先说我的变化：我不再"学"东西了。

准确说，我不再把"学会一个东西"当成目标。我的目标变成了"判断一个东西值不值得学，然后用最快的方式验证我的判断"。

两年前我遇到一个新技术，第一反应是"我得学会它"。买书、看文档、写 demo、做笔记，一套下来至少一周。

这个过程有个隐藏假设：知识是稀缺的，我必须先"拥有"它才能"使用"它。

现在流程变了。遇到新东西，我先跟 AI 对话，搞清楚它解决什么问题、跟已有方案比差在哪。15 分钟就有够用的判断。

说具体点。上周我需要评估 observability 方案，之前用 OpenTelemetry + Jaeger 做过分布式追踪，这回要决定是继续这套还是换 Grafana Tempo 或 Datadog。以前我会花三天读文档、跑 demo。这次我直接把三套方案的架构图丢给 AI，让它从部署成本、社区活跃度、和现有栈的兼容性三个维度对比，40 分钟我就选了 Tempo——部署最轻量，跟我们现有的 Grafana 栈无缝衔接。

这个决策我自己做的。AI 帮我压缩了"收集信息"的时间，但最终选 Tempo 是因为我知道团队人手有限、部署复杂度是硬约束——这个判断 AI 做不了。

我发现一个更有意思的变化。以前知识稀缺，积累就是壁垒。现在知识触手可及，积累的意义在快速衰减——你在入门级任务上花两周学会的东西，别人用 AI 辅助两天就能达到能用的水平。

那什么才是壁垒？

判断力。知道什么时候该深入、什么时候够用就行。知道哪个方案有坑——不是文档里写了什么坑，是你踩过才知道的那种坑。

判断力的最终裁定没法外包。AI 能帮你列选项、对比参数，但"这个方案跟我的团队情况匹配不匹配"这种判断，只能你自己下。

之前跟一个做了八年后端的同事聊，他说现在写代码变快了，但反而比以前更焦虑。我问为什么，他说"以前我知道自己不会什么，现在我不知道 AI 帮我补的哪些地方其实我没真正理解"。

这个焦虑我也有。但我想了想，可能这也算一种进步——至少现在我知道，“知道自己不会什么"本身就是一种判断力。