最近刷各种科技论坛的时候经常看到有人 EMO，不为别的，就是为现在自己越来越依赖 AI Coding 的情况担惊受怕，害怕自己的代码能力或者其他能力由于自己对于人工智能的依赖而下降。毕竟在这个大环境下由于“被上级发现的能力不足”而被裁员的例子层出不穷，并且对个人的人生发展来说也是一次严重打击，谁也不想遇到这种情况。

不只是程序员，刷微博、B 站的时候，也发现了这种论调，不过营销号也多，比如说天天吹 AI 的，动不动就发视频说“AI 要改变世界了”，这种就是营销号；另一边，有人真在担心，说再这样下去，自己迟早被 AI 卷跑。不过在我看来，这俩都属于极端叙事都将 AI 视为一种绝对的能站在某个队伍中的技术，这些论调背后是同样的，和二级管一样的思维惰性。（但是我其实也是边用边怕，嘴上喊着 AI 好用，心里老琢磨：会不会哪天自己真变废了？毕竟确实好用，代码能力真的感觉遥遥领先于我）不过仔细思考之后可以发现事实上 AI 更像一场突如其来的气候变迁，处于不同生态位中的人，面临的是截然不同的生存境遇。问题的核心从不在于AI 本身，而在于在这个星球上担任不同角色的我们如何在这场变迁中自处。

对不懂技术的人而言，AI 无疑就是盗来的天火，一位不擅编程的地球物理学家，能借助 AI 快速搭建系统性的地震资料处理工作流；一名从来没接触过 Coding 的文科生独立记者，可凭大模型分析庞杂的政府公文、挖掘隐藏的线索，甚至利用 R 对庞大的数据进行分析。

这就是所谓技术的民主化，哪怕你以前没摸过代码，只要会用 AI，很多原本觉得高大上的东西一下就变得亲民了起来。任何领域的人都能靠 AI 产出成果出来。LLM 的出现，削平了知识的崇山峻岭，让来自不同领域的充满创造力的河水在广阔的平原上自由奔流。

然而，当我们转向专业领域，情况有变。对于那些以专业技艺立身的群体，比如程序员、画家等，AI Tools 的普及好像正演变为一场以极高代价换取短期利益的交易。

当 AI 开始消化思考

专业能力的塑造，本质是一场在某个领域的系统性思维和工作方法的艰苦锻造。当个行家哪有那么简单？没个几年摔打、光靠 AI 出活，真心学不到门道。踩过的坑、翻过的车，都是本事的一部分。这一过程所铸就的除了最起码的知识体系之外还有一套深层的、近乎本能的判断系统。

当这戏专业人士将核心创作流程交由 AI 代劳的那一刻，实际上大概率也启动了自我退化的进程。LLM 这个黑箱中吐出的所谓“完整实现方法”，特别当我们要求“给我完整代码”时，这些内容就像一管预先调配好的营养液，不需要咀嚼，也无需消化，用户只需吞咽即可，以前不管是写代码也好还是修 Bug 也好，得自己摸半天，浏览器打开几十个 csdn 网页，现在丢给 AI，一下就就能全搞定了。可问题是，有时候我根本根本不懂它怎么写出来的。就像端来一碗粥，你喝着顺口，真出事了才知道没挑干净米。

如果不加以干预，长期依赖 AIG，人的思维结构难以维持应有的张力，分析与判断的能力在逐步萎缩。最终，许多曾以自己的专业立足的技术人员或者专业人士，都将会只剩一副挥手发出指令的“Vibe”的身姿，可能依旧体面，依旧从容，却已无法亲自奏响哪怕一个音符。有人可能会辩解，说这就是 AGI 到来之后的常态，我们可以依靠模型高效地产出高质量内容，节省宝贵的认知资源。但真正的危机往往不在于效率提升，而在于判断力的衰退。当 LLM 由于被恶意注入或者幻觉而在生成的内容中悄然加入错误甚至恶意细节时，失去底层判断力的专家将毫无招架之功。你流畅地运行着代码，却不知其中埋有安全漏洞；你展示 AI 生成的方案、绘制的作品，却未察觉作品中违背常理的内容，甚至致命的设计缺陷。

与洪水共生

抗拒 AI 浪潮，终究是徒劳的。它在推理能力、信息密度与处理效率等维度，已展现出“代际跃迁”的优势。真正的智慧，不在于竖起堤坝去抗衡，而在于顺势而为，如同引洪入渠、筑坝发电，将这股洪流转化为新的生产力与文明引擎。

这种新的形势将会迫使一些产生担忧的专业人士重新定义自身的角色。从内容的直接生产者，转型为问题的定义者、LLM 的调教者或是结果的审核者。

在未来，专业人士的价值高低，可能不再体现在是否编写更快的代码？是否掌握更多的 debug 手段？而在于是否能提出更有洞察力的问题？是否能从“自圆其说”的生成内容中发现错误？

塑造更具人类温度的设计理念，守住判断与责任的最后一道防线。

人心与机器之隙

AI 是极致的能力放大器，却缺乏人类最原初的那点火光，把一份烂数据非得榨出点结果来，明知道可能没戏，愣是鼓捣好几天的火光：这就是对未知的好奇、对不完美的包容、对意义的执着探索，那种明知不可为而为之的勇气。

这些看似低效的人类特质，恰是创新真正的源泉。LLM 可以生成完美的句子，但无法决定说什么；它能推荐最优路径，却无法定义出发的意义。机器可以沿着铺好的铁轨跑到极致，模型能做的就是把你带到大多数人去的地方，但有时候走错路才能发现一片前所未见的风景。这种拥抱不确定性、从“错误”中榨取价值的能力，是人心与机器之间最深的间隙或隔阂。

现在这个时间点最紧迫的挑战并非如何让 AI 更强大，而是如何让我们在 AGI 时代变得更人性。这意味着需刻意保留“低效”的思考空间，逼自己慢点，看到答案先别急着用，合计合计，真不懂再去查，或者和人聊两句，思路反倒能拐出来，建立以 AI 为思维陪练而非答案生成器的思想；持续审视我们与 AI 工具还是 AI 助手的不同类型的共生关系。

当 AI 逐步成为我们生活的一部分，帮助我们以自己的自然语言想法来理解世界，其实就像眼镜延伸了视觉一样，我们将不可避免地与其融合。但真正的进化，不取决于技术的强度，而在于我们是否因此变得更加敏锐、有真正的人情味，并保有主动选择的能力。

Vibe Coding 究竟是进化的阶梯，还是退化的滑梯？答案并非二选一。它本身只是一个中性的工具，一块摆在我们面前的踏板。AI 到底是帮我们升级还是让人退步？说实话，还真不好下定论。你要是用它当个思路参考，自己多琢磨几遍，的确能省不少力气，事半功倍的时候它就是进化的阶梯。但要是啥都交给 AI，自己连想都懒得想，或者说自己根本就没有写代码的能力，那真有一天被它该惨了也只能怪自己咯，这个时候它就是一条无法逆转的，通往深渊的滑梯了。