焦虑来自哪里

AI 输出的不确定性才是真正焦虑来源

围绕着 AI 能力提升带来的不断变革的工具和技术涌现，让人喘不过气来。相信很多人都会多少有点焦虑感。当我回头看这一年对 AI 的探索，真正带来焦虑的，其实并不是“跟不上进度”，而是不确定性的增加。
曾经写代码是一件高度确定的事情：逻辑清晰、路径明确、结果可预期。但当你开始让 AI 参与工作时，这种确定性被打破。使用 AI 是个的输出不完全可控的也并非线性的过程，这本身就会制造焦虑。

但有意思的是，人依然愿意持续投入探索。原因并不复杂——AI 协作或者独立 Agent 的时代正在到来，这是个确定的趋势。而通过努力，你也逐渐开始掌握如何驾驭 AI 进行可控的输出了。逐渐的你看到了另一个层面的确定性：一种在未来逐步可操控的确定性。短期的不确定，换来的是长期能力边界的扩展，我们必须拥抱新的变化。

已经发生的变化

前面一篇收获不止是工具文中也提过，新的变革最明显的感受是角色的转变。
重心从“如何实现”，逐渐转移到“实现什么”的思考上来，而实现什么并非简单的一句话：我想造火箭“就可以解决的，想让 AI 正确的去实现你的想法，也是需要训练的能力。后来我发现你以为限制在于大模型的思考能力上下文处理能力，但是真正的瓶颈在于人自己。清晰的表达你想要什么很重要，试想一个模糊的指令哪怕交给接受过高等教育的人类都会出现偏差，更何况 AI 了，或者说你自己都没想清楚你要的是什么，就想让 AI 帮你把活干好，就是异想天开。

需要打磨的技能是能详细落地的需求步骤和科学的设计框架，像产品经理那样去思考。这个过程并不简单。能够熟练且清晰的表达所带来的结果是创造空间被极大打开。你的思考模式也随之发生变化：从以往偏重逻辑收敛的思维，转向更多发散性、创造性的思维方式。先去想可能性，再回过头来细化——如何表达、如何落地、如何引导工具为你服务。

这种“引导工具”的能力，本身就是过去很少被认真讨论的技能。甚至因此诞生了一些新的表达方式，比如我最近尝试的语音输入法：Speech to Implement: Unlike traditional speech-to-text methods this AI-powered approach organizes and polishes your language for clearer expression。甚至翻译，像上面这句英文是我说中文自动转译过来的。通过语音快速记录、表达，先把“想法”快速的释放出来，这本身就是效率的巨大提升。

关于 AI 记忆

最近讲到很多大模型的一个技术更新，大模型的记忆：当前上下文长度和成本的掣肘，使得一些关键历史对话的细节被遗忘，导致输出偏移，如果能让 AI 真正的保留记忆，将会缩减成本以及提高输出质量，

这个更新自然是好的。可是辩证的看，建议保留大模型重置记忆的能力。这一点在交易策略开发，一些研究性的课题应用中比较有价值。这有点像你以前在解一道非常难的数学题：如果沿着某条思路死磕几个小时始终走不通，就必须有打破旧路径依赖的勇气，重新从底层原理开始重新梳理。很多时候，真正解决问题的，并不是在原路径上继续死磕，而是承认这条路不对，然后推翻重来，经常会有意想不到的发现。

最后

回到 AI 本身，一个越来越清晰的结论是：人的角色不会被削弱，反而会变得更加重要，只是角色发生了变化。这不是被替代，而是视角的升级、方法论的升级、决策层级的升级。

AI 拥有强大的执行、分析和生成能力，但它永远无法替人类做真正的战略性决策，不然谁来为结果负责😏。战略决策意味着责任，而责任只能由人来承担。也正因为如此，人类在 AI 时代的价值，并不是减少了，而是被重新定义了。