仔细想来，时代的变迁，从来都会清晰地映照在群体乃至每个个体的言行与状态之中。
去年此时，一句“人是问不出认知之外的问题的”点醒了我。从那以后，我便主动踏上了充盈自我认知的道路。开始坚持阅读、提笔写作，亦不断学习AI相关的知识，只想一点点拓宽自己的认知边界，不负时光。
可如今，AI的飞速发展，却又一次将我裹挟进新的迷茫与焦虑之中。
具体而言，随着大语言模型（LLM）的日益高级化与普适化，我们的生活、工作与学习，早已自然而然地与大模型深度绑定。相信很多人都有过这样的经历：等待大模型生成答案的间隙，不自觉就刷起了抖音；又或者试图同时推进多项任务，当模型还在思考这个任务的时候，就切换到另一个任务，等前一个模型给出结果，粗略扫一眼便匆匆发出下一个提问，让它继续替我们“思考”……
每个人的场景或许各不相同，而以上便是我使用AI过程中的真实写照。一天下来，看似忙忙碌碌，回头复盘才发现，自己好像什么都没有真正学会、真正沉淀，反倒是短视频软件的使用时长，在日复一日地不断增加。
AI 看似为我们的生活与工作全面提效，可剥开这层光鲜的表象，真相究竟是什么？
我们以为省下了亲力亲为的时间，可等待 AI 生成结果的空白间隙，早已被短视频的喧嚣悄悄填满；我们借着 AI 的并行能力同时推进多项任务，却在频繁的界面切换中，把注意力切割得支离破碎。指尖在屏幕上来回划动，AI 的回复弹窗刚弹出，还没来得及沉下心细读拆解，目光就被下一条短视频的画面拽走；好不容易切回任务界面，又被 AI 的加载进度绊住脚步，下意识转头又扎进了碎片化的信息流里。
我们一边心安理得地依赖 AI 替我们完成思考、解决问题，一边又在本该用来复盘、消化的等待间隙，放任自己滑入无意义的刷屏惯性里。一整天下来，看似日程排得满满当当、脚步从未停歇，实则一直在任务与碎片化娱乐之间来回拉扯，待到复盘时才惊觉，真正刻进脑子里的知识、沉淀下来的能力，寥寥无几。
这让我忍不住陷入深深的思索：当人工智能的思考能力在日夜迭代、持续成长，当它能替我们完成越来越多的事，我们作为人的成长路径，究竟该何去何从？而我们本该独有的、不可替代的独立思考，又该以怎样的方式，在这个 AI 无处不在的时代里，继续扎根、生长？
回忆起自己何时开始大量使用AI、以至于不再愿意投入时间自主思考，大概要追溯到去年九、十月份。
核心原因是：我的研究生课题与算法、机器学习相关，而当时的 AI 已经具备了成熟的基础编码能力。于是我很自然地选择用 AI 辅助编码推进课题，想借此省去大量手动敲写代码的繁琐工作。
也是从那时起，我陷入了一套固定的工作循环：让大模型生成代码，我复制到编译器中运行，等跑出结果后，再把报错信息和运行结果反馈给模型，让它分析问题、修改代码。
最初我用的是 DeepSeek 和豆包。平心而论，当时这两个模型的编码能力尚有不足，我常常要在复制 bug、复制修改后的代码之间来回切换。更麻烦的是，受限于上下文长度，它们无法生成完整的代码文件，即便勉强生成，也要耗费极长的时间。无奈之下，我只能自己先在代码里定位到错误位置，再复制模型给出的修改代码做替换修复。那段时间，“请你按照原来是什么，改成什么，来为我进行代码的修复指导” 这句话，成了我最常用的提示词。
技术发展得实在太快了！若不是写这篇文章，这段记忆早已变得模糊，才几个月后这个方式就充满了古早味。
后来，为了获得更好的编码体验，我订阅了当时在编码领域口碑突出的 Claude。实际体验下来，Claude 的编码能力确实是更出色一点，用其他大模型只能单段单段生成代码，而Claude能直接生成完整项目并打包成 zip 文件。 印象里当时用的应该是 Claude Opus 4.5，即便能力大幅提升，生成的代码依然会有 bug，比如偶尔的标点错误、缩进问题；更关键的是，每月 20 美元的订阅有严格的额度限制，不能无限制地让模型反复修改，否则额度很快就会耗尽。
于是我摸索出了一套折中方案：用 Claude 生成代码主体，再用 Gemini 3 修复细节 bug。Gemini 3的表现和当时的豆包等模型类似，无法生成完整的长代码，而我的课题代码量通常很大。就这样，那句熟悉的代码修复提示词，又一次成了我日常最高频的输入。
时间线再往后，Claude 推出了 Opus 4.6 版本，单日可用额度相较之前有了提升，但依然设置了每五小时的额度上限。我的日常工作流也随之迭代：先让 Claude 修改好代码，我放到编译器里跑通，再把运行结果发回去让它继续优化。
为了把五小时的额度周期用到极致，我甚至把日常作息都做了调整：每天到工位的第一件事，就是先给 Claude 下达修改指令，开启这一轮的五小时周期；早上改完跑完，中午吃饭午休，刚好错开周期，到下午又是全新的额度窗口。就连把健身固定在下午，也是为了刚好利用上新一轮的额度周期，不浪费一点等待时间。
即便每周总额度依然有限，我还是乐此不疲地依赖着 Claude，自认为正以最高效的方式推进着课题……
到了如今，Claude Opus 4.6 依然有额度限制。如果当晚有新的想法却没了额度，我就会给 Autoclaw 下达指令，让它在凌晨帮我提交提问，抢占夜间的五小时额度窗口；同时，我还会用 GPT 5.4 做补充辅助。
虽说 Claude 的额度依然要精打细算，但我的工作流已经不再受额度掣肘，比如遇到完整的代码文件，我会先让 GPT 5.4 编写初稿，再让 Claude 做检查优化，这样能极大减少 Claude 的额度消耗。
如果有读者耐着性子看完这段流水账，大概也能看出来，我在编码领域其实就是个 “水货”。虽说研究方向和机器学习紧密相关，但我并非计算机专业，非要说有什么相关的积累，也不过是早前凭着兴趣自学了点皮毛，顶多能写些简单的前端页面。可在如今 AI 能随手写出完整页面的时代，当初那点凭着热情攒下的技能，早已被彻底抹平。
说到这里，想必很多人都会有同款感受：随着人工智能的飞速迭代，我们自身的技能与能力，似乎并没有同步提升，反而有相当一部分，正在被 AI 的进化一步步抹平。
如果非要说说之前学的计算机知识，如今还剩什么用处，大概就是做第一个时间管理小程序《Timeflow - 时间流》时，之前自学的页面交互知识，还有对功能实现的清晰表述能力，帮我更精准地向 AI 下达提示词。
可到了后来为了记账做第二个小程序《Snowball Tracker》时，这些能力几乎都派不上用场了：我只需要跟 Claude 说一句 “我觉得 UI 不好看”“这个操作逻辑不方便”“我想实现某个功能”，它生成的代码就已经足够清晰、足够好用。
（补充说明一下两个小程序对应的模型版本：第一个用的是 Claude Opus 4.5，第二个则是 Claude Opus 4.6。当然，这也不能完全归因于模型的迭代，毕竟我自身的成长与变化，也是这段历程里没有被控制的消融变量）
很难想象，这一切天翻地覆的变化，仅仅用了半年时间。
如果说前文里，AI 迭代重构的只是我的日常工作流，抹平的是我编码、写页面这类执行层面的技能；那更让我警醒、甚至心生寒意的，是它正在一点点消解我在科研科研的核心能力，重塑我对 研究”这件事的底层认知。
作为一名在读研究生，比起按部就班完成课题、拿到毕业所需的成果，我始终更在意自己是否真的学到了东西、是否拓宽了知识的边界。可 AI 的出现，正在让这份初衷变得越来越难坚守。
我至今都记得，2022、2023 年时，我还是个连配置 Anaconda 环境都要对着教程折腾一整天的门外汉；研一刚入学，对着 YOLO 系列、ResNet、ImageNet 这些计算机视觉领域的里程碑式成果，只觉得高山仰止。2024 年底，为了能顺利跑通 YOLOv5，我啃了无数篇文档、补了大量的基础知识，耗费了整整几周的时间。
可现在呢？我只需要装好编译器，跟 Claude 说清楚我想用 YOLO 实现的目标，它就能直接生成完整的可运行代码，甚至连数据标注的全套流程、参数调优的注意事项，都能给我讲得明明白白。即便后来因为研究对象的标注类别过多、分类任务过于繁琐，我把研究方法换成了表征学习的二分类异常检测，也依然逃不开这种冲击。
技术实现的门槛被降到了极致，曾经需要耗费数月去学习、去打磨的能力，现在 AI 一键就能完成。
这让我陷入了前所未有的焦虑：我耗费几个月去打磨的课题、去寻找的创新点，会不会在 AI 的下一次版本更新里，就变得毫无新意？我所有的工作量、所有的研究价值，会不会被 AI 的一次迭代，瞬间冲抵得一干二净？
与其说是担忧，不如说我正眼睁睁看着这一切发生……
身边做机器学习研究的朋友很多，大家都习惯把调算法、改参数的过程叫做 “炼丹”，这个比喻再贴切不过。算法就像一个丹炉似的黑箱，我喂进去数据，它吐出来结果，我只关心最终的 “丹药” 好不好用，却很少能说清，这颗丹到底是怎么炼成的。
从前的炼丹，都是亲自上手的。要斟酌药材的配比、火候的大小，每一次调整都要记录、要思考、要复盘，哪怕炼坏了，也能知道问题出在哪，全程都有实打实的思考和参与感。但现在，我有了全能的 “炼丹童子” ，我们这个 “太上老君”，只需要坐在殿里等结果，丹药不合心意，就说一句 “重炼”，其余的什么都不用管。
久而久之，丹炉的结构毫不在意，药材的药性分不清。AI 炼坏了丹，我不会去深究代码里的逻辑漏洞、算法里的原理缺陷，只会让它重来；我失去了琢磨问题的耐心，失去了深究底层原理的欲望，仿佛只要能拿到合格的结果，过程里的思考、成长、沉淀，全都无关紧要。
我不知道这究竟是技术发展的必然，还是我生产生活方式革新必须经历的阵痛。只是看着飞速迭代的 AI，再看看越来越依赖它的自己，心里的迷茫，一天比一天深。
而这份悬在心头的迷茫与不安，在我写下这些文字的此刻，有了更让我心惊的答案。
写下这些的时候，我刚健身做完有氧。运动时我听了一期播客，主播们从地缘政治、中美伊以的冲突聊起，提到伊朗的宗教信仰，让他们不会轻易向大国低头。聊着聊着，话题自然拐到了宗教信仰本身，其中一位主播抛出了一个问题，像一根针一样扎进了我心里：宗教是在造神，那我们现在对待算法、对待 AI，是不是也在悄悄把 AI 造成新的神？
我并不想深入探讨宗教本身，但 “把 AI 造神” 这件事，越琢磨，越让我心里发慌。
模型的能力越来越强，我遇到问题第一反应就是张口问 AI，甚至已经在潜意识里默认：它什么都懂、什么都能写、什么都能算、什么都能做。问它，就等于拿到了标准答案；它在我心里，是不是已经慢慢变成了全知全能的存在？
再往深想一步：如果 AI 接入了医疗诊断，哪怕只是最基础的帮我写代码，我又是怎么对待它的输出的？会不会 AI 说什么，我就信什么，不查证、不思考，直接把它的话当成不容置疑的真理？
这太有可能了。因为它说得头头是道，而我恰好不懂。
长此以往会怎样？做决定靠 AI，写东西靠 AI，想问题靠 AI，甚至连情绪倾诉、心里的纠结拧巴，都第一时间去找 AI 倾诉。这不是危言耸听，是真真切切发生在我身上，也发生在身边很多人身上的事。
再往下走，会不会就演变成：把某一款 AI、某一位技术大佬、某一条技术路线，直接捧上神坛，容不得半点质疑和批评？
我自己就已经有了这样的迹象。我一直用 Claude，它一次次给我正向反馈，我心里早已对它多了一层说不清的偏爱。当我听说 Anthropic 拒绝让五角大楼用 Claude 参与战争时，我还会主动在朋友面前推崇它。这不就是潜移默化的崇拜吗？
仔细一想就全明白了：我先默认了 AI 全知全能，再无条件信任它，然后陷入极致的依赖，最后亲手把它推上了神坛。
人本来就有寻找权威、寻求确定性、崇拜强大存在的本能，可现在，我是不是把这份本能，一股脑全都投射给了 AI？
更有意思的是，那些追捧 AI、觉得自己用得很溜的人，会不会生出一种莫名的优越感，觉得自己效率更高、更懂先进技术，进而去鄙视那些不用 AI、或是对 AI 抱有质疑的人？
圈子一旦形成，鄙视链一旦出现，宗教式崇拜的所有要素，就都凑齐了。
而这种崇拜与鄙视链的成型，最终催生出了当下最荒诞的一种群体割裂。
我们常常会听到一句话：看着 AI 的飞速发展，硅谷的大佬们一个个都满心焦虑。延伸开来便有了一个共识：如今越是懂 AI 的人，越容易心生不安，因为他们最清楚它迭代的速度有多恐怖，能力的边界在哪里。
可反观身边的人，却是另一番截然不同的光景。周遭有不少其他专业的朋友，他们几乎不会深度使用 AI，最多就是用豆包、DeepSeek 写写简单的文本，既没琢磨过提示词的撰写逻辑，也没试过用它完成更复杂的核心工作。于是造就的是AI 输出的内容甚至不如他们自己写的，久而久之，他们便会生出 “AI 其实也就这样” 的想法，打心底里觉得这东西并不靠谱。
一边是深陷其中的人，正在亲手将 AI 造成新的神；另一边是始终站在圈外的人，对它浅尝辄止，甚至带着天然的疏离与质疑。
于是便有了这场格外荒诞的对立：一头是越用越依赖，越依赖越敬畏，最后在不知不觉中把 AI 捧成了不容置喙的新权威、甚至新信仰的人；另一头是隔岸观火，浅尝即止便不屑一顾，觉得 AI 不过是个花哨的工具，远没到能影响自己生活、改变社会走向的人。
这种极致的割裂，也自然而然延伸出了那个始终充满争议的话题：在各个领域里，到底是人更擅长，还是 AI 更擅长？这也是少数派年度征文的核心议题，说起来有些可惜，我没能在征文期间写完这篇文字。但现在想来，这样也好，如今征文已经到了大众投票的阶段，我看了都各有票选，这件事本身，恰恰也印证了一个最朴素的真相：无论是人写的内容，还是 AI 生成的内容，最终的归宿都是服务于人，也自然会各有其受众，各有其存在的价值。
而面对这两种极端，面对这场永不停歇的争论，我始终觉得，我们最该做的，是做一个清醒的人。
我们可以坦然接纳并使用它的强大，坦然承认它能轻易替我们完成过去要耗费数小时、甚至数天的辛劳，不必为了彰显所谓人的主体性，就刻意抵触这个时代最高效的工具。
但我们必须斩断伸手就要标准答案的惰性，必须警惕自己在日复一日的依赖里，慢慢丢掉独立思考的能力，滑向无需动脑的病态演化。永远不要主动跪下去，把 AI 捧成高高在上的神明。要始终保持清醒：无论它的能力迭代得多么强大，无论它能替我们完成多少工作，它终究只是人类的造物，尚且未曾诞生真正的自我意识。
落笔到这里，我自己也忍不住无奈失笑，又是这样，文章写着写着，就触到了我个人知识水平和认知边界所能阐明、所能掌控的议题边缘。可即便如此，这些在落笔时连我自己都大吃一惊的想法，我还是想原原本本地写出来，就这样不加修饰地发出来。
我也清楚，再往深处走，关于技术与人性、工具与主体性、群体认知与时代变迁的探讨，早已是区区一篇随笔无法企及的哲学与社会学命题，不是我三言两语就能说透的。
所以兜兜转转，最后还是落回最朴素、也最能让我心安的日常里。
前文里写到，我曾总在大模型运算思考的间隙，不自觉地刷起短视频，任由那些碎片化的内容填满等待的空白。而现在，我找到了和这些间隙相处的方式：模型跑代码的时间，我用来敲下这些文字，用来翻开搁置的书来看。
我自己常常戏称这件事：AI 在思考的时候，我也在思考。
它有它的迭代赛道，我有我的成长节奏。它可以在毫秒之间生成代码、给出答案，我也可以在等待的几分钟里，多读一页书，多写几行字。
说到底，这篇文字，不过是我在 AI 飞速迭代的浪潮里，一段零零散散的个人心路，几句发自肺腑的感慨。有迷茫，有焦虑，有警醒，也有最终找到的一点点心安。
寥寥数语，不成体系，也真心希望大家批评和指正。
所以，当 AI 在思考的时候，我们也该想一想自己该思考什么，开始寻找你自己的答案吧。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。