惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Forbes - Security
Forbes - Security
L
Lohrmann on Cybersecurity
Simon Willison's Weblog
Simon Willison's Weblog
P
Proofpoint News Feed
P
Privacy International News Feed
The Hacker News
The Hacker News
AWS News Blog
AWS News Blog
S
Securelist
P
Proofpoint News Feed
Recent Announcements
Recent Announcements
GbyAI
GbyAI
B
Blog RSS Feed
A
About on SuperTechFans
C
CXSECURITY Database RSS Feed - CXSecurity.com
Y
Y Combinator Blog
Microsoft Azure Blog
Microsoft Azure Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Cyberwarzone
Cyberwarzone
I
Intezer
T
Tor Project blog
T
The Blog of Author Tim Ferriss
The GitHub Blog
The GitHub Blog
云风的 BLOG
云风的 BLOG
Recorded Future
Recorded Future
aimingoo的专栏
aimingoo的专栏
Cisco Talos Blog
Cisco Talos Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
W
WeLiveSecurity
D
DataBreaches.Net
U
Unit 42
Project Zero
Project Zero
Martin Fowler
Martin Fowler
V
V2EX
The Last Watchdog
The Last Watchdog
Security Archives - TechRepublic
Security Archives - TechRepublic
C
Cisco Blogs
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
V2EX - 技术
V2EX - 技术
Hacker News - Newest:
Hacker News - Newest: "LLM"
T
Threat Research - Cisco Blogs
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
T
Tenable Blog
F
Full Disclosure
T
The Exploit Database - CXSecurity.com
H
Heimdal Security Blog
Latest news
Latest news
Webroot Blog
Webroot Blog

XINDOO

当创作被 Skill 化:我用 AI 写了一部 320 章的长篇网文 AI第一剑,先斩程序员 AI 也会偷懒?这个 PUA 工具专治“摸鱼式编程” Gstack 深度解析:YC CEO 开源的 AI 工程团队 GitHub Trending霸榜!深度解析AI Coding辅助神器 Superpowers 深度探讨:从 OpenClaw 爆火,看 AI Agent 的真相与程序员的未来 我复刻了NotebookLM的信息图功能 我用AI写了部小说,这里是整个过程 [翻译]我在谷歌14年学到的21堂课 2万字吊打40万字:为什么我的“牛马Agent”比“数字分身”更聪明? 最近AI领域爆火的 Agent Skills 是什么? 从计算机科学的视角来看拖延症 一周改6个库后我悟了:AI时代,程序员正在退化成“甲方” 使用n8n做一个自动同步更新的Github项目问答机器人 Agent设计模式——第 20 章:优先级排序 Agent设计模式——第 1 章:提示词链 Agent设计模式——附录 D - 使用 AgentSpace 构建 Agent Agent设计模式——第 19 章:评估和监控 Agent设计模式——第 10 章:模型上下文协议 (MCP) Agent设计模式——第 21 章:探索和发现 Agent设计模式——智能体设计模式 Agent设计模式——第 11 章:目标设定和监控 Agent设计模式——第 9 章:学习和适应 Agent设计模式——第 16 章:资源感知优化 Agent设计模式——附录 G - 编码 Agent Agent设计模式——第 13 章:人机协同 Agent设计模式——第 17 章:推理技术 Agent设计模式——附录 F - 深入剖析:Agent 推理引擎的内部运作机制 Agent设计模式——章节目录 Agent设计模式—— Agent设计模式——第 7 章:多 Agent 协作 Agent设计模式——附录 E - 命令行界面中的 AI Agent Agent设计模式——附录 C - Agentic 框架快速概览 Agent设计模式——第 3 章:并行化 Agent设计模式——**常见问题解答:Agentic 设计模式** Agent设计模式——第 14 章:知识检索(RAG) Agent设计模式——第 18 章:Guardrails/安全模式 Agent设计模式——第 15 章:Agent 间通信(A2A) Agent设计模式——第 8 章:内存管理 Agent设计模式——第 12 章:异常处理和恢复 Agent设计模式——第 4 章:反思 Agent设计模式——附录 B - AI Agentic 交互:从图形界面到现实世界环境 Agent设计模式——第 5 章:工具使用(函数调用) Agent设计模式——结论 Agent设计模式——第 6 章:规划 Agent设计模式——第 2 章:路由 从经验主义到贝叶斯理论:如何排查线上问题 我用AI为自己造了一把安全的开发者“瑞士军刀”” 从LLM和MCP的协同过程看如何做优化 打通Dify与AI工具生态:将Workflow转为MCP工具的实践 一文了解知识库背后的技术RAG AI应用的五个级别:从入门到专家的进阶之路 一文入门AI圈最近爆火的MCP协议 HTTP/3:性能改进(第 2 部分) deepseek-r1祛魅:从过度热捧到理性认知⁠ 为什么AI智能体需要工作流 如何用GPT-4o解读视频 json命令行处理神器jq介绍 OpenAI的结构化浅析 从大模型的原理到提示词优化 从经济学原理看团队分工合作 [翻译]关于人工智能的30个思考 从马斯洛需求层次理论谈职场激励 知识与智慧 如何使用大语言模型绘制专业图表 两个开源项目打造自己的大模型聚合平台 我让gpt4o给我推荐了一千多次书 得到了这些数据 用Langchain创建一个可以总结网页内容的Agent 推荐一个好用的命令行工具ShellGPT 关于ffmpeg height not divisible by 2的错误 使用Certbot解决https证书自动更新的问题 Spring Cache简明教程 软件开发中的抓大放小vs极致细节思维 OpenAI Assistants-API简明教程 OpenAI的多函数调用(Multiple Function Calling)简介 如何使用ffmpeg制作透明背景的视频 spring-kafka中ContainerProperties.AckMode详解 如何在地图上寻找最密集点的位置? IO密集型服务提升性能的三种方法 职场中的基本归因错误和自利归因 使用javax.validation.constraints校验参数合法性 Java Optional:让你的代码更优雅 ChatGPT函数调用初体验:让ChatGPT具备抓取网页文本的能力 如何使用ChatGPT提升自己的“码”力? 使用ffmpeg拼接两张图片 ThreadPoolExecutor——高效处理并发任务的必备良器 从CPU的视角看 多线程代码为什么那么难写! 使用ffmpeg缩小视频体积的几种方式 Linux parallel 命令使用手册 为什么说过早优化是万恶之源? Linux xargs命令介绍 深入理解Spring的事件通知机制 Java高并发之CyclicBarrier简介 聊一聊过度设计! 详解Redisson分布式限流的实现原理 Java中使用HashMap时指定初始化容量性能一定会更好吗? 如何用ffmpeg截取视频片段&截取时间不准确的坑 XINDOO的2022年年终总结 使用ffmpeg将视频转成HLS(m3u8)格式 谷歌Guava LoadingCache介绍
关于内卷,几个值得深想的洞察
xindoo · 2026-05-24 · via XINDOO


首先声明:这篇不劝躺平,也不教内卷——只是想说清楚,你到底在一个什么样的游戏里。

你以为内卷是“资源不足”,其实是“分配方式”

很多人对内卷有个本质上的认知错误:以为内卷是因为资源不够,大家为了抢资源才卷起来。

但现实更扎心:资源够不够固然重要,但真正决定你卷不卷的是资源怎么分配。

给大家举个很典型的例子:假设有个小创业公司,10个人干活,年底分200万的奖金。

如果是平均分,每人20万,虽然不一定都满意,但至少不至于“杀红眼”。

可一旦换成“强者恒强”的分配:头部40w、尾部10w、其余8人各15w。甚至极端一点“最后一名0元+滚蛋”(职场典型的“末位淘汰制”)。

这时卷的就不只是钱了,是尊严、恐惧、以及‘我不能成为最后一名’的生存焦虑。

更反常识的是:

即便把总奖金包从200万加到2000万,甚至到2个亿,只要分配规则还是“第一名拿走大部分,最后一名出局”,内卷依旧会发生。

因为大家卷的不仅仅是“绝对收益”,而且还是“相对排名”。

用博弈论看内卷:你不是不清醒,你是没得选

先用一句人话解释什么是博弈论:

当你的收益不仅取决于你怎么做,还取决于别人怎么做时,这就是博弈。

内卷就是一个很经典的博弈场景。

你明知道加班不一定能换来更好的生活,但你又怕你不加班,别人加班,你就变成那个“被优化”的人。

这就形成了一个“理性但悲剧”的“囚徒困境”:

如果所有人都选择不卷,大家都能更轻松,代价也更低。但只要有少数人开始“多卷一点”,剩下的人就会担心吃亏而被迫跟上。

最终的结果往往是:所有人都更累,但没人真正更安全、更幸福,且整体收益并没有等比例变好。

它像一条越跑越快的传送带:

你停下会被甩出去,你加速也只是把大家一起推向更高的速度。

内卷里,你以为的赢家其实是旁观者

这里要揭露一个很现实的点:

在内卷规则里,卷赢所有人的个体看起来是赢家,但这只是表象。内卷真正的最大受益者,是制定规则、掌握分配权的人。

为什么?

因为内卷把所有人变成了“自驱的成本承担者”。

大家为了不掉队,主动延长工作时间,主动提高产出标准,主动把自己榨到极限。

而组织只需要做一件事:

  • 狼性文化把"竞争"包装成"奋斗" ——连续大小周、随时响应、自愿加班,对外招聘叫"我们是一支有激情的团队",内部动员叫"你要有狼性"。竞争的压力,被转化成了个人品格的自我要求。
  • 末位淘汰制把"淘汰"包装成"成长" ——强制10%的末位出局,HR的标准话术是"帮你找到更适合的赛道",绩效面谈叫"给你一次成长的机会"。被淘汰这件事,在话语层面完成了一次漂亮的转身——不是组织抛弃了你,是你还没准备好。
  • 高绩效体系把"不公平"包装成"激励" ——强制分布的绩效等级,让20%的人拿C不是因为他们干得差,而是因为必须有人垫底。但对外的说法永远是"保持团队竞争力"、"激发活力"。结构性的不公平,被重新定义成了一种"对优秀者的公平"。

这套话术大家是不是很熟悉,它的精妙之处在于:它把组织的收益,包装成了你个人的成长。你多干的那些活、多熬的那些夜,在账面上叫"自我驱动",在组织报表里叫"人效提升"。你承担了成本,组织拿走了收益,但你还觉得这是为了自己。

你以为你在跟同事竞争,实际上,你在替规则"免费加码"。

当然,这不是说“所有公司都是坏的”,而是说:

只要激励机制是零和甚至负和,系统就会自动把人推向恶性竞争。

身在规则里的人,很难靠觉悟破规则

内卷最像一个死循环:

你在循环内部,能做的只是“更聪明地卷”,但很难做到“让大家都不卷”。

因为只要你一个人退出,系统就会惩罚你。

你可以说你定力强,没追求,不想卷。

没事,规则会帮你“找到追求”:

也就是前文提到的末位淘汰——最后一名不仅0分,顺便还要出局。

所以结论可能有点残酷:

想破内卷,靠参与者自觉几乎没戏,必须有更强的规则来约束旧规则。

在就业环境里,内卷有两层:

  1. 公司内:员工与员工卷。
  2. 公司外:公司与公司卷。

公司之间为了利润和生存,压缩成本,压缩周期,压缩人。

员工在公司内部为了不被淘汰,反过来压缩自己。

这就形成了“层层加压”的传导链。

要破这种链条,最有效的往往不是道德劝说,而是制度约束。

比如:

  • 明确的劳动法规与执行力度
  • 对恶性竞争的监管
  • 对不合理用工、无偿加班的成本约束
  • 对行业“价格战式内卷”的规则干预

也就是说:

内卷不是靠个人醒悟解决的,更多时候是靠外部力量把底线立住。

当然,等制度到位需要时间,个人也不是完全没有主动权。关键不在于"要不要卷",而在于先判断你面对的是良性竞争还是恶性内卷。

有一个简单的判断框架:

  • 看天花板是否存在。 良性竞争里,你努力,收益曲线是向上的;恶性内卷里,天花板是固定的,你的努力只是让别人的相对位置下降,总蛋糕没有变大。如果你发现自己干了三年、产出翻倍,但薪资涨幅和职级几乎没动,大概率是后者。
  • 看规则是否透明。 在一家公司,如果没有人能说清楚"什么样的表现对应什么样的回报",晋升全靠"领导觉得你不错",这种模糊本身就是内卷的温床——因为当标准不清晰时,"多干、多露脸、多表忠心"就会成为默认的竞争策略。
  • 看竞争是否有边界。 正常的竞争有终点:项目结束了,晋升到位了,目标达成了。恶性内卷没有终点,因为比较基准会随着所有人的努力程度同步上移——今天的"努力"是明天的"及格线"。

如果你在一家公司同时符合以上三条,那问题大概率不是你不够努力,而是这个系统本身就没打算让你"卷赢"。这时候,离开,也是一种破局。

写在最后:别把系统性问题,全算到自己头上

如果你身处内卷里,焦虑、疲惫、怀疑人生,这都很正常。

因为你面对的不是“你不够努力”,而是一个会把所有人都推向极限的系统。

我想送大家一句不太鸡汤但很实用的话:

当你发现自己怎么努力都不对劲时,能怪别人就不要怪自己了,这大概率就是规则出问题了。

很多人把困在内卷里的原因归结为"自己不够努力"。但这篇文章想说的是:当系统本身就是零和的,努力只是让你在原地跑得更快。

规则才是大多数人真正的天花板。看清这一点,不是让你躺平,而是让你在使劲之前,先看清楚自己在用力推哪堵墙。