋友圈。
你瞬间就炸毛了，觉得这是在查岗，是在变相催促，甚至是对你现状的不满。
于是你语气变冲，一场本该温馨的问候，最后以不欢而散收场。
我们常常把这些沟通灾难归结为自己情商低，或者性格不合。
但哈佛大学教授Arthur Brooks指出，这背后的真正原因，其实是我们的大脑陷入了一个自我中心的陷阱。
因为太想表现得体，太想证明自己过得好，我们的注意力全都在审视自己，反而看不见坐在对面的那个人。
沟通不是天赋，而是一套科学的算法。
Brooks教授提出的TALK框架，或许能帮你搞定那些大脑空白的瞬间，和那些越亲近越难聊的隔阂。
第一，准备与提问，拯救你的大脑空白。
社恐最怕的一件事，就是怕冷场。
面对半生不熟的同事，或者许久不见的远房亲戚，除了今天天气不错，好像就找不到话说了。
那种尴尬的沉默，简直让人想用脚趾抠出三室一厅。
这时候，很多人犯的最大错误，就是试图让自己变得有趣。
搜肠刮肚讲段子，想表现得幽默风趣，结果用力过猛，反而把天聊死了。
记住一句话，想要变得有趣，先对别人感兴趣。
你可以试着做一个动作，在见面前花三十秒，做一个即兴的准备。
哪怕是用AI搜一下，和退休教师聊天有什么话题，和程序员聊天有什么热点。
这一点点准备，能让你的自信度提升一大截。
如果真的没话说了，用一招必杀技：永不结束的追问。
别急着想下一个话题，抓住对方上一句话里的关键词去追问。
比如长辈说，最近菜价涨得厉害，别只回一个冷冰冰的“嗯”。
你可以问，那现在买什么划算，您平时怎么挑菜的。
当你把聚光灯从自己身上移开，打在对方身上时，你的压力就消失了。
第二，用轻松感，化解社交尴尬。
谁都有说错话、被打断，或者脑子突然短路的时候。
这时候，如果你脸涨得通红，拼命想掩饰，只会让气氛更僵硬。
研究显示，只有地位高、内心强大的人，才敢于展示自己的脆弱。
真的卡壳了，与其硬撑，不如笑着直接承认：
哎呀，我脑子突然短路了，刚才想说什么来着。
这种适度的幽默和自嘲，不仅能缓解尴尬，还能让人觉得你真实、可爱。
第三，用善意，破解家庭隔阂。
这是我们最痛的一个点。
为什么我们对外人能客客气气，对父母却总是没有耐心？
因为我们总是误读。
当父母问你怎么还不找对象，或者为什么不考公务员时，我们听到的是指责，是失望，是控制。
于是我们本能地竖起满身的刺，开始防御。
但Brooks教授提醒我们，这往往是视角的缺失。
长辈的唠叨，底色通常是担心。
他们想和你连接，但他们不知道该聊什么，只能聊这些他们认为重要的话题。
面对这种情况，试着用善意这把钥匙，做一个分角色的回应。
第一步，先肯定意图，给一颗糖。
你可以说：妈，我知道你问这个是关心我，怕我一个人在外面过得不好。
这句话一出，对方的武装瞬间就卸下来了。
第二步，再表达感受，立界限。
紧接着说：但每次聊这个话题，我都觉得压力很大，反而不想回家了，我们可以聊点开心的吗。
这不是妥协，这是用最温柔的态度，说出最坚定的立场。
很多人以为，沟通是为了证明我是对的，或者是为了展示我有多优秀。
其实不是。
Mel Robbins在和Brooks教授对谈后感慨，沟通的本质，是连接。
不管是职场上的博弈，还是家庭里的琐碎，不要指望每次对话都完美无缺。
对话本就是一场混乱的即兴演出。
下一次，当你面对老板、客户或者老妈时，试着把那个时刻紧绷的自我放下来。
别去想我紧不紧张，别去想我表现得好不好。
去看看对面那个人，去听听他话里的情绪，去好奇他的故事。
当你开始真正看见别人，你也就在关系里，真正看见了那个从容自信的自己。
0 00