三年前决心老实当个 AI 用户的我，现在突然又想学 AI 了
最近突然开始决定学 AI 了，其实已经过去好一段时间了，之前经常玩 agent 但是后面灵感枯竭，不知道拿来干嘛，看着自己做出来的东西越来越趋于平均，突然有种在 AI 高速发展的浪潮下，自己正在被逐渐甩开，或者说抛弃的感觉，三年前决心只需要好好做个用户的我，突然开始觉得有必要学学怎么使用 AI 了。
ChatGPT 出来以后，我其实不是先兴奋，而是先有一点世界观崩塌。
在那之前，我对 AI 的认识很朴素：它是在特别专业、特别细分的场景里，靠很重的工程和训练，做出超过人的表现。人脸识别、目标检测、语音识别、推荐系统，都是这种东西。它们很厉害，但也都很窄。你得先知道自己要解决什么问题，再去找对应的网络、数据、环境和代码；它可以在一个小地方比人强，不代表它能在一堆乱七八糟的日常场景里替人想明白具体的事情，它只是在一些非常具体的场景，可以做到超过人类平均的水平。
本科时，我热衷去折腾这些东西。第一次在 Linux 上把 C 语言编译器装好，跑出 Hello World，我高兴了很久。后来我又去复刻 MTCNN 人脸识别网络。（现在还记得当时主动想学 AI 是因为看到有人做 AI 外挂我觉得好酷）那时摄像头画面挺糊的，我就坐在前面，看屏幕里的自己被实时抓到脸，被框出五官和面部轮廓。现在想，那就是一个很普通的 Demo；但当时我是真的高兴。仅仅是因为把这个项目给本地运行起来的那种“搞出来了”的高兴，到现在还记得。
ChatGPT 让我最惊讶的地方，不是它好像可以聊天了，而是它把我原来对 AI 的那套认知击碎了。我突然发现，以后最厉害的 AI 也许不是某一个领域里最强的模型，而是一个什么都能聊、什么都能写、什么都能帮你弄一点的东西。那我还学什么？大公司有钱、有数据、有算力，有人才，模型更新得比我学一个方向快多了。我不可能赶上它们，所以我也没必要去操心 AI 到底怎么实现。老老实实做一个用户，跟着用最新、最强的模型，不就行了吗？后来好几年，我都觉得这个决定挺识时务：模型变强，我就直接用；不会的东西，我就直接问；新功能出来，我就抢先试。当一个问题的答案可以一问就给、一个小项目一句话就能有个雏形时，我沾沾自喜，自己一直知道市面上最好用的 AI 是什么样的，仅仅是这个信息差，就可以让我在别人眼中看起来是个 AI 小子，是个很懂 AI 的人，但我自己深知，AI 已经拉开了人们之间的差距，会用 AI 的人和用 AI 的人，做出来的效果，完全是不同的成果。
我不是忽然不爱学习了，我只是慢慢意识到，自己学习更多的是为了功利心的去达到那个目的，但现在那个目的变得言出法随，而我往往是一阵语音输入之后在那里刷着抖音，倒是最近 AI 让我不满意的感受越来越强，它能完成我的任务，但总是以一种奇怪的方式完成，对于我来说，我认为这是一种丑陋的交付。
但它也不是某一天突然“什么都会”了。回头看，这个过程是一层一层叠上去的：2022 年底，ChatGPT 先把模型变成了一个谁都能说话的聊天框，我记得我那天晚上就一遍一遍的让它用 C 语言给我写示例代码，然后感慨这玩意儿大一拿去写作业就爽了；2023 年有了 GPT-4，后面又有了看图的 GPT-4V 和聊天框里的 DALL·E 3；2024 年，GPT-4o 把文字、图片和语音放进了更自然的一种交互里。到 2024 年下半年，o1 把“多想一会儿再回答”做成了产品能力，ChatGPT 也开始可以去网页里找资料、给出链接。
2025 年，让我觉得 AI 又换了一个物种的，也不只是 OpenAI。1 月，DeepSeek-R1 发布。高水平推理不再只是少数闭源模型的昂贵能力，它把模型和技术报告一起开放出来，还放出了六个蒸馏的小模型。2 月，Anthropic 发布 Claude Code。它不再只是在聊天框里给你吐几段代码，而是直接进入终端，搜索和读取整个项目、修改文件、运行测试、调用命令，甚至提交代码。AI 开始真的接手一个项目，而不只是告诉你“这段代码应该怎么写”。
同一年，Deep Research、4o 生图和 Agent 又把检索、分析、写代码、做文件、操作网页这些事往一起推。你不是只在聊天，而是开始看着它自己查、自己改、自己交东西。它不是某一个公司的单独模型突然变成了神，而是模型、工具、搜索、浏览器和产品体验慢慢被拼在一起，最后看起来像一个无所不包的东西。
到了 2026 年，变化的不只是模型能力，入口也变了。2 月，OpenAI 发布 Codex 桌面应用。以前这种能读项目、改文件、跑命令的 Agent，总带着一点“你得先会用终端”的门槛；到了桌面 GUI 里，任务、进度、文件改动和多个 Agent 都被摆在你眼前。对我来说，GUI 不是简单换了一层皮，它把原本偏开发者的能力推给了更多普通用户：你不一定先学会一整套命令，才能开始让 AI 真正替你做事。
到了 6 月，Anthropic 发布 Fable 5，官方拿来展示的已经不是它能答对多少题，而是它能在更长、更复杂的任务里持续工作：以前 Claude 玩一个《宝可梦》还需要额外的地图和辅助工具，Fable 5 只看原始游戏画面就把它打通了；它也开始靠自己留下的笔记，在超长任务里继续往下做。紧接着，智谱发布 GLM-5.2，把 100 万 token 的上下文和长程任务能力放进了一个 MIT 许可的开源模型里。
然后就是这两天的 Kimi K3。它在 7 月 16 日发布，原生支持图片，最高也是 100 万 token 上下文，并且把模型定位在长程编程、知识工作和推理上。参数有多大、榜单排第几，对普通用户可能没那么重要；真正让我有感觉的是，前沿能力不再只从 OpenAI 或 Anthropic 的闭源产品里一点点漏出来。国内公司和开放模型也在追，而且有时候只隔几个月，原本高高在上的能力就已经被做成了开放模型，或者直接变成谁都能接进工具里的服务。
在这中间，我还认真想过靠它赚点钱。GPT 刚出来时，我搭过一个一键使用的小网站，有同学要用，我收了一顿午饭的钱。后来 ChatGPT 的生图能力越来越强，我又想真枪实弹地干一干；我用 Gemini 2.5 Pro 帮我写前端和后端，最后真的做出过一个能调用 API 画图的网站。网站能跑，图也能出，但我没能靠它变现。我找不到客户，也不知道谁会为这件事付钱。再过一阵，新的产品又出来了，国内的产品也在追，大家很快就都能用上类似的能力。
大模型刚出来时，大家还特别热衷于研究 Prompt：给模型一个身份，写很长的设定，让它扮演猫娘，在聊天框里喵喵叫。我实在不喜欢这套东西，总觉得有点虚或者说没什么用。后来又听到一种说法：模型会越来越听得懂人话，提示词技巧只是过渡，不值得花太多时间。这个说法刚好特别合我胃口，我就信以为真。既然以后只要把话说清楚就行，那我更没必要去研究它了。说白了，我又给偷懒找到了一个不错的借口。
问题是，几年过去，我发现只做一个“最先进模型的用户”，并不会自动让我变得更厉害。尤其是 Agent 越来越普及以后，大家都能让模型写页面、做脚本、搭工作流。我之前在办公场景里做过一些小软件，确实省了不少时间，也觉得自己抓到了早期红利；可当同样的工具开始被更多人做出来，我才发现，自己会的很可能只是“让模型把一个正常的东西做出来”。
模型越强、越贴近普通人的表达，如果大家又都在用同一批最先进的模型，默认得到的东西就会越来越像大众觉得顺眼的东西：页面是正常的，文案是完整的，图是符合大多数人审美的。可一旦我说不清自己到底要什么，那个“正常”就会慢慢变成平庸。我做出来的东西越来越平均，没什么自己的样子。
有时候 GPT 给我写的前端丑得我怀疑人生。以前我会怪它不行，后来发现不完全是。
它只是把我说不清楚、想不明白、没有判断标准的部分，老老实实还给了我。我只会说“高级一点”“好看一点”，可一个界面到底为什么好看，我说不出来；我想做 AIGC 的垂类应用，却不知道那个垂类真正的工作流、用户的麻烦和不能错的地方；我能让 Agent 干活，却不知道哪些步骤该交出去，哪些地方必须自己盯着。模型能给我十个方案，但它不知道哪一个更像我。这个东西最后还是得靠我自己有判断，靠我知道什么是好、什么是烂，靠我有一点自己的 taste。
所以我现在又想学 AI 了。严格说，不是要从用户变回研究大模型的人，也不是准备把每一个算法重新推一遍。我还是会用最新的模型，也不觉得“只会用工具”是什么丢人的事。只是我不想再把“不懂”伪装成“没必要懂”。我想补的，是具体领域里的专业语言、判断和品味。前端里有信息层级、留白、网格、排版密度、视觉锚点、动效节奏；知道这些词，AI 不会立刻把页面做漂亮，但我终于能说清楚一点自己想要什么，也能看出来它到底哪里没做到。做图也是一样，不是知道“它能生图”就够了，还得知道这张图给谁看、放在哪里、解决什么问题。做 Agent 也一样，不是能跑起来就完了，真正麻烦的是怎么定义任务、怎么验收、怎么对错误负责。
以前我以为，最强的模型会替我省掉学习。现在我觉得，它省掉的可能只是那些重复、笨重、能被交代清楚的部分。剩下的东西反而更绕不过去：我想做什么，我觉得什么好，我愿意为哪些细节负责。我当年对着模糊镜头里那个被 MTCNN 框住的脸高兴，不是因为我比模型懂得多，而是因为我知道自己刚刚学会了一点什么。几年后，我又想把这种感觉找回来。不是为了追上大公司，也不是为了比 AI 更聪明，只是别再把会用就行，变成我输出 AI slop 的借口。