AI版——《答案越便宜，问题越贵》文字稿
今天第一次刷到央视财经这期节目的预告时，我忽然想起上个月教朋友用 AI 时说过的一句话。 我当时说：未来的人会被分成三种——不会用 AI 的人、会用 AI 的人，和用好 AI 的人。 说来也巧，我那次正是在教他怎么在 workbuddy 上写提示词、怎么把自己的需求准确地讲给 AI 听。
但现在，我想把这个论点再往前推一步。
因为 AI 时代，答案很便宜，问题却很昂贵；执行很容易，判断却很难。“会提问”才是这台时代的发动机，而“知识”，就是喂给它的燃料。 于是我得出了一个全新的结论：人并不会被“不会用 / 会用 / 用好 AI”这样过于简单的标签一刀切成三类，而是在两种状态之间来回滑动——第一种，是被 AI 牵着走；第二种，是把 AI 纳入自己的“学习—验证—创造”循环里。
我觉得这两种状态我们每个人身上都同时存在，只是哪一种多一些、哪一种少一些罢了。明眼人都看得出来，第二种状态占得越多当然越好。那么，怎么让自己更长久地待在第二种状态里，就成了我们真正该关注的重点。 那下面，我把它归结为三点：
第一，组织问题的能力
这里说的不只是口才，而是知识、目标、判断和经验综合在一起的能力。当我们只是对 AI 说一句“帮我写个方案”，那不过是在让它当我们的代笔；而当我们会说“我的目标是 X，受众是 Y，约束是 Z，成功标准是 A，请给我三种策略，各自的风险、需要验证的数据，以及能推翻它的反例”时，才算是真正把 AI 当成了一个思考的伙伴。要做到后者，脑子里得先有一张地图：知道问题出在哪、什么才算好答案、哪些方向是我们不想要的。马斯克反复强调“广博的知识面”，它的真正作用也正在于此——它让我们知道该问什么、不该信什么，而不是让我们只是把答案死记硬背下来。
第二，“广博的知识面”其实是可调用的知识网络，加上更准的判断力
AI 能帮我们拓宽广度，但人必须自己往上顶出深度和品味。没有深度，你分不清 AI 到底是在帮你、还是在忽悠你；没有广度，你又很难跨领域做连接、提出新问题。所以未来更吃香的，是“T 型”的人：在一两个领域扎得足够深，同时在多个领域都摸得到门道。深度撑起了判断和验证，广度则让我们问得出好问题。
第三，与其把人分成三类，不如看作一条动态的光谱
我原来那“三种人”的划分其实太狭隘了。真实世界里，它更像一条不断变化的光谱：同一个人，在熟悉的领域可能就是个“用好 AI 的人”，到了陌生领域却也许只是个“会用 AI 的人”。而且工具本身也在进化，今天还算本事的“会用”，明天可能就成了人人都有的基础操作。真正拉开差距的，从来不是某一刻你会不会用，而是你能不能搭起一个学习循环——学习、提问、实践、验证、反思，再学习。 所以，勤于学习很重要，但“学什么、怎么学”更重要。
如果只是在囤积信息，AI 比我们所有人都快——说到底，全人类已有的知识和信息，其实早就被 AI 读过了。但你学的如果是如何验证、如何拆解、如何构造反例、如何把 AI 嵌进自己的工作与生活，那才叫真正让 AI 为你所用。 在我看来，能用好 AI 的人，往往有这么几个习惯：把 AI 当成陪练和反对者，而不是一台答案机；习惯性地要求它给出信源、反例和思辨；清醒地知道自己是自己的第一责任人，愿意为最终的判断结果承担后果；也懂得把重复的流程模板化、工具化。 因此，现在的我不会再把人简单分成“不会用、会用、用好”三种了。勤于学习是底线，但更完整的分水岭是：会提问、会验证、会整合、会负责。而在“勤于学习”前面，我还想再加四个字——善于反思。
写在最后
大家好，我是 Samuel时不时好奇猫，这个账号是我的“AI版”小号。我的大号主要是分享硬核的塔科夫整合包； 最近半年，因为要用 AI 去调试整合包、写 mod，我对 AI 的认识也逐渐深入，攒下了不少心得体会，也在使用中收获了很多便利与成长。所以，我很愿意把自己学到的这些，分享给我的朋友、我的粉丝，还有正在看视频的你们——于是，就有了现在这个账号。 这个视频作为账号的开篇第一条，就是想开宗明义地讲清楚我对AI的态度，以及我眼中未来 AI 时代的一种趋势。我也已经为后面的内容做了大致规划：会再讲几期与 AI 相关的思想类内容，还会开一个系列教程，详细介绍我目前正在使用的 基于Opencode搭建的vibecoding开发环境和我自己积累构建的工作流。希望大家能给这个新账号一个关注，也请多多一键三连。
如果你对我这期视频的内容有不同意见或想法，非常欢迎在评论区一起讨论。毕竟我只是一个刚刚深入了解并使用 AI 不过半年的程序小白，说的未必都对。谢谢各位。
那么，我们下一个视频见，拜拜。
Samuel是不是好奇猫