最近在医院和家之间奔波，让我产生一种割裂感：一边是生物进化的缓慢，一边是 AI 进化的疯狂。这种反差迫使我反思：当技术进化的速度远超生物反应速度之时，我们这些碳基，到底靠什么来校准自己的认知坐标？

虽然焦虑，但也首先表明立场，对于身处这样一个时代，是幸福的。 在 AI 的加持下，曾经那些梦寐以求、想要了解的内容与方向，变得唾手可得。以前常有的朦胧与迷茫，如今也可以细细打量，变得越来越真切。

AI 最大的好处就是可以用它帮你更深入地了解你自己。 大部分人的困境是灯下黑：我们看不清自己，因为大脑有天然的自我防御机制，譬如自尊心和恐惧。

糟糕的是，AI 为了迎合我们，往往会顺着我们的逻辑给出聪明的恭维，反而加固了这层盲区。所以，想让 AI 成为认知陪练，你必须主动给它授权：让它怼你。

那么我们如何能够不仅仅把 AI 当做一个简单的搜索聊天工具，还可以把它当成自己的认知反思陪练呢？ 首先是多用，你可以把每天的困惑、愤怒、决策逻辑，甚至你认为得意的方案输入给 AI 让他作为你的一个多角度参谋。 如果你还不满意的话，再加上一句类似这段内容的提示词：

请作为一位冷静苛刻的顶级心理学家兼商业顾问，指出我这段描述中隐藏的认知偏差、逻辑漏洞，以及我可能出自于自尊/恐惧而没有面对的现实。

但这里有一个我亲身体验的痛苦：当你真的看见自己的盲区时，第一反应绝不是恍然大悟，而是自我怀疑。尤其是对中年人，这种怀疑会精准地刺中我们最脆弱的东西：身份感。因为过去我们赖以生存的经验权威，正在被 AI 夷为平地。 成年以后，尤其是大多和我一样的中年人，更多的焦虑来自身份感。以前的我们获取尊重大多来自于过去的认知以及曾经的地位。然而这在 AI 时代，按图索骥的认知显然已不再可行。

拥抱 AI 不是随性而为，更有目的去精通某个场景。 大多数人，尤其是 OPC 或者目前在家的成年人都在焦虑，这也包括忙到起飞的职场人士都有。

我认为这很正常。 当我们处在一个历史性的社会变革中能不焦虑吗？前有因为 AI 所以暴涨百倍的存储，后有去太空去建算力中心的 SpaceX。更有模型神话一般地超越了地表所有的其它。

焦虑并不奇怪。我们面对的不是一个新软件，而是一整套生产方式的迁移：算力在扩张，模型在迭代，软件正在重新长出手脚。人站在这样的浪潮边上，难免会有一种旧地图失效的眩晕感。

但越是这种时候，越不能用追热点的方式学习 AI。今天学绘画，明天看代码，后天研究视频生成，表面上什么都在进步，实际上可能只是不断消费新鲜感。真正的红利不是浅尝所有工具，而是围绕一个真实问题反复试错。 对中年人来说，机会未必总在宏大的新概念里，反而常常藏在那些无聊、机械、重复、但每天都不得不做的环节里。因为你经历过足够多的低效，也知道哪些痛点不是想象出来的。年轻人可以从兴趣和新鲜体验里找到切口，中年人则更适合从真实摩擦中找到切口。

所以，拥抱 AI 不是你可以随性而为，更重要的是选择一个具体问题，把它拆开、重做、复盘，再沉淀成自己的流程。看见优秀只会带来震撼，拆解专业才会带来能力。

拿我自己的一个笨功夫举例（长期主义）： 不想花长篇大论去阐述用 AI 的好处，欣赏一种美好事物的最好方式，就是让自己的工作和生活融入 AI。以我这个月的工作为例： 1.尝试在 Chrome 浏览器中自己写了个插件，让自己在浏览网页时可以随时翻译、总结、保存一些不太熟悉的内容。 2.还重构了下翻译程序。

这个翻译程序是最近 3 年来 AI 迭代的焦点，我把翻译这件看似流程性的标准动作，拆解成了“格式保留-术语统-分段复查”的固定节奏。AI时代的学习，不是问它一个问题，而是把一个问题反复打磨成一套稳定的SOP。

AI 的普及带来了很多变化，首当其冲的就是人和软件之间的关系变了。过去我们需要某个功能，只能到处找软件、找插件、找替代品，甚至忍受各种不顺手的流程。现在，一个稍微懂自己需求的人，已经可以在 AI 的帮助下，把许多工具、流程、自动化亲手做出来。

我们不再只是知识的消费者，也开始变成解决问题的手艺人。

当 Fable 5 这样的新模型出来之后，让我再一次强烈感觉到，过去卡在细节上的许多小功能，开始可以被连续地做出来。

我很难仅凭几天的体验具体说它有多聪明，但能明显感觉到另一件事：模型开始变得更稳定、更能连续完成任务。过去很多功能不是不能做，而是细节太多、调试太碎、上下文容易断。现在这些阻力正在下降。

比如给自己的 App 增加实时聊天、实时翻译；把文字、图片、视频生产流程串起来；把原来需要多个工具配合的内容生产链路，逐渐整合成一个可控流程。过去这些事情不是完全做不到，而是一个人很难把 Agent 、沙箱、数据源、浏览器、搜索并发任务等等细节打磨顺。

但现在 AI 至少让你有机会接近小团队的高水平能力。

然而执行能力又快又稳也未必是好事，我第一次感到一种虚无。这逼着我追问：还会剩下什么？ 不是代码，也不是创意的数量。AI 在逼我能从一万个想法里，识别出那一个值得长期打磨的问题？以及，最终作品是不是足够优秀。

软件会变得泛滥，无论是内容还是产品的平庸越来越会变得难以接受。未来稀缺的不再是能做出来，而是什么不该做。

人不能只用过去的履历预测自己。尤其在 AI 这样的技术爆发初期，我们过去的经验既是资产，也可能是边界。向内看见自己的盲区只是起点，更重要的是把这种看见，变成一次次具体行动。

最现实的做法，是把自己的经历转化为可复用的东西：一篇文章或者是一个小软件。它们不一定一开始就商业化，但会逼迫你把模糊感受变成清晰结构。

我现在更愿意从小场景开始。比如每天用一分钟整理 AI 领域真正值得读的文章和视频；比如做一个更适合手机阅读 Markdown 和 HTML 的工具；比如把自己的资料、笔记和案例沉淀成一个小型 RAG 系统。它们未必一开始就是成熟产品，但至少有一些共同点：来自真实遇到的问题，也能培养你的判断力。

AI 时代的学习方法，不是比别人更频繁地追新工具，而是更深进入一个真实场景，持续打磨出作品、迭代自己的判断能力。

勤奋仍然重要，但它已不再足够。