文章

今天想分享一个近期很有感触的社会学观点，也就是项飙的等级式平等主义和参与式立场。我目前觉得它对我的震撼很大，让我对社会中的不敢退场的行为豁然开朗，堪比布迪厄对教育与阶级再生产关系的思考让我彻底看清优绩主义。

我会先用几个段落介绍这个思想，然后讲述自己的相关想法。

项飙用一个大专老师的疑惑引入这个问题。这个老师建议学生不要一心学习，也要多花时间享受友谊。但他的学生似乎感觉被冒犯，学生说，不是所有人都像老师你一样是深圳本地人，有那么好的条件，而且现在也不是你当时那个时代，他们是县城的人，只能更加努力才能留在深圳这个城市。这个老师就很困惑，为什么这被视为居高临下展露优势的冒犯，为什么年轻人这么敏感，甚至到了自我伤害的地步。

项飙总结，年轻人持有一种观点是“社会是不平等的，所以我别无他法，只能顺应这套体系，在这套体制中出类拔萃，最终逆袭，得到优秀的地位，才能获得平等尊重”。这当中出现了极为有趣的错位，被称为等级式平等主义，即人们极为批判不平等问题，却觉得“谁最优秀，谁就能获得最多社会资源”的社会模式“理所当然”，甚至极为推崇等级制度。

他认为，那些深圳大专的学生是以“参与者立场”置身其中，最关键的问题，是“我如何从中获益”。所以理智的对这套游戏规则和不平等的反抗，屈服于参与游戏从中获利的愿望。而对自己的弱势地位的强调，成为某种对自己的激励。

社会，尤其在2000年以后，变得越来越总体化。总体化的意思是抹平不同选择的差异，使得更多的事物能被划入统一量尺下进行比较。比如房产会分一线二线三线；学校都是综合性大学，以排名来划分级第。多样性被这种总体化的等级体系取代，衡量优秀的标准变得越来越单一，所以竞争更加激烈，不平等变得更加尖锐，失意者越来越多。

也就是说，大家明知道这条内卷的路不对，但人们却置身其中，无法停下，只能不断参与并强化这个社会结构。

项飙最后问大家，这种社会结构终究会到一个阶段，你会看到现实在抵抗你的努力，你再怎么投入都没有收获了。如果真到了那一天，甚至那一天其实离我们不远，我们该以什么样的不同方式思考和行动？

我也想从一个身边的故事开始讲我的想法。

我在互联网工作，认识了很多互联网的朋友。有人跟我抱怨，他的工作压力很大，很想辞职，但是他觉得环境很不友好，担心如果他出去gap一年回来，想必找不到岗位了，所以他要继续坚持工作。另一个朋友说，由于他刚刚跳槽，觉得再跳槽会不符合外界期待的稳定性标准，所以再在这里“忍辱负重”一年。

这些都是生活中很常见的例子，我觉得这是等级式平等主义和参与式立场对我们更近的体现。朋友是在“收入”这个大家公认的维度上，经过长期的竞争中好不容易达到了这个地位，或者他觉得自己还没有达到自己想要的地位，于是他用不gap、不频繁跳槽，来向等级制度证明自己的顺从，参与游戏从中获利。

而由于总体化，更多人都在这一把单一的量尺下有自己的位置，这个评价体系被赋予了越来愈多的意义，很多方面的优秀认定、资源分发都被糅合在一起。离开这套评价体系，人们会失去包括但不限于收入本身、社会排名、社会排名劣化导致的资源减少，这加深了对失去的恐惧，反过来又强化了对体系的参与。

我看到的是，年轻人并非愿意内卷，而是由于以参与式立场，进入这个被总体化的等级制度，被等级式平等主义驱使不得不参与内卷。

我们这些被迫参与竞争的人，会更容易听到项飙的那个振聋发聩的问题——如果现实在抵抗你的努力，你怎么办？

现在内卷的收益肉眼可见在不断降低，那些把人生孤注一掷到努力上的学生会很难受，它加倍努力，可能并不一定会更加优秀（这跟文化资本有关），优秀也不一定会带来更好的资源分配（这跟平等有关）。努力就有更多资源并不是每个社会阶段都为真，努力就有更多资源也不一定对社会是件好事。

我个人从项飙另外的思考中找到了一些方向，跟大家一起讨论。一个想法就是关注附近，关注每一天的生活。积极去跟身边的人事物互动，在这种精神的链接中找到人的锚点，而不是沉迷于宏大叙事或者私人焦虑。要主动参与，就要主动构建一个我们身处其中的具体世界。

我最近疯狂迷上了1in8b游戏。这是个近期很火的人生模拟游戏，大致就是分配给你一名随机降生的小人，然后在人生的分岔口进行一次次选择，和这个小人一道走出独属自己的一生。

在沉迷地玩了一个下午后，我产生了一种好奇：作为真实的人类，我在成为今天的我的过程中做出了一个个选择，那么那些做出另外选择的我，在2026年的今天，是什么样的。

以及随之产生的越来越多的好奇，比如读书、出国、投资全球股市，这些行为具体会取得多少收获？出生在不同的国家、不同的时代会有什么变化？健康饮食、按时体检、购买保险，会让生活有什么不同？

我决定用模拟器进行大数模拟，即使结果只代表这个小小的模拟世界，但看看它会怎么发展，本身也很有趣。

我让codex分析了相关代码，将模拟器本身在本地真实运行模拟，通过对不同随机种子的多次运行，制造试验间的对比性。

15 份主报告，合计模拟了 235,000 轮，也就是 23.5 万次完整人生。每一个人都是模拟器真实运行的结果。

分享几条我觉得有意思的报告：

同样是 2002 年出生，24 岁时大家过得怎么样？

——在模拟的全球同龄人中，活到 24 岁并留下记录的人里，约 23.9% 拥有大学及以上学历，38.1% 已婚，26.7% 已经有了子女

出生在不同国家，65 岁时的资产能差多少？

——中国、日本、尼日利亚出生组里，活到 65 岁者的净资产中位数分别约为 181.8 万、138.2 万和 4.3 万元

出生年代不同，同样的一生能差多少？

——在模拟的中国组里，1950 年出生的人，平均寿命是 53.1 岁；2020 年出生的人，则是 84.3 岁

全部实验报告、看板和数据都已经公开，开源到了 GitHub。如果你也好奇，可以直接进去页面，挑一个问题，看看小人最后过上了怎样的一生。

查看实验报告与看板

part1 置身事内

我想先分享最近观察到的几件跟职场有关的事——可能在你的生活中也有类似的事情发生。

一是一位我关注的职场博主近期经历离职和求职，现在在新公司短暂工作后，发现大厂都是一个样，决定永久离开大厂。二是我跟朋友们聊天，谈起未来，发现大家的目标相当一致，都是准备攒够一些钱然后fire，去做自己喜欢的事。三是不止一位朋友向我反馈，说干活越来越依赖 AI，开始担心自己被替代，认为自己的工作干不了太久。

我总结，我们处在这样的职场环境：人们对手上并不令人满意的工作又爱又恨，有无数个理由离开，但被束缚于工作提供的东西；人们享受着使用ai让自己工作轻松，也忧虑于这种ai使用对传统工作的摧毁。

我自己也在大厂，我每天思考或者经历的事跟大家也很一样。我好好研究过fire，跟朋友们一起测算fire指标，并且减少无用消费；高强度使用ai，消耗大量token工作，并且体验各种各样的ai产品；思考未来退路……

某种意义上，我们经历的，是很多人共同经历的事情，我们的痛苦和挣扎都是互通的。

part 2 工作为什么让我们难受

在我看来，至少有两种张力。

第一种在文化上：我们对生活的期待正在变化，但工作仍然决定着一个人的收入、身份和社会位置。认识陌生人时，我们通常会问对方做什么工作，因为工业社会以岗位、工作给人定序和衡量价值，职业是一个人相当重要的属性。离开工作也因此不只是少一份工资，还可能意味着失去熟悉的生活秩序，甚至不知道该怎样介绍自己。这些真实的代价，让人即使不满意，也很难离开。

与此同时，我们又越来越多地看见其他生活的可能：有人攒钱 FIRE，自由职业，把时间用在自己喜欢的事情上。至少在我和朋友的聊天中，稳定的工作和持续晋升，已经不足以概括大家对未来的期待，更何况这些东西在互联网增长停滞的时代越来越被视作画饼。人们开始更认真地考虑自己的兴趣、时间和感受，但维持生活所需的收入，对下一次求职的恐惧，以及承受不起离开带来的闲言碎语，仍然把我们留在原来的轨道上。

第二种在组织上：AI 正在扩大个人做事的能力，而许多组织仍然沿用原来的分工和管理方式，反过来打压了积极性。在我熟悉的大厂里，工作围绕岗位、职级和汇报线展开。这套偏控制的手段能够协调大量的人进行生产，但也让人习惯于只负责其中一小块、只对上负责，并通过绩效评价定义自己的价值。长期处在这样的关系中，人很容易把注意力从把事情做好本身，转向如何满足上级的评价，这正是一种异化。

公司可以让大家ai提效，或者新增一些ai业务，但很难让整个组织完成根本的转型，因为根本的问题——谁提出问题、谁决定做法、谁评价结果、执行者能否拒绝无意义的要求——难以被触动，那异化就依然存在。

毕竟如果工具带来的变化只被用于提高产出，而执行者依然缺少决定做什么、怎样做的空间，那么提效未必会带来轻松，未必让人更喜欢工作。

part 3 乐观的终局：当劳动不再被异化

ai的发展，往悲观说，是会把人从社会化分工中强制性剥离，把人排除出收入与社会参与的渠道，进而让个体失去相应的经济基础和社会锚点，在物质和精神上失落。但另一个角度，ai带来了巨大的生产力提升。乐观地想，如果能满足人对物质和精神的需要，那么退出大厂工作未必不是一件好事。

我觉得“满足物质和精神的需要”需要两个方面的变化，都涉及社会层面的相当大的改变。

一是物质上，需要改变分配方式。AI 有可能让社会用更少的人力生产更多东西，但增加的财富不会自动变成每个人的生活保障。如果一个人因为 AI 失去工作，也失去了主要的收入来源，那么即使社会整体变得更富裕，他的生活也可能更加困难。因此，我们需要讨论，基本生活保障能否减少对就业的依赖。一个热门的思路是UBI，即全民按月获得基本收入，满足人们的基本物质需要。

二是精神上，需要重新发现人的价值。现在的价值观是以生产产品的能力定义一个人，“赚钱能力”成为了一个人相当重要的属性，如果劳动力变现的能力弱，就在社会地位上不利。这使得人们不敢去做自己喜爱的事情，而总是要为了外界的看法做能获得世俗回报的事情。而真正理想的状态是消除金钱对劳动的异化，人们不根据经济回报选择活动。

我相信社会会逐渐变化。提供物质保障，为自主选择提供空间；支持更宽容、多元的价值评价，让不以高收入为目标的选择获得尊重。而在逐步获得这些支持后，人们会更敢于退出和拒绝；而工作也会更以人为本，用更大的自由度和意义感来吸引人，让人真正感受到工作的价值。

朋友跟我抱怨了个幸福的烦恼，说觉得程序员这一行干不长久了，他用 Astra 一天就把 OKR 的一个 O 给干完了，每天上班就是给 Codex 下命令，人在一旁玩手机。

我开玩笑说，这说明他 AI Native，其实反而在老板眼里更加值钱了。

我自己也是这样。每天白天学习感兴趣的东西，刷刷推特和 Github 看看 AI 趋势；晚饭前研究下业务和需求，把 AI 任务跑起来；晚上健身时 remote 操控 Codex 跟进进展；睡觉前跑几个长程任务第二天起来收菜。

不要为未来可能打翻的牛奶哭泣。至少在今天，AI 提效已经让程序员享受到了凯恩斯口中的，生产力提升带来的工作时长的降低。凯恩斯在 1930 年预测 2030 年，人们每周工作时长会降低到15小时，平均每天3小时。目前我的体感上，实际有效工作时长跟这差不太多；但另一方面，呆在公司上班的时间却非常长。

很多人过上了稍微好一点的日子，会担心老板发现员工提效，进而给每个人工作分配更多的工作，并且裁掉一些员工。这种事情确实在工业社会里反复发生过无数次，省下来的时间、提升的效率都进入了老板的腰包。

但其实我对未来蛮乐观的，我相信这种恶性循环会在我们这一代终结——也许是我配得感比较强。

如果 AI 正在改变工业时代的经济规律，那工业社会的组织形态和分配方式，也会出现新的变化。AI 的革命，会颠覆工业社会，就像工业革命颠覆了农业社会的那些生产方式和生活方式一样。我们今天熟悉的公司组织形式和科层式管理，以及很多被认为颠扑不破的事情，或许在时代的车轮面前一触即破。

在 AI 发展的浪潮中，会有更 AI Native 的组织形式，解决很多问题——比如不喜欢去公司上班。

我看到的一个形式是硅谷目前流行的 neo labs。 neo labs 主要就是强调精干团队，针对一个问题按照使命和愿景凝聚在一起，一起做研究。可能未来更普遍的形态会是一个个六边形战士在一起联创合伙人企业，做市场需要、自己认可的事情，找回劳动的意义和价值感。而在这样的组织中，人们能更自由发挥人的创造本能，而不仅仅是社会化大生产的一个齿轮。

回到程序员今天的幸福的烦恼，我觉得以后的幸福还会更多，不要着急，慢慢来。

发现有朋友不知道什么是 UBI，我一定要给大家讲解一下这个我认为在 AI 时代非常值得争取的经济制度。

一、UBI 是什么？

UBI 全称 Universal Basic Income，通常译为“全民基本收入”。简单理解，就是在规定的覆盖人群内，无论有没有工作、收入和资产状况，每个人都定期收到一笔同样金额的现金，不需要证明自己贫困，也不需要证明自己在努力工作，也不需要以规定的方式支配。

二、为什么不根据个人情况精准发放？怎么有钱人也领钱？

因为“精准”本身也有成本。政府需要核实收入和财产，申请人需要准备材料，还可能漏掉真正需要帮助的人。普遍发放可以减少这些摩擦，降低行政成本。

当然，“人人都领钱”不等于“人人都占到同样的便宜”。有钱人的确也领取收入，但如果在税收中承担更多费用，收益依然比普通人要少。

三、为什么讨论 AI 时，总会提到 UBI？

AI 从业者和社会活动家通常关心一种可能：如果 AI 和自动化让社会生产更多东西，却不再需要那么多人参与生产，人们要怎样获得生活所需的收入？尤其是 AI 的发展日新月异，可能在不远的将来，只需要AI加上极少量的人，就能生产出供所有人消费的物质和文化产品。

包括其实今天就有越来越多的人感受到 AI 带来的冲击，并感到焦虑，如果 AI 真的沿着这个道路造成普遍失业，最广大的人们如何生活，是值得思考的话题。AI 带来社会总财富增加，如何最终作用于每个个体。

UBI 提供了一种思路，让人通过就业以外的形式获得 AI 发展的红利。有了这笔基本保障，人们可能更有条件把时间和精力花在自己认为有意义的事情上，而不必为了生计被迫从事自己不愿做的工作。

四、不工作也有钱，是否符合工作伦理？

工作伦理其实并不是天经地义的。在今天的社会里，工作不仅是获得收入的方式，也常常是一个人社会身份的锚点。我们习惯了通过职业认识一个人，也习惯了要求每个人靠工作养活自己，甚至把有没有工作、挣多少钱，当作判断一个人是否勤奋、是否有价值的标准。

但劳动和收入并不完全对应。照顾孩子、照护老人、参与社区事务，都是有价值的劳动，只是未必得到市场报酬。如果所谓的工作伦理，只承认能挣到钱的劳动，最后又用收入高低衡量人的价值，那它就很容易变成庸俗的拜金主义。

如果未来 AI 和自动化能承担大量生产，让社会不再需要所有人都维持今天的工作时长，那么我们也必须重新讨论工作的伦理。

人需要劳动，但这并不意味着，每个人都必须靠出售自己的劳动来换取生存资格。在 UBI 下，人们依然可以工作、创作、照顾他人，也更有条件去做自己喜欢、认为值得的事情，不必只依靠外界的金钱回报定义自己的价值。

五、人人发钱是否会造成通货膨胀？

有可能，但不是发钱就必然造成同等幅度的涨价，更不是人人都发钱等于人人都不发。

同样一笔钱，对低收入者和高收入者的意义并不一样。如果向所有人发钱，不论是通过税收重新分配收入，还是直接新增货币发钱，都可以让购买力向低收入群体倾斜。即使物价有所上涨，只要一个人获得的净收入增加，超过了生活成本的增加，他的生活仍然可以得到改善。

通胀的另一个可能来源，是 UBI 让部分人减少工作，导致供给下降。但如果我们讨论的是 AI 已经能广泛替代人类劳动的情景，那么这部分影响可能不如设想的那么严重。

六、资金来源是加税还是砍其他福利？

两者都有人提出，也可以结合公共资产收益等来源。UBI 本身只规定怎样发钱，并没有一套统一的筹资方案。

如果沿着前面 AI 替代大量劳动的设想继续推演，那么一个自然的方向，是通过税收或公共持股收益，把一部分自动化带来的收益用于全民基本收入。

七、是不是只有 AI 造成大规模失业，才需要讨论 UBI？

不是。即使没有普遍失业，收入不稳定、人们不敢离开糟糕的工作、就业的结构性错配，也已经是我们社会的现实问题。AI 让分配问题变得更迫切，但我们不必等到大规模失业发生，才开始讨论生活保障。

面对环境的变化或者调整，那么仅仅要求劳动者个体继续学习、适应变化，就等于把成本都压在个人身上，也很难让人在忙碌中发现自己的独特的价值。所以在我们探索建立更美好的社会的过程中，我相信UBI是一个手段。

一个月前，从杭州回北京前，我在上海和杭州见了很多朋友，朋友们（尤其是在上海的朋友）很不解，觉得北京的生活舒适程度不如上海，学院路没有大学路chill，即使考虑到我在北京读大学，在北京还有很多朋友和同学，回京也只是从不可接受变成可以接受。

我觉得大家都没有错，只是侧重点不同。我的朋友们很多不考虑离开长三角，所以上海是大家的幸福老家，更何况上海的街道和商业中心很精致，逛街很开心，还有很多朋友可以约出来一起玩，总之城市体验很好，便利与松弛，很适合生活。而北京主要是具备就业优势，以及在文化和艺术方面有非常多的资源。

这些文化上的资源，包括但不限于电影博物馆、电影资料馆的电影；天桥的音乐剧；故宫、国博，以及各种其它博物馆艺术馆时不时举办的展出；超多专业级体育设施；鸟巢的音乐会……总之，北京的人、机构和资源密度形成了普通市民也能享受的“北京的福利”。而且，北京有很多人，有人就有故事，就有更多能从事的有趣的活动。

北京资源密度很高，但使用资源的摩擦也很高，要是天天待在郊区，那其实没有什么意思。我这次决定更好地利用北京的资源，每到周末就到处出发，着实让生活非常充实。

而且，事实上一个月里，北京的日常生活给我留下了超级多值得回忆的瞬间。在夜幕下坐在五道口的公交站台吃冰淇淋，看面前的车水马龙；在华清的酒吧转场；在秋天的胡同 city walk，拍照走走停停；在三联书店晒着太阳看一下午的书。

我也不否认北京存在很多老生常谈的问题，比如气候、通勤、长期居留。但我想表达的是，它的一些禀赋，主要是文化、体育和社交资源上的，对有的人来说，真的是相当的加分项，不要因为扣分就忽视了这些闪光点。

城市选择是人与城市能否互相适应。我自己也喜欢上海的生活节奏，我也觉得西岸很artsy，在黄浦江边看着三件套办公很metropolitan。只是可能另一种生活，对于喜欢文化和喜欢和朋友在一起的我，也很适合。

最近跟一位刚入职新公司的朋友打电话。他跟我说，发现新工作好像不太适合自己，正在考虑辞职，却又纠结刚入职就离开，会不会影响未来的稳定性。

我在想，这种把工作看得太重，将它过度神话，过度赋魅，甚至为了一个还没有发生的、关于未来稳定性的担忧，让现在的生活痛苦，这是不是一种舍本逐末呢？

我们以及这个社会赋予了工作太多意义，很容易让人把自我认同等同于社会地位和个人价值，绑定在自己的工作身份上。似乎工作顺利，人生就走在正轨；工作不顺，人生的整条路就都选错了。

我觉得，人是最终的目的，工作只是生活的一个组成部分。钱、职位、名声，本质上都是手段；真正不可逆的是已经被消耗掉的时间。

对于工作，我会说，工作，好吧，它的确是我生命的一部分，在我的生活中占据很大比重。但它像休息、娱乐一样，不过都是让我花一些时间，给我一些感受，最终服务于我的人生体验。

我们总讲 Work Life Balance，仿佛“工作”和“生活”是两个容器，然后我们努力让两个容器达到平衡。但我不觉得人生真能像《人生切割术》一样，被切成工作和非工作两部分。工作本身就是生活的一部分。工作的快乐与否，也会直接决定今天是不是美好的一天。

我觉得人需要的是长期地过好这几十年，带着心气感受每一天，而不是被目标异化，着急地向前达到某个目标，又冲向下一个目标，一直追着挂在驴前面的那根胡萝卜，相信“等 xx 了就好了”。

我不想今天过着自己不喜欢的生活，只为了未来的某个时刻被许诺的另一种生活。

我觉得，人是最终的目的。工作是生活的一部分，不要神话它，也不要妖魔化它。我们拥有的，也是所有人公平地拥有的，只是一天24小时。生活就在那里，重要的是怎么填充它，赋予24小时不一样的深度和色彩。既然每天只有24小时，我会更在意它们到底被什么占据。我不想长期过着自己不喜欢的日子，只指望以后再弥补自己。

所以我也没有直接劝朋友辞职或者坚持。只是，可以把工作当成生活的一个属性，一个普通的、剥离了社会的赋魅的属性进行考虑。如果把工作从那些社会赋予它的意义中剥离出来，只看它作为你生活的一部分，你愿不愿意过这样的每一天？

在我的24小时里，有太多的事情要做。它们有时候互相帮助，有时候就是互相抢时间，我也没有找到一个永远正确的平衡。但我目前觉得，还好，这就是生活。

【以下涉及关键剧情】

今天去影博看了《奥德赛》的 IMAX GT。

看完以后，我印象最深的并不是某一场战斗的场景，也不是奥德修斯最终有没有回到伊萨卡，而是诺兰反复讲到的，贯穿全片的“宙斯的宾客之道”。

我看到诺兰想要探讨的核心，是这种“宾客之道”在今天的逐渐消逝，或者说在今天的现代化生活中，包括国际局势下，文明和道德的礼崩乐坏。

在《奥德赛》呈现的理想秩序里，陌生人来到门前，主人应先给他食物和栖身之处，再问来历；客人也应尊重主人，不能滥用款待。用中国的观念类比，就像当一位君子，有所为有所不为。

在《奥德赛》的时期，人们在一点点失去这种东西。在诺兰的叙事里，这种道德秩序的瓦解，似乎也与青铜时代的终结形成了某种呼应。影片里，几乎所有人都在破坏宾客之道：阿伽门农把战争包装成正义，奥德修斯把木马包装成礼物，求婚者把别人的款待当成理所当然。

通常，人们歌颂英雄，就像剧中伊萨卡宫殿内的吟游诗人一次又一次重复“一个脸孔，一支舰队，一场战争，一个人，一个念头，一条计谋”，用六个词语讲述奥德修斯的史诗，歌颂伟大。

但诺兰的奥德修斯，不是扁平化的智取特洛伊的阴谋家，他更像是意识到自己伟大下的阴影的英雄——诺兰更关注传奇故事发生之后的奥德修斯。他会愧疚于自己的计谋对公共美德的破坏，并且反思，或者用今天更熟悉的基督教语言地说，赎罪。他选择跟大军不一样的路线回家、暴力清算求婚者寻求流放，流露出一种为自己的不洁而自我放逐的倾向。

但不管他如何反思、如何忏悔，他做的事情已经做出来了，世界已经受到它的影响，承诺可以被利用，礼物可以成为骗局，道德可以为了胜利暂时作废，人们再也不能将心比心。这是真正的残酷，英雄可以忏悔，但历史不会因为英雄的忏悔而重来，成功本身可能也是错误的一部分。

文明的瓦解并不是从某一场战争开始的。而是从人们开始相信：只要我能从别人那里得到什么，我就有理由这么做。陌生人不再值得尊重，弱者不再值得保护，敌人不再值得怜悯；承诺可以被利用，规则可以被钻空子，道德只在对自己有利的时候才被遵守。

我们今天当然不是生活在青铜时代。但我们是不是也正在一点点失去自己的“宾客之道”？

我感觉“宾客之道”的意义，就是在人的欲望和利益之外，保留一条不能轻易跨过去的线。而今天，我们越来越擅长为跨过这条线寻找合理的理由。

我们越来越强调效率和利益，习惯先判断一个陌生人“有没有用”：能不能合作，能不能提供资源，值不值得回复。人先被换算成价值，才被当成人。这动摇了把世界、把社区联系在一起的纽带。

我想，宙斯的宾客之道约束的是，当一个陌生人站在你面前，你究竟把他当成一个人，还是一件可以利用的东西。

所谓文明，也许就是在可以利用、伤害、欺骗别人，而且无需付出代价的时候，仍然选择不这样做。

很惊讶，最近有朋友问我，ta 从来没有用过 Agent，怎么才能用上小红书上很火的 gc-minimal-zine-poster Skill 来生图。

这个 Skill 的作用是让 AI 根据你输入的图片或者想法，生成一张有点像日本独立杂志的纸质海报：旧纸张的纹理、大面积留白、不太规整的字体，再加一个很明确的颜色。

这个 Skill 做的事情并不复杂，但从用户的视角，我觉得这种小产品很有意义。因为一个人可能不会因为新模型、更强的参数而接触 AI，却可能只是因为想做一张海报，第一次发现 AI 真的能帮自己把一件事做出来。就是这样一个又一个小产品、小应用，一个个这样的瞬间，AI 才会慢慢走进普通人的生活。

现阶段更值得关注的，是怎么把模型能力封装成产品。“做一件事”和“调用一个模型”是完全不同的体验。前者给人的感觉是：我完成了一件事；后者给人的感觉是：我获得了一项能力。普通人真正愿意反复使用的，通常是前者，一切都要回归到最终的效果上。

之前看到个图，全球八十亿人，只有三百万人高强度使用 AI，六十亿人连 ChatBot 都没有用过，可以说 AI 的普及还处在相当早期的阶段。一张海报很小，但这样的产品多起来，AI 才会慢慢变成更多人生活的一部分。这个转变，是个长期的过程，但我相信它会真正深刻地塑造我们这个时代。

去看《奥德赛》之前，朋友问我什么时候回成都。

我愣了一下。

在以前，离开家只是暂时的。上大学、找工作、去一线城市，都是为了以后能更好地回去。

可我们这一代人，好像不再把回去视作理所当然。

我们不断换城市、换工作、换身份。北京、上海，或许未来还会去东京、硅谷，甚至更多地方。我们把"下一站"当作目标，把不断移动当作成长，也把"不回去"当成一种仍然拥有选择的证明。

---

而三千年前，人类最伟大的史诗之一，讲述的恰恰是另一个完全相反的故事。

《奥德赛》的故事，讲述了特洛伊战争结束后，奥德修斯漂泊十年，经历风暴、海妖、独眼巨人和诸神的阻挠，只为了回到伊萨卡。

真正的奥德修斯，其实并不迷茫。

他知道自己是谁，他知道自己要做什么。他是伊萨卡的国王，是佩涅洛佩的丈夫，是忒勒马科斯的父亲；他知道目的地是自己的故乡。他不确定的只是怎样回去。

对于古希腊人来说，远方可以带来传奇，但只有重新回到故乡，重新成为丈夫、父亲、国王，一个人的身份才真正完整。伊萨卡不只是一块土地，更重要的是那里保存着他的身份。只有佩涅洛佩、忒勒马科斯、老仆人和那条老狗认出他，他的漂泊才真正结束。

---

可今天的我们，很少这么传统地理解人生了。

至少，对很多年轻人来说，人生的叙事正好相反。

离开家乡去更大的城市，意味着更多机会、更好的职业、更丰富的生活。

朋友圈里晒的，不再是谁回到了故乡，而是谁又去了更远的地方。

甚至很多时候，我们会害怕回去，因为回家，好像意味着没有继续向前。

现代社会的价值观，是不断流动。

社会学家齐格蒙特·鲍曼把今天称作"液态现代性（Liquid Modernity）"。

过去，一个人的身份依附于土地、家庭和职业。

而今天，城市可以换，公司可以换，行业可以换，朋友可以换。

我们用移动定义自由，用变化证明成长。

---

人们的”奥德赛时期“，或者说一种“年轻人迷茫”，是一组在传统性和现代性撕扯之中的矛盾：

我们一方面不愿意过早安定，害怕稳定意味着人生定型；另一方面又因为持续漂泊，越来越渴望某种不会轻易变化的东西。

伊萨卡是奥德修斯身份的锚点。在那里，他是丈夫、父亲、国王。

而现代人的锚点越来越少，工作会变，城市会换，关系会结束，职业本身也可能消失。

在这段工作、关系和身份尚未确定时的漫长过渡期里，我们知道自己不愿意回去旧的稳定，又还没有发明新的稳定。

我们的迷茫跟奥德修斯不同：

奥德修斯是路径不确定，但终点确定；

我们是路径很多，终点本身却不确定。

他漂泊，是因为回家的道路被阻断；我们漂泊，是因为“家”已经不再是一个无需解释的答案。

现代化给予了我们比历史上任何时代都更多的自由，却也让我们因此拥有更多漂泊。

我们拥有更好的船、更大的地图和更多可以抵达的城市，却不知道哪一座岛屿是自己的伊萨卡。

---

所以我还是会想：如果我们不会回到物理意义上的故乡，什么才能成为现代人的伊萨卡？

写到这里，我才意识到，这也是我一直面对的问题。

我仍然喜欢流动，也还是想做一个“终身体验者”，去新的城市生活，在世界各个角落认识不同的人。这些东西都让我兴奋。我也相信，人生本来就应该拥有很多种可能。

伊萨卡真正代表的，是"身份的锚点"。

对奥德修斯来说，伊萨卡是一块土地，那里的人记得他的名字，也认得他的样子。

对现代人来说，也许伊萨卡是一群始终认识你的人，一段能够持续投入的关系，一份愿意长期做下去的事业，又或者一种无需再反复证明自己的身份。在这里，我们知道自己要什么，能够回答"我是谁"。

奥德修斯的伊萨卡从一开始就在那里，而我们这一代人的伊萨卡，可能要在漂泊中慢慢建起来。

最近带实习生，我发现了一件挺矛盾的事。

现在的实习生，产出比我们当年多得多，干活看上去也没那么费力。不会写的代码可以问AI，不懂的业务可以让AI解释，遇到报错，把上下文交给Agent，它会自己找文件、改代码、跑测试。

但实习生并没有因此更轻松。他跟我说，AI生成了一段代码，他不知道写得好不好。光是理解已经很费力，更谈不上判断方案是不是合适。看着正式员工熟练地用AI推进工作，他会怀疑是不是自己没用好，也担心彼此的差距越拉越大。

我很理解这种焦虑。AI提高了所有人的生产力，提高的幅度却不一样。

对资深员工来说，AI省掉的往往是自己已经会做、只是不想重复做的部分；对新人来说，AI省掉的可能正是他原本需要经历的练习。

光坐副驾驶，很难学会开车

写一个东西和看懂一个东西，差别很大。在AI时代之前入行的程序员，大概都体验过这一点。

我刚开始实习时，几乎什么都不会。每天拿到任务，再一个个慢慢做。遇到问题，先自己想，想不出来再找mentor讨论。做的事情大多琐碎，也谈不上有趣，但每个任务都逼着我做选择：从哪里下手，用什么方案，出了问题先查哪里，什么结果才算做完。

很多选择一开始都是错的。写完被指出问题，改过，下次再遇到类似情况，才慢慢知道什么方案靠谱，什么风险不能忽略。

判断力就是这样长出来的。它不只来自最后那个正确答案，也来自走到答案之前的犹豫、试错和纠正。

看AI生成的代码则不同。它已经替你做了大部分选择，你要做的往往只是沿着结果往下读。代码最后能运行，但你没有亲自走过中间那些岔路，也不知道AI替你避开了什么，或者悄悄埋下了什么。

AI曾经被叫作Copilot。到了2026年，真正握着方向盘的常常已经是AI。这本身没有什么问题，但新人坐在副驾驶上，却仍然需要学会开车。

交付变快了，成长没有自动跟上

从Chatbot到Agent，这个问题又明显了一些。

以前用Chatbot写代码，人还得复制、修改、放进项目里，至少会被迫看上一遍。现在Agent可以自己读代码库、改文件、跑测试。人给出任务，最后检查结果，中间发生了什么，越来越少出现在眼前。

这对交付当然是好事。可对新人来说，那些被隐藏的过程，原本也是学习发生的地方。

人的大脑很难拒绝一个现成答案。手头还有下一个任务，代码也已经跑通了，这时要求一个新人停下来，把AI做过的事情从头想一遍，很反人性。何况他可能连哪里值得细看都不知道。

于是，一个人可以交付得越来越多，却没有变得更有把握。今天借助AI做出了一个功能，明天换个相似的问题，还是不知道该从哪里下手。AI留在代码库里的东西越来越多，留在自己脑子里的东西却没有同步增加。

过去，变聪明常常是工作的副产品。一个人做得足够多，踩过坑、挨过批评，逐渐知道什么是对的。

现在，变聪明更像一项需要主动完成的工作。

资深员工用AI，和新人用AI不是一回事

同样在用AI，资深员工往往会越来越快，因为他知道该把什么交给AI。

他能划出边界，能看出结果哪里不对，也知道什么时候应该停下来自己接手。AI负责执行，他负责选择。

新人恰好还没有选择的依据，缺一套标准：什么算好，什么只是勉强能跑，什么问题现在看不见、以后却一定会找回来。

如果一直接受AI给出的第一个答案，工具确实能让新人变得更能干，却不一定能帮他建立这些标准。时间久了，他甚至很难分清，眼前的产出里，哪些已经成了自己的能力，哪些只是模型暂时替他托住了。

不过，我不赞成用“少用AI”解决这个问题。公司不会因为新人需要练习，就退回低效率的工作方式。新人也没必要为了复制上一代人的成长路径，故意放弃现在的工具。

真正要练的，是别把所有选择都交出去。

开始任务前，可以先不让AI动手，自己说清楚准备怎么做、做到什么程度才算完成。AI给出方案后，不要急着接受，至少看一眼还有没有别的做法，为什么选这个。代码跑通了，也要自己决定怎么验证；出了问题，先猜一次原因，再去看AI怎么判断。

这些步骤不会让工作变快，甚至有点麻烦。但练习本来就不是交付流程自动附送的东西了。

AI也给了新人以前没有的机会

AI可能拉大了新人和资深员工眼下的生产力差距，却也让新人离一个完整产品更近了。

以前，一个新人可能要工作几年，依赖一整个团队，才有机会参与做出完整产品。现在他可以借助AI补上设计、开发和部署中的缺口，更早把自己的想法做出来。

这件事同样能训练判断力，而且可能比接一串零散任务更有效。因为产品是自己的，他必须决定做什么、放弃什么，也必须面对真实用户是否愿意用。AI可以替他写代码，却没法替他承担这些选择的结果。

所以我并不觉得这一代新人注定更弱。他们少了一部分由工作被动提供的练习，也得到了以前很少有的机会：可以更早独立做完一件事，更快看到自己选择的后果。

只是从现在开始，交付和成长不再是同一件事。前者AI可以帮忙，后者还是得自己负责。

最近和不同的朋友聊天，话题经常绕到一种相似的对工作的疲惫：每天都很忙，却很难感受到意义，只想退出。

这种疲惫，很像大卫·格雷伯在《毫无意义的工作》里所写的“狗屎工作”——不是工作辛苦或者工资低，而是连从业者自己都不相信它有存在的必要，却还要假装它很重要。

在大厂里，这种感觉尤其常见。

当一个人看不到自己的工作和最终结果有什么关系，就只能从绩效、职级和领导评价里确认价值。于是，证明“我做了什么”变得比结果本身更重要。对过程指标的评比，压倒了对真实结果的评比，人的工作和实在的结果被割裂开来。

对“狗屎工作”的判断本来就是主观的。只要一个人已经无法解释这份劳动为什么值得存在，那种价值感丧失的荒谬感就是真的。

我们从前以为，AI可以帮人干这些沟通对齐的白领工作，就能把人从狗屎工作中解放出来。但更常见的结果是，AI只是让人更快地完成这些局部任务，同时你发现，又有新的狗屎工作在等着你。

问题的核心在于生产方式带来的意义感缺失。在工业社会的流水线式的、标准化的生产方式中，一个人只对局部动作负责，却无法看到、影响或承担最终结果。标准化抹平了个体的差异，保障生产稳定性，代价是人和自己的工作结果相分离，弱化了传统意义上的工作价值感。

如果 AI 只被接进原来的分工，它只会让每个人更快地完成手里的那一小块任务。但是劳动者和产品、用户、收入之间的距离并没有缩短，价值感也不会自动回来。就像原来一周写一次周报，AI 让周报十分钟就能生成，但节约的时间会被另外的dirtywork占据。

但 AI 也提供了另一种可能：它降低了跨专业工作的门槛，让一个人在设计、开发、销售等多个领域都能从20分做到60分。过去需要多个岗位接力的事情，现在可能由一个人或更小的团队完成闭环。这让劳动者有机会缩短自己与产品、用户和收入的距离，重新对更完整的结果负责。

总之，一个人决定做什么，直接为结果负责。产品有没有人买，服务能不能解决问题，你的产品本身会有答案，价值不再只由绩效表决定。这种模式不一定会让人更轻松，但工作的产物、收入和价值感，真正重新落到了同一个人身上。

AI本身不会自动消灭狗屎工作。而当它改变工作的组织方式，让人看见结果、影响结果并为结果负责时，它更可能帮助人实现工作和意义感的统一。

最近很drama，我开始带实习生了。虽然我和实习生在这公司的工作时长，加起来还不满一个月。

我觉得挺好玩的。

一直都有种说法，说AI时代，每个人都是管理者。因为你可以管理好多Agent，你需要表述你自己的意图，给Agent上下文，让它执行你想要的任务。在这个过程中，管理需要的很多能力潜移默化滋长。

我以前平时更多是在带 AI。现在突然变成了一个真实的人来问我问题：“这个是不是应该这样做？”“这段代码可以交吗？”还挺奇妙的。

我觉得带实习生以后，我最大的变化是，习惯变好了。

比如我现在得好好沉淀文档，不然之后对方再来问，我还得从头解释一遍。而这些积累最终也能通过使用AI，作用到我自己的身上。AI 好用一点，我自己过几天再看也不用重新猜。

比如，要给别人做好规划每天做什么、做到什么程度算完成，之后还得看一眼产物。现在顺手把自己的任务也规划了，至少知道今天推进了哪些事，哪里卡住了，明天从哪继续。

另外就是，我会更进一步自我学习。因为知道可能被问，平时在工作中就得多想一步，把一些事情弄好、原理弄清楚。

总之，就是突然有一种很具体的感觉：前额叶真的开始发育成熟了，更像个大人了。

对了，还有个好处。当你有了-1，你就真的能更真实理解到，+1到底想要什么。为什么要同步，为什么要拆任务，为什么要问进度，为什么总要我把事情讲清楚。现在自己坐到另一边才发现，很多时候管理也没有那么神秘，也是一件要讲逻辑的事情。

有的时候，看着实习生，我有时会想起两年前的自己。那是在另一个厂，我也问过很多类似的问题，做过很多类似的事。彼时彼刻，恰如此时此刻。竟能如此相像。

两年之后，我从另一个角度，发现两年前发生过的事，原来可以是这样的看法。

有一天，你发现自己已经可以成为那个曾经帮助过你的人。不是完全一样的人，只是坐到了相似的位置上，然后把当初收到过的一点耐心，再交给别人。这真的很奇妙。

这两天 Kimi K3 发布，在不少公开评测和开发者体验里，它已经达到第一梯队模型的水平

一家原本不被所有人认为排在第一梯队的公司，做出了逼近SOTA的模型。有意思的是，这已经不是第一次了。一个月前，大家讨论的是 GLM；一个月后，主角变成了 Kimi。

这起码说明两个点：1️⃣anthropic和openai的前沿模型没有那么领先，2️⃣开源追赶者彼此之间不存在稳定领先地位

以前大家相信，谁做到 SOTA，谁就能赢家通吃，或者起码拿走大部分用户、开发者和收入。所以，市场推崇领先者，给予更高的关注。

但是，“领先者赢者通吃”这套叙事，可能没有那么成立。一方面是除了anthropic和openai，每个公司都不是稳定的领先者，比如GLM领先一个月，就被拉下王座。二是领先带来的更多是技术敏感用户，而这些用户没有忠诚度，它会因为相同的逻辑离开。

最近市场在讨论智谱 ARR 的迅速增长。我认为，这里面一部分来自整体市场增长，一部分来自模型拿到 SOTA 后吸引的大量技术用户。但随着每个模型轮流失去SOTA地位，仅靠模型领先带来的增长可能会越来越难持续。长期来看，影响因素更取决于市场增量和商业化能力，这比一次 SOTA 更重要。

模型的差异主要是智能程度和价格。目前一些便宜模型不好用，所以需要用SOTA的模型。但是我判断，今天的GPT5.5已经达到了一个甜蜜点，如果便宜模型能达到今天的GPT5.5的智能，用户未必会再为了那一点点边际提升去追最强模型。就像现在很多人愿意用 DeepSeek 做具体开发，而不是所有请求都发给最强模型。

当模型之间越来越接近时，竞争重点就会发生变化。除非再发掘出模型之间的某种差异，不然同质的商品打价格战就是唯一的归宿。

所以我开始觉得，模型会慢慢变成水电煤。

从这个方面看，真正的护城河，可能不是 SOTA，而是成本。DeepSeek的价格非常低，这才是真功夫。

我最近老在想一个问题：通用 Agent 到底会吃掉多少专业 Agent？

拿 Codex 这类产品来说，表面上它是写代码的。真正让我在意的是，它开始替人操作电脑了。

白领每天干的事，其实很少离开屏幕：搜资料、读文档、改表格、跑代码、发消息、做一版报告。以前 AI 只是帮你写两段话。现在你可以把一个目标交出去，再看它自己开网页、读文件、写代码、改东西。

这会先影响那些看起来很“专业”，但其实只是给模型套了一层流程的产品。

过去模型不够聪明，做一个金融 Agent，往往要接知识库、配工具、把步骤拆得很细。先读财报，再查新闻，再做估值，最后生成摘要。模型稍微走偏一点，就得加一层规则把它拉回来。这些东西就是常说的 harness。

模型再往前走，一部分 harness 会失效。不是因为产品团队没做价值，而是模型自己已经能把这几步串起来。

如果一个金融 Agent 只会读财报、搜新闻、写投资摘要，通用 Agent 迟早也会做。研究 Agent 也是，检索论文、归纳观点、写初稿，这些事很可能先被吞掉。

我不觉得专业 Agent 都会死。

一个真正能在金融机构里用的产品，要接机构数据、交易和风控系统，还要满足合规要求。它出错了，不能只说“模型幻觉了”。医疗、法律也是同样的道理。这里真正难的不是给模型一个 prompt，而是把它放进一套能承担责任的系统里。

所以我现在的判断是：通用 Agent 会先吃掉一批“领域包装很厚，实际工作很浅”的专业 Agent。

研究、办公、代码、内容生产会先被影响。它们的共同点是，大部分步骤都在电脑里完成，也比较容易检查结果。越是靠人手在几个软件之间搬运信息的工作，越容易被接过去。

但有些专用产品不会这么快消失。它们有独家的数据，有很深的系统集成，或者出了问题真的要有人负责。用户付费买的是一件事被稳定办成，不是某个模型跑分更高。

我还没想透的是：如果通用 Agent 最后能操作你所有的软件，它会不会变成新的操作系统？

到那时，我们可能不再先打开 Excel、飞书或金融终端，而是先说一句“把这事办了”。软件还在，只是退到后面去了。

Codex 这类产品离这一步还有距离。但入口确实在往 Agent 那边挪。

今天，我脑子里突然冒出了一个奇怪的比喻。

标准的人生，像《纪念碑谷》。

一关接着一关，每一关都有明确的目标—— 考上大学、 找到工作、 升职加薪、 实现 FIRE、 全球旅居……

每完成一关，就进入下一关。

这样的路径没有任何问题，也确实能带来确定感。

只是，我开始有一种奇怪的感觉：如果人生是一张固定的清单，那么完成一个目标，就少一个目标。

人生明明还有几十年，甚至可以说才刚刚开始。可为什么有时候会产生一种“进度已经走了很多”的感觉？如果有一天，这些目标都完成了，那之后的人生又该做些什么？

后来，我想到了另一个游戏——《我的世界》。

它没有固定的主线。

有人喜欢建房子，有人喜欢探索地图，有人喜欢研究红石，有人喜欢和朋友一起冒险。

没有一种玩法比另一种更正确，也没有谁必须按照同样的顺序体验游戏。

它的乐趣，不在于完成所有任务，而在于不断创造属于自己的世界。

《纪念碑谷》和《我的世界》，其实没有优劣。

它们只是两种不同的设计。

一种更强调目标和关卡；另一种更强调探索与创造。

真正决定体验的，不是游戏本身，而是玩家是否总在和别人比较。很多时候，比较才是痛苦的根源。

人生也是。

我觉得，成长未必只是把进度条不断往前推进。

更重要的是，让自己的世界越来越大。

认识更多有趣的人； 理解更多不同的生活方式； 尝试以前没做过的事情； 创造一些原本不存在的东西。

这样的人生，不会因为完成一个目标就抵达终点。

因为每一次新的体验，都会打开新的地图；每一次新的理解，都会创造新的可能。

不要局限于自己的那张等待清零的任务清单。

以后，模型大概率会越来越容易换。

改一封邮件，用便宜模型；做复杂分析，调用最强模型；碰到敏感数据，切到本地模型。一个 Agent 可以在后台自动路由，大多数用户甚至不必知道底下是哪家。

这意味着，只靠“模型领先”很难永久拿走超额利润。贵了、慢了、效果被追上了，应用方就有理由切换。

但模型能换，不等于 Agent 也能换。

真正决定用户会不会留下来的，是它能不能把事情办成一个闭环。

想象你让 Agent 安排一次出差。它不仅要理解“下周去上海见客户”这句话，还得知道你的日程、常坐航班、公司差旅规则、哪些联系人是客户、什么金额需要审批；然后能查信息、订票、发通知，遇到失败还能回退或把问题交给你。

这不是换一个模型 API 就能补齐的。

它需要长期积累的上下文、可靠的数据连接、权限体系和一整套能把任务执行到底的产品能力。模型负责思考，平台决定它能否真正行动。

这也是腾讯、Google 这类公司仍可能在 AI 下半场占优势的原因。

腾讯的机会，不只是微信是一个大入口。更重要的是，用户已经在微信里聊天、联系服务、支付；企业在企微里协作、沉淀客户关系和业务流程。这些应用每天都在产生上下文。只要用户愿意授权，Agent 不必从零认识一个人，也不必要求用户再下载一个 App、迁移一套数据、学习一套新操作。

Google 也是同样的逻辑。搜索、Chrome、Android、Gmail、YouTube 和 Workspace，不是几个孤立产品，而是一张覆盖工作与生活的使用网络。AI 的价值不只在于回答得更聪明，而在于它能否基于这些已有场景理解意图，并把下一步执行下去。

当然，拥有数据不自动等于赢。用户会不会授权，隐私边界怎么设，权限能否被清楚地控制，任务出错后谁来兜底，都会决定这种优势能否兑现。

模型层和应用层，打的其实不是同一场仗。

模型层比的是能力上限、推理成本、迭代速度和开发者生态。谁能用更低的成本把模型做得更聪明、更稳定，谁就更容易成为底层供给。但这里的领先很脆弱：一项能力被追上，价格被打下来，客户就可能把调用量切走。

应用层比的则是另一件事：谁拥有用户正在使用的场景，谁能接入足够的上下文和工具，谁能把一次次任务做成并留下来。它的护城河不只是模型效果，而是数据连接、流程设计、信任与习惯。用户换一个聊天机器人不难；换掉已经连着日程、文档、客户、支付和审批流程的工作方式，要难得多。

两层当然会互相挤压。模型公司会向上做 Agent 和入口，应用公司也会向下训练、部署自己的模型。但它们面对的核心约束不同：模型公司要持续证明“我仍然最强或最划算”；应用公司要持续证明“把事交给我，真的能办成”。

模型公司也不会坐着等。它们可以更早拿到强模型，更快做出好用的 Agent，也会努力把模型、工具和自己的生态绑在一起。

但我更在意的，已经不是“哪家的模型会永远第一”。这个答案变化太快了。

AI 下半场真正的竞争，是谁能先让用户养成一个习惯：遇到事情，不只是问 AI 一个答案，而是放心把目标交给它，并拿到结果。

模型会越来越像可替换的能力层。真正稀缺的，是用户数据、应用生态、可信权限，以及把一件事稳定办成的闭环能力。

谁把上一个时代积累下来的这些东西接进 AI，谁就更可能留住用户。

7 月 10 日，杭州又是晴天。

台风一两天后就要登陆，它在远方不断吸收着水汽，反而让今天的天空格外澄澈。

有点像 AGI。它没有真正到来，但人人都告诉你它就在那里，而且你已经能感受到它在改变你的生活。

今天是在阿里的 Last Day。

别人都说，这一天会有点特别。可真到了这天，却发现它普通得刚好。离职交接、电脑归还早已完成，也无需再签什么纸质文件；和朋友的饭局也已一一吃过。今天只是一个普通的晴天，我甚至可以一个人慢慢吃食堂，沿着园区的湿地小径散步，安心地晒着太阳。

这样的普通，反而让我很喜欢。

我一直觉得，人生更像一场旅行。真正值得记住的，不是某一个宏大的节点，而是一路上的风景、遇见的人，是那些真实发生的瞬间。

2024 年毕业的时候，我的想法很简单：进入一家大厂，看看真正的互联网是什么样子。虽然两年里，世界天翻地覆，衡量岗位优劣的标准也不断改变，但是回头看两年前的决定，似乎也不需要后悔。

在阿里、在杭州的这两年，我认识了很多朋友，做了很多有意思的事情，也置身事内，用更多的时间，思考行业会走向哪里，自己又想参与什么样的未来。

离开，不是因为这里不好。恰恰相反，正因为这里很好，所以让我有底气去看看新的世界。

旅程还在继续。

台风将至，而我也启程了。

我最近越来越觉得，AI 最大的问题不是不聪明，而是不认识我。

每次让它帮我写东西、做复盘、想选题，我都要重新解释一遍：我是谁、最近在做什么、之前写过什么、卡在哪里。

它不是没有能力，而是没有我的上下文。

理想形态的 AI，尤其是个人助手类型的 AI，应该能天然知道我的所见所闻、所思所想，拥有我脑袋里的知识，站在和我一样的视野，用它自己的智慧和执行力去给我提供思路和做事。

它应该了解我，就像我了解我自己一样。

比如我想写一篇文章，它可以帮我从日记、播客笔记里找素材。我想复盘一个阶段，它可以帮我找出这段时间反复出现的问题。我想做内容输出，它可以帮我把灵感随记、草稿碎片整理成选题、提纲和初稿。

对一个人而言，生活中的一切都组成了他的人生知识库。但是人的知识库记在脑子里，AI 读取不到，所以我现在的想法是：主动记下来，给 AI 准备一个可读取的自己。

先有 context，再谈 context engineering。

人生本身就是一个人最大的项目，所以给它一个知识库也并不奇怪——日记、面试经验、播客摘要、读书观影、自媒体选题，甚至某个时间点突然冒出来的一个灵感——总之关于自己的一切，都可以往里面记录，它不一定完整，但至少能留下很多原本会散掉的自己。

我不太想把它做成一个什么都往里塞的资料仓库。对我来说，最重要的不是收藏信息，而是留下和我有关的判断、经历、项目和反复出现的问题。

以前这些上下文信息散在微信、备忘录、脑子里，甚至很多根本没有留下来。现在它们可以被有意识地放进同一个文件夹，分门别类，主动积攒，变成可调用的材料。

这件事的底层意义是，我不想让自己的想法和经历总是散掉。

Why Obsidian？

我目前用 Obsidian 承载这个知识库。

我的知识库，在载体上是一堆 Markdown 文件，方便随时编辑，占用空间小，还能被一些不支持多模态的模型读取。

我选 Obsidian，主要是因为它能满足我的诉求：

1. 手机能随手记，电脑能写长文，二者同步方便；
2. 对 Markdown 文件友好。

特别一提，手机真的是记录的最重要的入口。原因也很简单：很多东西不记下来，真的就没了。听播客学到的金句和突然产生的观点，和朋友聊天后短暂出现的判断，面试结束后还热乎的感受，过几个小时就会从记忆里消逝，过几天基本只剩一个模糊的轮廓。

形成知识库之后呢？

当我的经历、想法、阅读和项目都被记录下来，AI 才有可能基于“我的上下文”帮我工作，而不是每次都从零开始猜我是谁。

我有写内容的需要，这时候知识库就开始派上用场了。但写内容只是一个很具体的场景，它更像是在测试：当 AI 真的能读到我的上下文之后，它能不能帮我把原本散着的东西组织起来。

我现在会把一些和自己有关的内容分门别类放进 Obsidian，比如日记、播客笔记、读书观影记录、自媒体选题、面试复盘、灵感随记，还有一些还没成型的草稿碎片。

我会让 AI 帮我整理结构、归纳主题、润色表达，也会让它从一堆碎片里找出我最近反复在想什么。

比如这篇文章本身，就是这么来的。

我把 Obsidian 的文件夹权限开给 Codex，让它帮我看最近的内容库：我反复在写什么、哪些主题出现频率高、哪些素材可以组合成一篇文章。

比如我最近的记录里反复出现几个东西：AI、内容输出、个人记录、项目推进。Codex 看完之后提醒我，这些其实不是几个分散主题，而是同一个问题：我想让 AI 更理解我，而不是每次都重新喂背景。

最后它从一堆零散记录里拎出了“AI + Obsidian + 个人上下文”这个选题。

接着让它向我提问，我通过回答这些问题，把原本模糊的方向逼清楚了一点，最后生成文章骨架。

普通人可以怎么开始

我觉得最小版本就三步：

第一，找到一个你真的愿意打开的记录入口。对我来说，这个入口必须手机和电脑都能用。手机负责随手记，电脑负责整理和写长文。

第二，先把内容放进去，不急着搭一个完美系统。可以先有几个很粗的文件夹：日记、素材、读书/播客、项目、自媒体。分类不用一开始就很精细，重要的是先留下来。

第三，让 AI 定期帮你整理。比如让它看最近一个月的记录，总结你反复在想的问题；让它从素材库里提炼 5 个选题；或者让它把几条零散笔记组合成一篇文章提纲。

Obsidian 负责留存上下文，Agent 负责组织和发现它们。

我也不是每天都认真整理。更多时候只是先乱记，等需要输出的时候再让 AI 帮我收拾。

所以我现在理解的个人知识库，不是一个装满资料的仓库，而是一套持续更新的个人上下文。

先把自己记录下来，再让 AI 在这些记录里重新认识我。

在泰坦尼克号上选座位，是没有意义的。

真正重要的是，你如何用这张旧船票，登上新时代的船。

又是一年毕业季，无数高考生正在学校、城市、专业之间做选择。

六年前，我做出志愿选择的时候，ChatGPT还没有问世。那个年代，四年前的学长学姐的去向就是你的去向，学长学姐的发展轨迹就是你的轨迹。

今天跟六年前不一样的是，时代的变化更快速了。ai方向日新月异。即使是从业者，也很难想象未来的一年甚至几个月会发生什么样的变化，会出现什么产品，有什么突破。

这使得选专业变得更困难了，因为本科学习周期长达四年，可外部世界瞬息万变。我高考时还炙手可热的计算机，现在由于ai coding冲击junior就业，已经不再是闭眼选的专业。

但是，没有理由认为其它专业不会被冲击。ai的发展，需要研究员、工程师和领域专家的配合。编程之所以成为AI最先突破的领域，是因为模型的创造者本身就是编程专家。但随着各大模型厂商对垂类专家知识的重视（比如anthropic招募各个领域的教授、minimax的10x合作计划），ai会改变越来越多的领域，而不只是编程。而且这个过程可能比人们想象的来得要快很多。

我觉得，在ai这场会吞噬一切的风暴面前，与其想方设法逃离，不如转身直面。

不要试图选择一个不会被AI影响的专业，因为这样的专业，大概率并不存在。重要的是思考如何结合自己的专业知识，更好与ai协作、共同进化。比起自己读什么专业，更重要的是以什么思考方式读这个专业。

未来真正决定竞争力的，不再是你的专业知识，而是你是否把专业知识通过AI放大。

最近看到智谱唐杰老师分享了一句话：

认知 > 格局 > 技术 > 组织。

他讲的是大模型公司的竞争，但我觉得同样适用于每一个普通人。

决定未来的，从来不是你坐在船上的哪个位置，而是新时代来临时，你是否已经准备好登上下一艘船。