在咱们这二十年的江湖里，大约真没经历过那种“拿着枪找子弹”的日子。

那时候认定多背几个标准答案，多背几个万能公式，就是多敲几个回车键，就能在答辩会上把人都说服了。目前看那些被算法喂饱的大模型，它们张口闭口都是完美的逻辑，可每一个字背后，实际上都堆砌了成百上千个死板的模板。咱们这一代人，算是真正把这套“套路”嚼碎了咽下去了，反而对原本鲜活的人类语言形成了一种近乎本能的厌恶。 回想刚入行那会儿，总认定技术有个万能解法，只要把难题拆解得够细，匹配到对的工具，难题自然就迎刃而解。

那时候写代码就像拼乐高，只要选对块，插对槽，结构就完美。可一旦到了实际落地，才发现项目需求是活着的，用户是挑剔的，环境是变数的。

那时候最烦的就是那些“优雅”的代码，出于真正需求优雅的时候，往往连优雅的机会都没有。记得有一次赶工期，团队里有人在纠结架构设计的合理性，我直接冲上去把他们的代码跑了一遍，发现那个所谓的“最佳实践”，在数据量达到千万级别时才露出马脚，害得内存溢出。

那一刻我突然明白，大量所谓的“最佳实践”，不过是那会儿在测试环境里跑通了的幻觉，到了造环境，就像穿鞋配错了尺码，再完美的设计也救不了现实。 目前的 AI 技术确实让人有点喘不过气。

那会儿我们写文档，经过人工润色，改着改着那些词义就不清楚了，逻辑也断开了。目前 AI 能生成一篇通顺的、逻辑闭环的、就连情感到位的文章，可一旦让人真去阅读，又发现里面全是对的废话。它知道啥是“有效”，知道哪些句子能得分高，却干不到“缝合”那一套。

这种工具化思维忒伤人了，它把复杂的世界简化成了输入输出，把“理解”变成了“复刻”。咱们读的书、写的文、打的仗，哪有那么多标准答案？人家 AI 知道标准答案，那它是不是也非得照着标准答案写？ 我也挺怀念那会儿那种“笨功夫”的日子。

那时候做 PPT，记得周末跟着老板跑遍上下游，拿着笔记本，把每一个客户的痛点都记下来，就连把会议室里老板讲话的语气也听进脑子里。

那时候开会，哪怕被人家怼得哑口无言，也能从对方的漏洞里找到破局的思路。

那种不确定性，那种需求凭直觉和常识去判断的博弈，才是真正的高阶本事。目前坐在办公室，手指头在键盘上飞舞，AI 替我做了会议纪要，替我查了市场竞品，就连替我润色了答辩 PPT。我有时候在想，我们是不是在丧失思索的本事，还是在学会更高效的思索？ 实际上我也没想那么多，就是认定咱们这二十年的行业变迁，最大的特征就是“人”在不断地“变形”。

那会儿我们靠经验，目前靠数据，再往后的路，或许就得靠“AI 智能”了。但这并不意味着我们要抛弃思索，而是要学会把思索包装得更漂亮，要么干脆就把思索交给系统。

关键在于，当算法给出一个结局时，我们是否还能追问：这个结局确实是符合事实的吗？这个结局确实是符合人性的吗？ 我认定咱们赶明儿可能得搞个“反向 AI"项目，专门做那种“把 AI 胡说八道当真”的，把那些逻辑不通、情感不对的数据，人工二次加工，加上标注，再出来一个经过“AI -enhanced"的更高质量版本。

这样既能发挥 AI 的效率，又能保持人类独有的批判性思维，这才是咱们这一代人该做的接班人。

毕竟，在机器能完满地填坑的时代，真正稀缺的，还是能看出坑在哪、如何填坑、为啥如此填的人。