AI 时代缺的是知道该做什么的人
一个人指挥 AI 军团的超级个体时代
不知道大家有没有注意到 Block（Jack Dorsey 的公司）上个月的裁员，裁了差不多 40%，四千人左右。这次官方说法挺直接的，没有再拿「宏观经济不确定性」当理由——2022、2023 那几轮裁员基本都是这套话术——Block 直接说，省下来的钱要投到 AI 上。而且这不是个例，最近越来越多的公司都是明牌在打，人力预算省下来，直接挪去当 AI 预算。说白了，人在他们账上已经从资产挪到成本那一栏了，能换就换。只能说，这个风向已经挺明确的了。
说实话我现在不太纠结「AI 会不会取代我」这个问题了，风向都摆在这了。我更想搞清楚的是，接下来什么样的人会活得好。
最近听了科技早知道 S10E01那期播客，David Shell（以前在 LinkedIn，现在是 Walnut AI 的 CEO）讲他在硅谷观察到的一些趋势，讲得很好，信息密度很高，挺有意思的一期，强烈推荐去听原版。这篇不是播客复述，我想结合自己造东西的体感，聊聊「超级个体」这件事到底意味着什么。
现在 solo founder 的创业公司已经超过 30% 了，这个比例放五年前是不可想象的。以前创业第一件事是凑人，技术合伙人、产品经理、设计师、运营，凑齐了才能开工，因为一个人的带宽就那么多，做不了什么事。
当然 AI 也没到能替你做所有事的程度，但一个有系统性思维、会编排 AI 的人，产出真的可以放大 10 到 50 倍。什么概念呢，那种按老配置要五个人干三个月的活，我一个人两周干完过，听起来夸张，但真的就是这么过来的。所以一人公司在大量涌现，「一个人 = 一支团队」这件事，AI 第一次让它变成了真的。
我自己就是个活例子。盘盘猫，29 天，10 个 app，就我一个人加 claude code——没有联合创始人，外包也没找过。八字排盘、塔罗、MBTI、星盘这些 app，开发、设计、运营都是我自己在弄，说白了就是没有别人。Mio v1 从空仓库到能语音对话的 AI 伴侣，4 天；Mio v2 整个产品方向推翻重来，后端大重写，还是一个人。而且这些不是 PPT，是真的上线了的东西，有人在用。
David 在播客里提了一个他们招人的框架：AI 共生能力、系统性思考、协作能力。三个维度里有两个跟会不会写代码没关系。我觉得这个框架挺准的，它背后是一个很多人还没想明白的事实：AI 的执行力已经不是瓶颈了。
你让 claude code 写个 API endpoint，比大多数初级工程师又快又好；让它做 code review，比你自己看得仔细；让它并行跑几个 agent，同时做竞品调研、重构模块、写测试，它都能干。执行这一层基本已经不是问题了，瓶颈挪到了另一头：谁来定义问题。
AI 执行力充足，真正的瓶颈从「怎么做」挪到了「定义做什么」这一层
Naval Ravikant 有个说法我觉得说得挺到位的：是 AI 来适应你，不是你去适应 AI。prompt engineering 是个过渡期的概念，长期看模型会越来越擅长理解模糊的人类表达，真正不会被模型进步淘汰的能力，是你能不能把问题定义清楚。David 在节目里也反复讲这一点，说你更多地还是要从第一性原理出发：到底要解决什么问题？为什么是这个问题不是那个？能不能拆成独立的子任务？
举个写测试的例子。AI-native 的做法是从系统层面把输入、行为和输出的 contract 定义好，然后让 AI 去生成测试，比一个函数一个函数写 unit test、拿覆盖率往上堆的老路子，效率高一个量级。但不管测试是谁生成的，「到底需要验证什么」这个问题还是得人来想清楚，AI 改变的是手段，要验证什么这个目的没变。我感觉架构师干的就是这个活，把手段和目的这两层分开。
David 有句原话：「AI 能力已经非常强了。这时候就考验你的调度能力。」我挺认同的，单个 agent 的能力都已经很强了，剩下就看你怎么指挥、怎么调度了。
播客里还有一句话，跟我过去半年的体会完全对得上：「AI 用 1% 的时间完成 99% 的工作，后面需要花 99% 的时间解决那 1% 的细节。」
AI 用极少时间完成绝大部分工作，人却要把绝大部分时间花在最后那一点点细节上
我用 claude code 做盘盘猫，每个 app 的核心功能几个小时就能跑通，八字排盘算法、塔罗解读引擎、星盘绘制，AI 生成代码的速度快得离谱。但每个 app 从「能跑」到「能用」，中间的路比想象的远得多：某些安卓机型上滚动行为很怪，支付回调偶尔超时，用户某个特定的操作序列会触发状态不一致，文案语气差一点用户就会觉得这个 app 不懂中文玄学。这些 bug 大部分 AI 都能帮你解决，但「这个交互给用户的感觉对不对」，这个判断还是人的活。
所以工匠精神这个词，在 AI 时代得重新理解一下。真让你手写每一行代码已经不合理了，AI 把 98%、99% 推完，剩下那 1%、2% 需要人的判断力、品味和对细节的执念。「能用」和「好用」的差距基本就在这块，我自己的体感是省不掉的。
再往下挖一层，还有个更底层的问题：AI 不知道该解决什么问题，你得告诉它。方向要是错了，执行力越强，跑偏得越快。所以架构师的核心职能其实在 what 和 why 这一层，how 反而是可以交出去的。
Dario Amodei（Anthropic 的 CEO）提过一个概念叫 Centaur Era（半人马时代），意思是别再纠结 AI 替代人还是人抵制 AI 了，往后是人机融合，融合出来的能力远超纯人或者纯 AI。我理解的超级个体就是这个意思，拿 AI 来增强自己，一队 agent 就是你认知能力的延伸，或者说，你的思考带宽直接被撑大了。
David 分享了一个很具体的例子。他要参加一个 1000 人的行业活动，想提前搞清楚与会者的背景，好做 networking 的准备。他搭了一套系统，让 AI agent 批量抓这 1000 人的公开资料，交叉比对，生成一份结构化的优先级列表：谁是潜在合作伙伴、谁在做相关方向、谁值得深聊。一两分钟就搞定了，这活要是手动一个一个查 LinkedIn，10 个小时都打不住。这跟「我用了 ChatGPT」是两码事，你是设计了一套系统，让 AI 干了过去要一个实习生干一周的活。
还有一个例子我觉得更有意思：一个 18 岁的年轻人，用 AI 工具做了一个心律失常检测的 app。他不是 CS 专业，也不是学医的，但他有领域知识，知道这个问题值得解决；有系统性思维，能把问题拆成可实现的步骤；执行能力的缺口，AI 工具给补上了。「人人可以是创业者」这话我以前只当口号听，看到这种例子，只能说是真的能做到了。不过前提没变，你还是得有系统性思维去编排这些工具，现在看，能做到这一点的人还是少数。
David 还说过一句我特别认同的话：「人的审美价值永远不会被 AI 替代掉。」
AI 能批量生成文章、图片、视频、代码，内容生产变得非常便宜。生成出来的东西质量其实不差，问题是太多了，多到失去了信号价值，这时候有真实经验和判断力撑着的创造，反而变成了稀缺品。这跟前面架构师的角色是同一件事：AI 能生成无限个选项，最后总得有人来选。选哪个方向、砍哪个功能、保留哪个细节、什么语气是对的、什么体验感觉不对，这些全是审美判断。
第一篇讲的是别盯着 benchmark，要看系统；第二篇算了笔账，一份订阅的钱能买到远超价格的算力。这篇讲人的部分，最后说几件我自己造了东西才知道的事。
Mio v1 其实粗糙得很，v2 把 v1 几乎所有东西都推翻了。但 v1 必须存在，不 ship 就看不到真实的用户行为，看不到用户行为就发现不了 v2 该往哪转。第一版本质上就是个调研工具。
盘盘猫十个 app，有的起量了，有的没起，没起的我几天之内就放弃了。AI 把试错成本压得极低，合理的打法就是同时做三个版本，然后扔掉两个。说实话我自己也不够果断，总有冲动去打磨那些没 work 的东西。
另一个体会是，真正能一直用下去的能力是拆问题，把大问题拆成子问题，prompt 怎么写反而没那么值得学。我现在每次开工前都会写一份「做完了长什么样」的文档，不写的代价就是浪费一天跟 AI 打转。
还有两件事，我觉得不值得花时间。一个是逛排行榜，花几周研究 gpt-5 是不是在某个 benchmark 上比 claude 高 3%，最后什么都没 ship，现在的补贴窗口不会永远在的。另一个是只评论不动手，能把 AI 革命讲 45 分钟的人很多，真用 AI 造过东西的人很少。我自己也是让 claude code 并行跑了好几个盘盘猫的任务之后，才算真的懂了 agent 编排是怎么回事——之前光看文章的时候，其实一直没真懂。
