转眼到六月了，我已经很难用“进步”两个字去形容这半年的变化。更像是：昨天还在用的一套方法，今天醒来发现那套方法也没错，但就是显得特别笨。笨的有点好笑。

去年一个前端问题把自己折腾到崩溃。描述起来不难，难的是解决的过程：在不同的 AI chat 之间来回切，把组件代码一段一段复制进去，问一句贴一段，再补一句再贴一段。那时候的感觉很清楚——AI 是聪明的，但你得“喂饭”，还得喂得很小心，喂乱了它就开始一本正经地胡说八道。现在回头看，当时我更像是在当人肉接口，把上下文一点点搬过去。

今年不一样了。我可以把一份七千行的 Rust 代码直接丢过去，不用裁、不用交代背景。它就能很快定位到问题。以前我满脑子都是“是不是我没描述清楚”，现在更多是“我到底想让它帮我做到哪一步”。这两个问题的心态差距是：担心它误会还是担心自己没想明白要什么。

AI工具这半年用得最多的是 Trae 和后来的Trae Solo。免费试用那段时间我狠狠地薅了一波羊毛，这里要感谢字节；免费结束后价格有点顶，我就换成 Claude 搭配DeepSeek的API，用起来成本少了很多。

一开始我还挺谨慎，担心deepseek的模型质量：同一个问题会丢给两个模型，让 Claude 做对照验证，像找几个同学对答案。后来发现没必要，这个方案还是靠谱的。

AI音乐的冲击，是另一种形式袭来的。

我喜欢它收藏它，然后刷到评论区一堆人说“这也太像 AI 了”“这就是 AI 生成的”，我才反应过来：原来已经到这一步了。

更夸张的是，最近我收藏的新歌，十之八九都被人说是 AI 做的，而且听感上确实有一种共同的“熟练度”：唱功稳得离谱，编曲很满但不乱，效果器用得多还准，人声和电音融合得自然，拟声词也用得比较多，但不尴尬。以前这些往往是顶级制作人才有的产品。

我对 AI 音乐的态度很简单：开放，而且欢迎。好听就是好听，不应该先盘问它是不是“AI生成的”，怕是是AI让AI生成的我也不在乎。上一次让我循环停不下来的中文歌是《别搞 - edo》，最近是《有点老了 - 祺夜》。英文歌也收藏了一堆：Old Mcdonald had a bar、you problem、Lord i'm cracklin'、VALHALLA CALLING……当时听的时候没想那么多，后来才发现最近这些“似乎”都是 AI 来的。

有人排斥 AI，我能理解。但排斥其实有个前提：你还分得出来。这个前提还能撑多久？应该不会很久。等分不出来的时候怎么办——靠感觉吗，靠立场吗？那就更像是在给自己找个姿势站着，而不是在讨论作品本身。

创作不止是“从 0 到 1”，现实里 99% 的创作都是在拼：拼经验、拼素材、拼结构，把现有的东西重新组合出新的表达。这个环节 AI 太擅长了，它就是干这个的。

反而是剩下那 1% 的东西会越来越显眼：品味、判断力、你知道哪里应该删、哪里应该忍住、哪个角度不对、哪里该留白。以前这些东西经常被执行细节淹没，现在执行变得太容易，差距反而更集中在“你到底想做什么”“你为什么要这么做”。

以前的知识学习，很大程度上是依附于人的：某个老师、某个课堂、某个体系。课堂是 1 对 N，你跟着走。没听懂不敢问，问了怕丢脸，一整套习惯都围着“人”建立起来。有些所谓的学习，其实是在表演认真、表演谦虚。

现在这套结构被打断了。你不再需要依附某个人，可以直接跟一个不会不耐烦的老师 1v1 对话。你问三遍，它不叹气；你问得很蠢，它也不翻白眼。变成你的节奏，不是班级的节奏，目的只有一个：完全的服务于你。这对很多不适合课堂的人来说，是救命的变化。

但对另一些人来说，会很别扭。那些习惯“善为人师”、把知识当筹码的人，处境确实变了：你珍藏的东西突然对世界开源了，教学方式如果不更新，剩下的就只剩权威姿态——像在守一座没人需要的城墙。

当然，这对学习者也有了新的要求。以前课表推着你走，同学陪着你走。现在没人推，全靠自己。AI 给你 1v1，但不能回答你要什么。

“我还能分辨哪些是 AI”的安全感，保质期可能比你想的短。短到你还没来得及适应，它就已经过期了。

Take what you can get and ask for more.