先回答一个我被问过很多次的问题：现在有 AI 了，谁还看博客？
这个问题挺典型——它把两件事混在一起了：AI 能不能替你做，和你要不要继续做。我的回答是：现在有 AI，更应该写。理由不是情怀，而是 AI 的一个结构性局限。
一、AI 是深度的放大器，不是方向的来源
先说它擅长什么：只要你把方向定下来，AI 几乎不会让你失望——查资料、给方案、写实现、做对比，越具体的问题它答得越好。这种能力我每天都在用。
但它有个边界：它不会跳出你给的方向。
举个几乎天天发生的场景。
我让 AI“把这段 SQL 优化一下”，它能给我一整套：加索引、改写法、对着执行计划逐条解释，甚至顺手指出表结构的问题——这一层它比我强，而且强很多。
但如果我问的是“这 20 万行数据，真的有必要全塞在这一张表里吗”，它给出的会是另一个层面的东西：也许该拆表，也许该先想清楚这张表到底在为谁服务。
第二个问题不会从第一个问题里长出来。你把“优化这条 SQL”问得再细，答案也永远在“优化这条 SQL”里打转。
还有一点值得注意：它不会觉得有什么不对劲。你问“怎么优化”，它就认真优化，不会停下来反问一句“你有没有想过换个问法”。它能把“你交给它的任务”做得很漂亮，但很少反过来质疑“这个任务本身该不该这么提”。
换个说法可能更清楚：AI 在解空间里几乎无所不能，但它不定义问题空间。 你拿到的永远是关于“你问的那个问题”的最优解。问题本身，得你来问。
这条链路可以概括成一句话：
人有知识广度 → 指使 AI 去搜索 → 得到想要的结果
但它的前提是：人得“懂”。而这个“懂”不等于“会做”，是知道存在——知道世界上有这样一种东西，才有可能想起来用它。
说个跟 AI 无关的场景：同样处理 JSON，有人用 jq 一条命令搞定，有人手写脚本慢慢拆字段——差别常常不在能力，而在知不知道有这么个工具。
二、AI 的“新知识”是从哪来的
第二个容易被忽略的点：AI 的宽度，现在主要靠现场学。
模型自身的知识有截止时间，而且未必覆盖小众工具；补足它的方式通常是搜索、MCP 这类外挂能力——也就是说，它是在你的提示下才去查的。你提示里没提到的关键词，它大概率不会主动去找（我自己就发现，不提某个关键字，它触发不了对应的知识）。
所以凡是“最近三个月才冒出来的东西”“某个圈子里刚流行的工具”，默认假设它不知道，你要主动喂给它。
这条推论很关键：谁先知道“有这样的东西存在”，谁就更早拿到杠杆。 而这个“先知道”，通常来自你日常的信息面——你读的博客、看的科普、逛的社区，甚至朋友随口的一句话。
三、那 AI 会不会自己提需求？
不过这里通常会分岔。下面这几种说法我都听过：
- “我觉得这只是时间问题”；
- “现在的 agent 已经会向你确认细节了”；
- “它会自己去找资料、自己学会新东西”。
我的回应是：这些现象都对，但是需求细化，不是另一个角度的需求。
追问细节、补全约束、把模糊目标拆成明确任务——这些 AI 确实越来越擅长。但“我们是不是应该换个方向”这种问题，它不在这个层面上工作。除非它每天都能重新训练、拿到最新语料，还能判断什么值得做，否则它不会凭空提出一个你没有提出的方向。
说得更直白点：就算你对它说“你自己找点事情做”，那也还是你给了目标。
至于“什么时候能做到”，我不打算给时间表——这类预测十有八九要被打脸。我更愿意看结构：现在的 AI 本身没有目标，它是围绕你给的那个目标做最优展开。哪天它真开始自己产生目标了，那会是另一次范式级的跳跃；在那之前，题还是人给的。
四、所以人的价值往哪儿挪
如果上面成立，那么被 AI 削掉的其实是“做到”的稀缺性（写代码、查资料、出方案），而变贵的是另外两样：
1. 方向感 / 品味：知道什么值得做，什么“怪东西”可能是下一个工具。 2. 判断力：能看出 AI 给的东西哪里不对、哪里够用、哪里是漂亮但用不上的方案。
这两样都不是“会用提示词”能替代的。可以练，而且方法很朴素：
- 主动经营信息源：博客、更新日志、开源社区、技术讨论——每月留出一次“扫外围”的时间；
- 把怪东西记下来：一个新工具、一个新词，第一次撞见时你多半看不懂它，但它先被记住了，才有后面搞明白、用上的机会；
- 逼自己换角度：提问时补一句“除了这条路，还有什么完全不同的做法？别的行业是怎么解决的？”；
- 让 AI 做跨域类比，但触发词你来给：它知识面广，做类比很在行，可前提是你先想到“这个领域可以类比那个领域”；
- 默认它不知道最新的和小众的：把背景、约束、内部上下文主动喂进去，别指望它猜。
五、这也是博客还值得写的原因
回到开头那句“现在有 AI 谁还看博客”。这个问题其实有两个面：读，和写。
先说读。别人的博客、帖子、更新日志，一直是我视野里很重要的一块——我后来用上的不少工具和做法，最早都不是在官方文档里看到的，而是在某个人写的一篇东西里看到的。它们的价值不在于“信息全”，而在于替你打开一个你原本不知道要去看的方向：你并不缺查资料的能力，你缺的是“原来还有这条路”。
再说写。我自己的体会是：博客首先是作者的输入，其次才是输出。
要写清楚一件事，你得先看懂它、先形成观点、先把它和别的东西连起来——这个过程中长出来的，正是上面说的“方向感”。所以写作不是为了发布，而是给自己制造新方向：一篇篇写下来，你的信息面和判断力是会被推着走的。
所以我的结论是：把写博客当成给自己攒“方向感”的方式，而不是当成一个内容渠道。
说到底就是两头：读别人的东西把视野撑开，写自己的东西把判断收窄。这件事真正的收益先发生在自己身上——写完一篇，你对这个领域的“分辨率”会明显不一样：哪里只是术语、哪里是机制、哪里其实还没搞懂，心里有数了。而下一件值得做的事，往往就是从这种“分辨率”里冒出来的。
六、写在最后：我和 AI 现在的分工
说点具体的。我现在写东西，基本是这个分工：
- 人负责：定题、定观点、判断哪里说得不对、决定什么不写；
- AI 负责：找资料、把零散想法结构化、补全我没想到的推理、把口语改成书面语。
方向是人给的，深度是 AI 给的。这大概就是当下最舒服的一种分工。
如果只记一句：AI 把“做到”变便宜了，于是“想到”变贵了。
要不要试试：这个月挑一个你不熟的领域，专门扫一遍外围，记下三个看起来没用的怪东西，然后挑一个让 AI 帮你深挖。也许下一个改你工作方式的工具，就在里面。