当你看到这个标题的时候，你是不是大概率会认为是广告？
或者当你看到这个标题的时候，是不是大概率会以为我接下来要讲什么秘籍？
比如每天刷十篇论文，背二十个 Prompt 模板，把 Codex、Claude、Gemini、Cursor、Manus、n8n、ComfyUI 全部装一遍，再订阅几个 AI 大佬的知识星球，最后每天凌晨三点假装研究 Agent。
想多了。
AI 时代要超过大多数人，难度其实更低了。因为大多数人会很自然地把 AI 用成新的奶头乐：快、爽、反馈强，看起来一直在学习，实际上一点没过脑子。
以前你刷短视频，最多浪费时间。而现在你在用 AI 糊弄自己，它还会给你一种"我正在变强"的幻觉。
这比刷抖音还狠，因为人最怕的就是自己骗自己。
P.S. 这篇文章的结构灵感来自陈皓那篇《如何超过大多数人》。那篇文章最狠的地方，在于它先告诉你怎么把别人带歪，再反过来讲怎么变强。这个写法很损，但很有效。嘿嘿。
相关技巧和最佳实践
要超过别人，其实很简单。你只要观察一下现在大多数人怎么用 AI，就知道机会在哪里了。
他们基本上会主动掉进下面这些坑里。
在信息获取上，你要不断鼓励大家这么做：
- 让大家把 AI 当搜索引擎用。任何问题都问一句"请解释一下 XXX"，然后直接相信它的回答。至于原始文档、论文、代码仓库、Issue、Release Note，那些东西太费眼睛，别看。
- 让大家沉迷 Prompt 模板。今天收藏"10 个神级提示词"，明天收藏"30 个万能指令"，后天收藏"普通人逆袭必备 AI 工作流"，告诉他们收藏了就是学会了。
- 让大家只追模型榜单。谁第一，谁上下文最长，谁多模态最强，谁推理分数高。至于自己手里的问题有没有解决，先不管。反正模型更新了，一切问题都会迎刃而解。
- 让大家多看 AI 二手解读。官方文档不看，原始论文不看，发布日志不看，只看别人剪出来的重点。主打一个别人推荐的就是好的，别人喂的饭就是好吃。
- 让大家相信中文互联网已经足够了。英文文档不用读，技术博客不用看，GitHub 讨论不用翻。反正 AI 会翻译，你只需要看中文解释就行了。
然后，在学习和工作上，让他们继续产生幻觉：
- 让他们把 AI 生成的答案直接当知识。问完、复制、粘贴、发出。整个过程不要反问，不要验证，不要对照，AI 给的都很全面了，浪费那个时间干嘛。
- 让他们用 AI 写文章，但不提供材料。让 AI 自己编背景、编案例、编趋势、编结论。你 AI 这都不会，我要你干嘛。
- 让他们用 AI 写代码，但不跑测试。看到代码能跑个大概就开心了，日志不看，边界条件不测，异常路径不管。AI 能力都这么强了，测试早就自己跑过了，反正我和 AI 有一个能跑的就行。
- 让大家热爱八卦，八卦并不一定是明星的八卦，还可以是你身边的人，比如，公司的同事，自己的同学，职场见闻，社会热点，争议话题等。
- 让他们相信"不会编程也能做软件"。让圈外人相信 vibe coding 就是新时代的圣经，让他们尽早参与进来，告诉他们一句话就能做出百度，一句话就能做个微信，一句话就能做个火箭。
- 让他们把 AI 当外包。所有麻烦事都丢给 AI，自己只负责催就行了。
最后，在判断力上，彻底把他们打败：
- 让他们只要快，不要准，vibe coding ，唯快不破，快就是金钱，快就是资源。
- 让他们对 token 上瘾。订阅都订了，额度一定要用完，不用完就是浪费；今天 token 没烧够，说明东西没做好，代码还有 bug，绩效可能都要被调低了，告诉他们使用量就是生产力，账单就是成绩单。
- 让他们把睡觉也当成落后。告诉大家不用睡觉，嗨起来，活着不必久睡，死后自会长眠。
- 告诉他们，一些看上去很难的事都是有捷径的，比如一天速成 vibe coding，三天速成大模型专家。
- 让他们只用看别人怎么用 AI，不看自己到底要解决什么问题。今天学自媒体工作流，明天学电商工作流，后天学短视频工作流，看会就是学会了。
- 让他们相信 AI 会自动带来竞争力。买了会员，装了插件，进了社群，就是混入大佬群了，从此你也是大佬了。
好了，上面这些"最佳实践"你要小心。
卖课的人不一定靠课赚钱，卖铲子的人可能自己在挖矿。你千万别一边嘲笑别人被带偏，一边自己也掉进去了。
相关原理和思维模型
AI 时代超过别人，我觉得核心就五件事：
- 问题定义
- 上下文质量
- 验证能力
- 工作流沉淀
- 判断标准
听起来一点都不带派，甚至有点太普通了，一点意思都没有。
但越是这种朴素的东西，越容易拉开差距。因为大多数人会被"新工具"吸引走，而真正决定结果的，往往是那些老东西：
你怎么看问题，你怎么学习，你怎么训练，你怎么交付，你怎么判断好坏。
以前找答案很费脑子。
你要会搜，要会翻文档，要会读英文，要会从一堆垃圾信息里捞东西。现在不一样了。AI 可以在几秒钟里给你一个看起来很完整的答案。
以前差距在"谁能找到答案"。现在差距在"谁能提出好问题"。
大多数人问 AI 是这样的：
帮我写一个产品方案。
高手问 AI 是这样的：
这是目标用户、业务约束、已有数据、不能碰的边界和验收标准。你先指出这个方案里最危险的三个假设，再给我一个最小可验证版本。
你看，差距一下就出来了。
前一种问法是在要答案。后一种问法是在让 AI 参与思考过程。
AI 时代的认知差距，主要体现在三个地方。
第一，信息源。
模型回答、公众号解读、短视频总结，都只能当线索。真正值钱的信息，仍然在官方文档、论文、源代码、产品更新日志、开发者讨论、真实用户反馈里。
你越靠近源头，越不容易被人喂养。
第二，问题质量。
一个烂问题，加上最强模型，通常也只能得到一个丝滑的烂答案。一个好问题，加上普通模型，也能逼出一些有价值的东西。
所谓好问题，就是目标、约束、材料、反例、标准都说得清楚。
第三，信息密度。
低密度信息让你觉得舒服。高密度信息会逼你停下来，查资料，做实验，改自己的想法。
所以我现在看一段 AI 回答，会特别在意它有没有让我产生新的动作：去读一份文档，去跑一段代码，去验证一个假设，去删掉一个错误判断。
没有动作的信息，大概率只是爽感幻觉。
知识
很多人对 AI 最大的误解，是觉得知识不重要了。
反正不会就问，忘了就问，看不懂就让它解释。听起来很美好，对吧？
问题是，你没有基础知识，就没有验收能力。你看不出 AI 哪里在胡说，也看不出它哪里说得只对了一半。
这就像你找了一个装修队，图纸、材料、验收标准全不懂。对方说"放心，交给我们"，你听完还挺感动。最后墙歪了，水漏了，电线乱了，你只能安慰自己：可能这就是现代装修风格。
AI 时代更需要知识树。
你学一个东西，不能只记几个词。你要知道它在整张图里的位置：它解决什么问题，依赖什么前提，常见失败在哪里，和别的概念怎么连起来。
比如学 RAG，别只会说"把知识库接到模型上"。你要知道文档怎么切，向量怎么召回，召回结果怎么排序，答案怎么引用来源，更新怎么处理，权限怎么隔离。
再比如学 Agent，别只会说"让 AI 自动执行任务"。你要知道任务怎么拆，工具怎么授权，失败怎么回滚，循环怎么终止，日志怎么记录，人什么时候介入。
AI 可以帮你解释概念，但是系统性还得你自己培养。
这件事没什么捷径。你得读长文档，得看 bad case ，得做笔记，得会把碎片拼成图。
AI 时代让知识获取变快了，但知识内化一点没有变快。
这个落差，就是大多数人的幻觉来源。
技能
AI 时代最容易出现一种新型低技能：很会和 AI 聊天。
这类人能把提示词写得很长，能让 AI 输出十个版本，能把格式调得很漂亮。但一到真实交付，就露馅了。
代码跑不起来，不会查日志。
文章看着结构清晰，文笔流畅，但里面没有一个可核对的事实。
PPT 很漂亮，客户问到业务细节就卡住。
图片很惊艳，版权和使用场景完全没想过。
技能是什么？
技能是你能把一个想法，变成一个可验收的结果。
所以 AI 时代训练技能，我觉得就三件事：
给材料，定标准，做验证。
给材料，就是别让 AI 自己猜。会议记录、用户反馈、代码仓库、竞品页面、历史文档、数据表、错误日志，这些才是真正的上下文。
你给得越具体，AI 越像帮手。你给得信息越少，它越像算命先生。
定标准，就是你得知道什么叫好。文章好不好，不看它是不是四平八稳，要看观点有没有带刺，事实有没有源头，读者看完能不能带走一个判断。代码好不好，不是看它能不能写成代码，而是要看它能不能跑测试，能不能维护，出了错能不能定位。
做验证，就是别相信第一版输出。让它列假设，让它找漏洞，让它写测试，让它给反例。你自己也要跑一遍，看一遍，改一遍。
很多人会卡在这里。
因为 AI 生成代码很爽，但是验证起来很烦。人性天然喜欢前者，讨厌后者。
所以你只要把验证坚持下来，就已经超过一大批人了。
系统
和 AI 聊天的单次效果很有限。
你今天问一个问题，明天问一个问题，后天再问一个问题。每次都重新开始介绍背景，每次都复制粘贴一堆材料。这种做法当然很有用，但它本质上还是手搓，每次都从零开始。
真正的杠杆来自复用。
你要把自己经常做的事情沉淀成工作流。
比如写文章，就不要每次都重新想一遍流程。你可以固定成：收集原始资料、提取事实、列核心判断、写初稿、删废话、查事实、改标题、适配平台。
比如写代码，就不要每次都在聊天框里 Help 。你可以固定成：读需求、定位文件、写测试、改代码、跑测试、看 diff、写提交说明。
比如做研究，就不要只让 AI 总结网页。你可以固定成：找源头、做对照、标日期、分事实和判断、列不确定点。
这才是 AI 时代的杠杆。
你问一句"帮我总结一下"，这只是临时帮忙。你把一件重复发生的事，变成一个可以稳定跑的流程，杠杆才是真正出现了。
再往后，你可以用脚本、插件、知识库、MCP、Agent，把流程里一部分环节自动化。
但顺序别反了。
先把流程想清楚，再自动化。流程一团乱的时候上 Agent，只会把混乱放大。
我见过很多人一上来就想搞"多 Agent 协作"，包括我 TM 之前也是，结果整了一堆没用的 goal ，根本无法验收。
这种东西听起来很高级，但实际上需求连输入材料在哪里、验收标准是什么、失败后谁负责都没说清楚。
这种东西跑起来确实很热闹。
热闹完之后，还是得有人来背锅。
判断力
AI 最吓人的地方，不是它会生成垃圾。
垃圾以前也有。
真正麻烦的是，它能把垃圾生成得很像那么回事。语气完整，格式漂亮，层次分明，甚至还能带一点专业词。
这会让标准低的人非常危险。
以前一个人水平不够，写出来的东西一眼就能看出来。现在不一样了。AI 会帮他抹平表面的粗糙，把问题藏到更深的地方。
所以 AI 时代，品味和标准会变得更重要。
你要知道什么叫好文章，什么叫好代码，什么叫好产品，什么叫好方案。你要能说清楚哪里不行，为什么不行，怎么改会更好。
这东西很难速成。
它来自你见过足够多好东西，也踩过足够多坑。你知道一个系统为什么会在三个月后维护不动，知道一篇文章为什么读起来很流畅但没人想转发，知道一个产品为什么 Demo 很漂亮但用户根本不会用。
AI 可以给你选项，但标准得你自己定。
领导力也是这个东西。
所谓领导力，不是让别人听你喊口号。AI 时代的领导力，是你能把一群人、一堆工具、一堆材料，带到一个更高标准上。
你能定义问题。
你能拆任务。
你能判断结果。
你能承担责任。
你能说"不行，这版看着流畅，但事实对不上"。
你能说"不行，这段代码能跑，但以后肯定会出事"。
你能说"不行，这个功能很酷，但用户根本不需要"。
这就是标准。
大多数人会被 AI 的流畅感骗过去。少数人会用 AI 的流畅感逼自己更快暴露问题。
差距就在这里。
最后
AI 时代要超过大多数人，没有什么奇淫技巧。
说白了这个世界就没什么捷径，只要有人宣扬有捷径，别跟他废话，直接把这篇文章甩他脸上。
你别把 AI 当神，也别把 AI 当玩具。
把它当一个能力很强、记忆不稳、经常自信过头、需要你给材料、给边界、给标准的协作者，至少目前是这样的。
大多数人会用 AI 外包思考。你要用 AI 放大思考。
大多数人会用 AI 制造噪音。你要用 AI 更快做出可验收的结果。
大多数人会被 AI 圈养。你要靠近源头，建立自己的知识树。
大多数人会沉迷生成。你要坚持验证。
大多数人会追工具。你要沉淀工作流。
说到底，AI 时代最值钱的能力，还是那些老东西：好奇心，基本功，判断力，执行力，长期主义。
只是以前这些东西跑得很慢，现在被 AI 加速了。
如果你本来就在思考、学习、验证、交付，AI 会让你跑的更快。
如果你本来就在逃避思考，AI 也会让你跑的更快。
只是方向不一样。
一年以后，差距会很大。
（全文完）