思考，输出，沉淀。用通俗的语言陈述技术，让自己和他人都有所收获。
作者：毅航😜
最近，时常会听到周围同事的说：AI变化太快了，大环境都被AI卷坏了。
在我们普遍认识里，技术的发展本应该推动产业升级，但为什么如今反而加剧我们这些"码农"的迷茫呢?
或许，你也有这般感受，隐约觉得诸事违和，却无法道出缘由。
对此，你有同感吗？
今天，从第一性原理出发，洞察这些怪现象背后的底层逻辑，并聊聊怎么更明智地应对。
感到迷茫这不是你的错
我们正处在人工智能的大跃进阶段。很多事，其实就怕总结。你看过去16个月：
原图地址：AI Model Release Timeline: OpenAI Leads with 14 Models
整体上看，大模型的迭代早已不是一年一次，而是进入了月更主线、周更产品，分叉专用模型还在不断迭代的新阶段。
除此之外，前段时间爆火的 "龙虾"（OpenClaw），直接点燃了互联网大厂的军备竞赛。
所谓 "龙战百家"，本质上就是各家都在火速推出自己的 "龙虾" 变种。
一向秉持克制风格的微信，此番也首度不再淡定。
大佬尚且如此，普通人感到迷茫不安，自然也在所难免。
可问题来了
当这些大厂次次都说自己最牛，天天都说自己最牛------是不是就都不牛了？
换言之，这不是AI大炼钢，又是什么呢？这不是技术狂欢，又是什么呢？
在AI不断演进的过程中，如果你去搜索有关AI技术的内容，标题基本铺天盖地的都是"雪崩"、"最强"、"狂转"、"狂赞"等这些极具煽动性的词语。
放眼各类内容，十个标题里八成都带着感叹号。
身处这样的环境，若是缺少辨别能力，难免深受影响。
不看吧，担心错过哪个大新闻；看吧，刚开始还行，看多又有一种恶心的感觉。
在认知学上，这叫典型的信息过载。
到底是我们病了，还是这个行业病了？
"智能体"的神话
AI 发展初期，智能体、Agent等概念一经问世，便将让 AI 取代工作的论调达到顶峰。
但时至今日，我们不得不承认，其实99% 的 AI 智能体，其实都算不上真正的智能体。
网上谈论智能体的例子，比如Coze、Dify、n8n，或者很多人自己手搓的代码。
事实上，多数做的只是设计一个流程、一个Workflow，只是在其中某些节点上调用了大模型的功能。
但这样一来，就是AI智能体吗？显然不是。
这些我们所熟知的工作流，其不知其实就三个字，便是 "自动化" 这三个字，但非要把自己叫成"智能体"。
某种程度上，这就是一种装逼行为。
Anthropic团队在《如何有效构建智能体》的文章曾给出有关工作流 和智能体的具体定义。
- 工作流 ：通过预定义代码路径进行编排的系统。也就是大伙儿平时看到的99%的情况------只是在某些节点调用
AI大模型。 - 智能体 ：强调的是AI对整个系统的控制权。
换言之，AI智能体的整个工作过程几乎没有任何人工手动步骤，也就是全自动的。
反正只管输入一个内容，最后智能体会生成出让你满意的效果，到底是第一次尝试就完成，还是第一百次尝试后才完成？
这个完全就是黑盒子，我们无从得知。
那什么时候选工作流？什么时候选Agent？
对于多数应用来说，在某个节点调用单个大模型就够了，根本用不着Agent模式。错误的模式越复杂，反而会白白消耗大量算力。
一个Agent实现起来并不难，但要让它获得可靠、稳定的结果却非常难。
或许还有人不断在尝试搭建Agent，不断追求更智能的Agent，这没错。
但作为普通人，最好先想清楚、也得掂量自己：不管是时间、资源还是数据，你有几斤几两？能不能在有限的时间、有限的资源下把这事儿干成？
AI到底在改变什么？
很多人认为GPT、豆包实现了知识平权，拉平了所有人的差距。真的吗？
Anthropic团队，他们分析了100万条真实对话后，得出了一个极其扎心的结论：人类提问水平和AI回答水平的相关性系数高达0.92。
在科学研究中，一般0.7以上就是强相关。0.92基本就是完美镜像。
换句话说：大模型遇强则强，遇弱则弱。
这个发现打碎了一个非常美好的幻觉。
事实上，AI工具带来的所谓"知识平权"、"能力平权"，只是极其短暂的。
以前大家特别喜欢用这样的提示词：
"请你扮演某某领域的专家""请一步一步思考"......
这些技巧刚开始管用，但随着所有人都这么用，模型也变得越来越强，它们的相对效果越来越弱了。
稍微懂行的同学都知道，现在的大模型基本都是**MoE架构**。
这意味着：你问题的水平，直接决定了它会触发调用什么样的专家子模型。低质量的问题，很难激活高质量的答案。
同一个大模型，真正决定输出质量的，依然是你自己对问题的理解、对输出的判断。
很多人幻想大模型是一个完美的外挂，但这只是不懂行的外行人一厢情愿。
换句话说，AI的天花板并不是技术，而是用户自己的认知 。很多人以为的"平权"，其实只是自我的意淫。
如果你已经是专业人士，看到这里，是不是也应该放弃那种"别人可能会追上我"的恐惧和担心？
担心自己被替代，真有这种必要吗？
现在好多人学习AI工具、做Agent、AI编程等等，都是被迫的。
为什么？因为铺天盖地的宣传说"狼来了，狼来了，好多工作要被替代了"。
但这是真的吗？
确实，很多入门级的工作已经或正在被替代。
但要真正取代白领工作，所需要的计算强度、推理强度，相比目前大模型的利用率，要高出几个数量级。你想想是不是？
换言之，AI也是有成本的。它会替代廉价的、重复的劳动，但不会替代比AI更便宜、更稳定、更确定、更懂场景的那些人。
说到这儿，一定有人不服：AI模型算法迭代改进，会越来越便宜啊。
你又想多了。AI的经济部署仍然会受到实物资本、能源供应、监管审批、组织变革的种种限制。此外，递归的能力并不等于递归的应用。
所以说，"Token经济取代人"很有可能是个彻头彻尾的伪命题。
至少"绝对取代人"是伪命题。为什么？
因为从经济学视角看，你不要把自己的职业或自己看得太重。开个玩笑，你也许根本不值得被AI替代。
所以，盲目放弃自己的优势，把自己变成个"四不像"------你会一点这个，又不会那个，专业优势也丢了------那你还不如干脆夯实自己的核心竞争力。
当算力的边际成本高于人力时，记住一句话：工作替代压根就不会发生。
到底什么样的人会被AI替代？
回答这个问题之前，请大家先想一想IT时代的Office软件------它是办公室工作人员的补充 ，还是替代品？
开始的时候人们也以为是替代，但后来显然它只是一个补充，对吗？
Word、Excel谁不会使？可是你会了又怎样呢？
互联网时代不也一样吗？售货员没了，百货大楼没了，但淘宝店来了。
你卖货的形态变了，本质逻辑不还是一回事？
现在很多时候我们看到的新闻都是裁员，动不动就让AI来背锅。其实这事儿经不住细想。
事实上，经济的发展，实际上会倾向于反对新技术的置换。
比如，如果工程师能够利用AI完成以前无法完成的工作，那么公司会裁员，还是会雇用更多人来实现扩张？
要知道，公司的目的是多挣钱，而不是省钱。
因此 AI 引发裁员的说法，本质上是经济学层面的伪命题。
AI 并不会全面取代人力，只会淘汰低效低价值的工作模式，最终帮助企业降本增效。
总结
以前互联网时代，很多人相信只要努力就能一直向上，所以就拼、就卷、拼时间。现在已经有越来越多的同学意识到：行业的周期、资本的方向、国际的局势，都会影响一个普通工程师的命运。
有人经历了裁员之后，才第一次认真思考：除了写代码，我还能做什么？
可现在的卷，和过去已经不一样了。
过去卷的是速度 、是努力 ；现在卷的将是深度 、是生存能力 、是在不一样的维度上竞争。
所以，AI圈现在最大的骗局，就是把"会用工具"包装成"拥有能力"。而很多人乐在其中，乐此不疲，生活在一种自我意淫的幻觉里。
好多人卷得身心焦虑。
大部分人宁愿把时间花在和豆包、GPT一轮又一轮的Talk上，却不愿意跟专业的活人做深度沟通。
这完全符合人性中喜欢做唾手可得、有及时回馈、浅层次的交流。
但你仔细想想，这实际上并不解决问题。
要知道，AI工具只会给你很多似是而非的答案。