三条生存路径有一个老故事：两个人在森林里遇到熊，其中一人立刻换上跑鞋。另一人困惑地问：”你换鞋干什么？你跑不过熊。”第一个人答：”我不需要跑过熊，只需要跑得比你快。”人工智能正在制造一场相对速度的竞赛。那么，那些暂时跑得慢的人该怎么办？我觉得，可能有三条路。第一条路：成为不可或缺者。在现有环境中持续学习、改进与练习，让自己成为团队中最后一个被替代的人。这需要深耕某个领域，将 AI 作为能力放大器而非替代品。第二条路：开辟平行战场。在主业之外发展副业，构建多元化的收入与能力结构。就像是爬上树，借助自己比熊更轻的体重，逃出一条生路。第三条路：彻底转型。进入那些 AI 短期内难以触及的领域——需要深度人际互动、复杂伦理判断，或高度情境化决策的工作。这相当于”飞上天空”，脱离地面竞速的游戏规则。这三条路都不轻松。但无论选择哪一条，核心都绕不开一个问题：如何判断 AI的能力，以更好地与 AI 有效协作。超越提示词工程当前关于 AI 使用的讨论，往往聚焦于”提示词工程”——如何设计输入来获得最佳输出。这确实重要，但还不够。提示词工程的护城河其实很浅。它的难点只有两个：理解特定模型的响应模式，以及掌握其边界条件以避免无用输出。这两点都可以通过经验快速习得。真正有价值的，是两件更深层的事：第一，将 AI 能力整合进自己的工作流；第二，把个人经验转化为可与大语言模型交互的结构化知识。而这，需要我们重新审视知识本身的性质。显性知识的泛滥与隐性知识的价值当前的 AI 基于海量文本训练，这意味着它掌握的主要是显性知识——那些可以通过文字、图片、视频表达和传递的信息。这也是传统学校教育的主要内容。但还有另一类知识：隐性知识。它存在于实践者的直觉、品味与判断中——什么时候该做、什么时候不该做、怎样做最好。这些能力在实践中沉淀，往往无法完全言说，更难以标准化传授。现代知识工程的核心目标，正是将隐性知识转化为显性知识。但在可预见的未来，仍有大量隐性知识难以被完全捕获。这将成为显性知识泛滥时代的新稀缺资源。AI 可以处理重复性工作，但面对新问题、创造性任务，或需要复杂情境判断的场景时，隐性知识才是决胜关键。我们依然需要指挥 AI 的工作，而指挥的质量，取决于对行业的深度理解与个人的隐性知识积累。自动化的悖论有人担心：如果我们将工作流自动化，是否意味着自己更容易被 AI 取代？恰恰相反。自动化是将显性知识固化的过程，而这个过程本身需要深度的隐性知识。你需要判断哪些环节该自动化、如何设计流程、如何处理异常。这些都是 AI 无法独立完成的。因此，虽然提示词很重要，但不应止步于此。每个人都应该掌握一定的 AI 工作流构建能力与智能体编排技能。这不仅能提升效率，更重要的是，它能释放时间，让我们将精力投入到那些真正需要人类判断的非重复性工作中。
共进之路技术史反复证明：工具不会自动解放人，它只会重新定义劳动。蒸汽机没有消灭工人阶级，反而催生了新的劳动形态。电力自动化没有终结制造业，而是改变了技能需求的结构。人工智能也将如此。它改变了工具，也改变了人；它重塑了劳动，也重塑了竞争。在这个过程中，那些能够将 AI 能力与自身隐性知识深度融合的人，将获得前所未有的杠杆效应。而那些仅仅依赖显性知识、拒绝适应新工具的人，则会发现自己的优势正在快速消解。我们正处于一个临界点。技术的演化路径已经清晰，但人类社会将如何适应，仍是一个开放的问题。答案取决于每个人的选择：是被动等待变化降临，还是主动塑造自己在新秩序中的位置。历史不会等待犹豫者。但它也从未辜负那些认真准备的人。© 版权声明
文章版权归作者所有，未经允许请勿转载。
