在软件行业，"手感"这个词听起来有些玄妙，但它指向的是一种非常具体的能力------软件从业人员对代码或研发工作的上手体感。一个工程师出身的"手感"是指他一直保持着上手的实操体验，并且始终具备能随时立即投入实际研发工作的技能与状态。如果把这个概念再扩大一些，"手感"可以泛指各行各业对一线技能的持续保持能力。外科医生的手稳不稳、厨师的刀工是否生疏、建筑工人对材料的熟悉程度，都是不同领域的"手感"。无论哪个行业，脱离一线越久，这种对细节的敏感度就越容易流失。
在国内的职场文化中，一个很常见的现象是：一旦晋升到管理层，就天然地与一线技术工作"划清界限"。管理者负责"安排"，一线员工负责"执行"，两者泾渭分明。这种观念有其现实基础。管理层的职责本就包含了团队协调、资源分配、战略规划等事务，很难再以正式身份承担公司的一线开发任务。时间精力有限，要求一个带领几十人团队的总监去亲自写代码，确实不太现实。但这种观念在国外却有所不同。有不少国外科技公司的管理者，即使身居高位，依然保持着相当扎实的一线技能。陆奇曾明确表示过自己的管理理念："我以前要求自己做到的是，我手下两层以下的人，他们每个人的工作我都能做。这样整个公司里，没有人敢欺骗你、忽悠你。"在他看来，管理人员的专业能力是管理"穿透力"的基础。马斯克也深信技术领域的管理者必须具备优秀的技术能力，领导软件开发的人也需擅长写代码。Aditya Agarwal，Facebook的首批工程师之一，后来成为Dropbox的CTO，同样坚持这个观点：没有卓越的技术能力，技术负责人根本无法成为合格的质量评判者，也无法赢得顶尖工程师的尊重。
Garry Tan，Y Combinator 的总裁兼 CEO，也是一个典型。他早年是 Palantir 的早期工程师，后来创办了 Posterous，如今掌管着全球最知名的创业加速器。但真正让人印象深刻的是，他在全职运营 YC 的同时，亲自下场写代码。他开源了 GStack------一套基于 Claude Code 的 AI 工程工作流，把 AI 组织成 CEO、工程经理、QA、设计师等一整个虚拟开发团队。过去 60 天里，他借助这套工作流写下了超过 60 万行生产级代码。他在技术决策和业务落地之间的那种"手感"，不是靠看报告看出来的，也不是靠听汇报听出来的，而是靠长期扎根一线、持续保持对技术与业务的深度耦合才形成的。这些例子说明，"管理者不碰一线"并非唯一的正确答案。
我们首先要承认一个前提：管理层确实难以再正式承担公司的一线开发任务，这是客观事实，不必苛求。但"不正式承担"不等于"完全脱离"。保持手感，是指无论职位高低，始终保持一定的一线技能水平。它对管理者的价值，怎么强调都不为过。
第一，让技术决策更靠谱。技术管理者最常做的事就是做决策------选什么技术栈、定什么架构、排什么优先级。如果完全脱离一线，这些决策就容易变成"纸上谈兵"。你动动嘴，人家跑断腿；你逻辑分析、高层判断上看似没毛病的一条线，里面有多少细节其实决定了那条线是否成立------没有手感的人根本感知不到。第二，赢得团队的信任。技术团队天然有"较真"的文化。一个管理者如果自己写不出像样的代码，却要对技术方案指手画脚，很难让一线工程师心服口服。反之，如果一个管理者能在关键时刻展现出扎实的技术功底，哪怕只是偶尔参与code review或解决疑难问题，都能在团队中建立极强的威信。第三，有效评估质量与风险。软件工程中有一个永恒的矛盾：开发新功能与维持代码质量之间的平衡。CTO需要向团队明确：质量低于某个点时，所有工作都要暂停，先把质量拉回来。但这条红线设在哪里？逼近时有哪些信号？这些判断没有手感根本做不出来。可以说，虽然管理层可以不正式承担一线任务，但手感是保证技术相关决策正确性的极重要保障------甚至可以说是不可或缺的。
在过去技术发展相对缓慢的时代，管理者没有手感，影响其实并不算特别明显。回想一下2010年前后，大数据技术刚刚兴起，Hadoop、Spark、Flink等工具从出现到成熟，经历了差不多十多年时间。这期间当然也有不少创新和迭代，但总体而言，技术演进的节奏是"年"级的------一个新框架出来后，相关的开发者能用上好几年。在这种环境下，一个管理者即使不太碰代码，只要对行业趋势有基本的了解，定期阅读技术报告、参加行业会议，也能做出大体正确的判断。那时的决策者可以依赖"二手认知"------通过下属汇报、行业分析、技术博客等渠道获取信息，再结合自己的经验做判断。这种做法虽不完美，但在慢节奏的技术世界里，勉强够用。遇到好的市场时机，组织甚至还能发展得相当不错。
但今天的情况完全不同了。AI技术的发展迭代速度，已经超出了大多数人的预期。Andrej Karpathy，AI领域的先驱人物、OpenAI的创始元老，曾在访谈中坦言：即使是他这样的行业大牛，离开一线两个月都会感到"落后"。这不是谦虚，而是现实的写照。有研究机构METR对AI智能体的能力演进速度进行了量化追踪，结果令人震惊：2025年之前，AI完成复杂工程任务的能力翻倍周期是每七个月一次；而到了2026年初，这个数字已经被压缩到了三到四个月。这意味着什么？意味着今年第一季度的AI与第二季度的AI之间，存在着一整年的代沟。如果你的判断依据还停留在三个月前，你的认知就已经过时了。
在这种形势下，技术相关决策的准确性和及时性，其重要程度已经远远超过了过去的任何时期。
第一，信息获取成本急剧上升，"二手认知"的可靠性急剧下降。AI技术更新太快，单靠阅读、听汇报、看报告已经完全跟不上节奏了。今天最新的研究成果，下周可能就被推翻；今天最热的技术框架，下个月就可能被取代。更要命的是，信息爆炸之后，内容鱼龙混杂------有标题党，有过度宣传，有准确的，有错误的，甄别难度极大。这时，手感的作用就凸显出来了。如果一个管理者自己亲手用过最新的AI工具，体验过它们的真实能力边界，就能在很大程度上帮助甄别信息的真伪、判断趋势的方向。那些鼓吹AI将取代一切的论调，和那些完全否定AI价值的保守观点，在真正上手用过的人面前，都会显得苍白无力。
第二，决策失误的代价被指数级放大。在慢时代，一个技术决策错了，过两年换一个方向，损失尚可承受。但在AI时代，三个月就是一代技术的差距。如果你的竞争对手在Q1领先你一步，到Q2他领先你的不是两步，而是四步；到年底，差距可能达到十六倍。这种指数级的差距，一旦形成就很难追赶。所以，现在的决策不仅要对，还要快；不仅要快，还要准。没有手感支撑的判断，很容易成为组织掉队的起点。
第三，组织可能出现"集体盲目"。当管理者对一线失去感知，团队内部就可能出现一种危险的状态：上级做宏观判断，下级负责执行，但中间的认知鸿沟越来越大。上级以为自己在做正确决策，下级认为上级脱离实际，两边都觉得自己有理。最终的结果是，即使组织里有人在尝试新技术、新方法，也得不到足够的支持和推广，创新能力被系统性压制。更严重的是，当整个管理层都失去手感时，组织就会在技术路线上出现严重的滞后，等到发现问题时，差距已经大到无法弥补。
有人说，现在的AI发展速度已经到了极限，接下来会慢下来。但越来越多的迹象表明，情况可能恰恰相反。Karpathy曾预测，未来十年的AI核心架构仍可能基于Transformer演化，但所有东西都会变得更大、更快。METR的研究团队则指出，当前的翻倍速度"三到四个月"可能还不是终点------随着模型能力的持续提升，这个周期还有可能进一步缩短。我们无法准确预测AI会发展到什么程度，但有一点是确定的：变化的速度只会越来越快，不会变慢。
对于一个组织的技术相关管理者而言------这里当然不是指纯营销类岗位，但即便是营销相关的管理者，如果对AI工具有亲身实践经验，也只能加分------保持手感，已经从一个"加分项"变成了"必选项"。在慢时代，它可以让你做得更好；在快时代，它让你还能跟得上。
"手感"的本质，是认知与行动之间的最短路径。它让你不只"知道"发生了什么，而是"感知"到正在发生什么。在AI以前所未有的速度重塑技术版图的今天，这种感知能力，正成为区分卓越管理者与平庸管理者的关键分界线。
一位深刻的观察者曾经说过："没有手感的转型规划叫科幻写作，有手感的转型才叫价值创造。"对于所有身处技术决策位置的人来说，这句话值得反复品味。