作为一名程序员，AI 正在明显改变我的工作。Code Agent 大幅降低了编写代码的成本，也让我逐渐意识到：过去我喜欢的。是像搭乐高一样，把需求拆成模块、编写代码，再将它们组装成一个可以运行的程序。

如今AI 越来越擅长“搭乐高”。说起来，这件事的价值开始下降，我对它的兴趣也随之减少。

痛点：原本带来满足感的编码过程被机器化，我感到职业身份和自我价值被侵蚀。

这迫使我思考两个问题：

• 当原本擅长的技能逐渐被 AI 掌握，我新的兴趣和价值支点在哪里？
• 当执行能力越来越便宜，人还应该发展哪些能力？

我的判断是人不应该把主要精力投入到与 AI 进行同质化竞争。而应该掌握那些 AI 无法独立完成、仍需由人提供，还能借助 AI 进一步放大的能力。

人 + AI> max

需要先限定讨论范围：这篇文章所说的 AI，均指当前及可预见范围内以大语言模型为主要的程序。对于技术方向完全不同、能力近乎全能。乃至以碳基生命为载体的假想 AI，这篇文章不作讨论。基于这种不可验证的假设推演现实选择，缺乏实际意义。

AI 难以做什么？

当一项任务已经可以由 AI 稳定、低成本地完成，人就没必要再投入精力重复执行。更值得人关注的是那些仍需人类提供关键判断、但可以借助 AI 明显提高效率和价值的工作。

内部感受

痛点：AI 能快速处理数据，却难以捕捉使用者微妙的不适与潜在需求。怎么说呢，

• 外感受：视觉、听觉、触觉等外部信息。
• 本体感受：身体姿态、关节位置、运动和肌肉张力。
• 内感受：心率、呼吸、饥饿、疼痛、疲劳、激素和内脏状态。

这些感受不是孤立的传感器读数。而是神经、内分泌与免疫程序协同调节后的整体体验，直接影响情绪、注意力和行动动机。

具身 AI 能感知自身及环境状态，但对这些信号的意义解读与人类截然不同。例如对人而言闷热会引发烦躁，对 AI 则仅是触发散热策略的数值。

结果反馈

痛点：A​I 的评估指标往往只关注短期可量化成果，忽略长期的人际关系和价值取向。

• A​I 的反馈形式：损失函数、奖励信号、提示词、单元测试、使用者评分、业务指标等。
• 人的反馈维度：任务成功与否；身体感受，他人信任或排斥；其实，金钱/地位变化，是否符合个人原则；长期影响，

A​I 可以快速验证已知场景，却难以权衡冲突的多维度后果。老实说，人需要从“解题”升级到“选题”、定义问题并判断价值。

时间连续性

痛点：A​I 缺乏持续性身份，人必须在长期关系与承诺中建立信誉与影响力。

• A​I 是概率语言模型。可在不同提示下展现多种风格和价值倾向，没有固定人格或目标。
• 人拥有连续性的身体、生理状态、人际网络、社会身份还有未完成项目，这些约束决定了今天与未来的选择。

承担后果

痛点：A​I 能分担执行，但法律责任和真实后果仍落在使用者肩上。

• 身体伤害、心理创伤、收入变化、信任流失、法律处罚等，都需要由人或其所属组织承担责任。
• A​I 虽能参与决策，却不是独立责任主体——责任链始终指向提供者或操作者。

我可以做什么？

内部感受 – 深入使用者现场

A​I 能整理访谈记录并归纳数据，但真正的问题往往隐藏在停顿、一句抱怨或低效流程中。人的任务是进入现场，用观察捕捉这些未明确表达的信息。并将其转化为可验证的问题。

进入现场 → 观察行为 → 发现异常 → 定义问题 → 验证价值 → 提交方案 →
观察 → 修正判断