一、AI 带来的工作状态变化

1. 忽视：AI 爆发前，VS Code 上流行一款代码补全插件 Tabnine，体验较差，延迟高、准确率低，几乎没用。
   
   

2. 关注但不重视：ChatGPT 刚出来时，代码能力一般，还喜欢一本正经地瞎编。
   
   

3. 重视但非主力：2023 年 ChatGPT-3.5/4 时期，AI 开始帮我解决实际问题，但 Google、百度、Stack Overflow 仍在重度使用。
   
   

4. 依赖：25年上半年用 Gemini、ChatGPT、Claude 等国际模型，下半年至今主要用豆包、Kini、MiniMax 等国内模型。AI 已成为重要生产力工具。

AI 已经达到了很高的水平，现在已经是我重要的生产力工具：

1. 代码自动补全，带来效率的提升。

2. 问答模式，基本取代了搜索引擎。使用国产模型后，几乎不再需要翻墙。

页面开发(主要是页面样式)曾是我最回避的部分，觉得既浪费时间又缺乏技术含量，但 AI 却在这方面如鱼得水。

遇到的问题

遇到 AI 幻觉，会陷入错误死循环，导致花费大部分时间 debug；工作中只完成部分功能，对生成完整、复杂的项目持审慎态度。

二、AI 带来的心理变化

第一阶段：焦虑

一本书 AI 只需要几十秒就能完全理解，人可能需要几年才能消化完所有知识点。意味着新手有 AI 的帮助，老手的技术壁垒会被迅速打破，原先需要几年在工作中才能深刻理解的知识点，可以借助 AI 轻松讲解甚至给出更好的方法，多年的工作经验在AI面前不值一提。我体会到了智能手机普及父母一代被淘汰的无助。

第二阶段：反思

AI 的使用效果，很大程度上取决于使用者本身。生活中细心的人，工作中也会严谨。

表达能力：提问要言之有物，时间、人物、地点、事件。不要说"我遇到了一个问题"，而要说"我在 xx 项目遇到 xx 报错，日志时间 xx，设备编号 xx"。

处事态度：遇到问题要刨根问底、钻牛角尖。要了解需求是什么、AI 用的方案实现了什么、怎么实现的、为什么要这么实现、这种方案与预想中的另一种方案的优势在哪里、有没有更好的方案。所有方案的优缺点对比，归纳总结各种方案的应用场景。

懂得反思：从 AI 中学到的知识如何消化、如何应用。

持续学习：承认自己的不足，借助 AI 提升自己。

擅用 AI，不仅不会被淘汰和取代，反而会拉大差距。

第三阶段：释怀

AI 不是万能的，不能有了 AI 就放弃学习。

疫情结束后，我大概经历了两年瓶颈期，感觉技术一直在原地踏步。直到23年的一天，知乎看到一篇网络通讯有关的文章，有一条评论仅有二三十个字的技术方案关键词，让我茅塞顿开、醍醐灌顶，借助查阅资料和 AI，组合整理了十几套新方案，感觉上了N个台阶，直接跃升到新高度。

有句话是"人永远赚不到自己认知以外的钱"，人会被自己狭隘的认知禁锢，只能不断从外部获取知识。一旦放弃学习，连问都不知道从何问起。

黄毛想象宇宙战争，是开着宇宙飞船来地球拿砍刀与黑社会对砍。刘慈欣则会想象出二向箔、水滴。认知的差距，决定了想象力的边界。

认知有限的人，再好的工具也只会用出有限的效果。

三、其它一些思考

理性看待 AI 工具的营销

OpenClaw 衍生出了港大的 Nanobot、Kimi 的 KimiClaw、MiniMax 的 MaxClaw、阿里云的 CoPaw、火山引擎的 ArkClaw、腾讯的 WorkBuddy、小米的 Miclaw 等等。这些工具虽然在宣传上引人注目，但并没有带来革命性的创新，很多场景对普通开发者来说实用性有限。云厂商推出这些工具的目的，很大程度上是为了推广其云服务和卖Coding Plan。

四、最后

永远给自己留后路，永远做好最坏的打算。

我不是那种能孤注一掷的人，做不到海明威那种为了建游泳池花光最后一分钱的魄力。居安思危，永远留好存粮——包括存款和技术储备。技术储备要始终保持前瞻性，要把公司需要的技术远远甩在身后，永远领先于岗位需求一步。

在 AI 时代，需要不断提升判断力、创造力和批判性思维能力，这些是目前 AI 还无法完全替代的核心竞争力。