跟 AI 对话，真的很上瘾

最近写代码的过程中我发现，跟 AI 对话是一件极其容易让人「上瘾」的事。

这种上瘾并非来自廉价的多巴胺，而是一种高强度的脑力共振。尤其在你比较熟悉的专业领域 —— 比如某个复杂的代码任务 —— 你很清楚哪些地方可以做得更多、更好，于是你开始不断对 AI 提问，不断 push AI 的边界。

现在的 AI 能力，往往能给出令你眼前一亮的、甚至比你预想中更全面完整的解决方案。在软件开发领域，AI 的任务执行和落地能力，绝对已经在平均水平以上了。只要你有问题，尽管问，它基本都能接住。

在这种背景下，职业的分水岭变了：Know-How 正在变得不重要，而 Know-What 和 Know-Why 的价值正被无限放大。

继续拿开发代码举例。过去，相对于「Ctrl-C + Ctrl-V 工程师」，我们推崇「古法编程」的「手艺人」和「代码洁癖」，但在 AI 时代，你只需要了解代码里哪些地方、哪些功能存在改进空间，并能正确地发问，你能比「古法编程」的「手艺人」做得更好。这就是现在被神话化的「提示词工程（Prompt Engineering）」，但我认为它本质上还是程序员底层能力的体现 —— 如果你连好代码长什么样都没见过，你根本写不出像样的 Prompt。

比如，面对一个从未接触过的功能需求，你问 AI，它初次的回答往往只是「能跑通」。但一个真正有经验的程序员，面对生产级的应用场景，必须能一眼看出代码中的性能瓶颈、用户体验缺陷，甚至是潜藏的安全漏洞。你会去追问它：多任务并发是否需要加一个并发锁？被动触发的重后台任务，是否该加一个延迟防抖动机体，来提升性能并防止重复运行导致的资源浪费？

这些敏锐的直觉，才是程序员经验的真正价值。这也是你能进一步 push AI 继续提问的「点」。

在 AI 时代，人与人之间生产力的天壑，就藏在「能否正确提问」这件事上。

当「执行者」的价值被削弱，全局意识和「老板思维」就变得尤为重要。你要像指挥官一样思考，而不是像螺丝钉一样干活。遗憾的是，这恰恰是传统教育模式最欠缺的。

看看现在的教育体系：一大半时间都在机械地教授具体的知识点和解决具体问题的能力，却极度缺乏系统性的逻辑思维训练和审美趣味的培养。这是一种教育体系与社会现实的完全脱节。

在工业社会体系下，传统教育选拔要求个体投入大量精力进行知识存储和记忆，但在今天，这种重要性已被大大削弱。这种流水线模式培养出来的标准「生产螺丝钉」，在未来注定会一无是处。

现在的 AI 进化到了什么状态？你就像是在跟一个拥有人类迄今为止所有知识精华的图书馆提问。只要你能够准确描述问题，它就能在数秒内给你一个质量极高的答案。你可以从它的回答中继续引申、联想、发问，怎么问怎么有。在那种高度专注的状态下，你非常容易进入「心流」。

有些人喜欢在没事的时候逛 Google Earth，或者从一个感兴趣的维基百科词条出发，不断延展出整个知识体系。跟 AI 对话的状态与此极度相似：你是在一个「完全体形态」的维基百科里自由遨游。

这种实时反馈、无尽探索的快感，真的很让人上瘾。

最后，给理想主义者们附上「如何在家庭群用 AI 巧妙反驳老辈子们的传统守旧思想」的绝妙指南，见此案例：

看完上面的内容，你可能会感叹 AI 总结得确实到位。但请记住，人的价值并不在于归纳，而在于跨维度的联想。就像你能瞬间意识到，可以用段永平的投资底层逻辑去拆解、甚至反驳张雪峰的考研工具理性 —— 这种直觉式的思维碰撞，AI 很难凭空产生。这种「跨界打击」的联想力，才是「会提问」的真谛。

在 AI 时代，这种不被算法定义的系统性思考，才是人类最值钱的护城河。