我被 AI 放大了

凌晨一点，我屏幕上挂着 5 个 Claude Code 会话。一个在调慢查询、一个在写支付接口、一个在 review 昨天提交的代码、剩下两个我已经分不清在干嘛——但 token 在烧，产出在涨。

我泡了第三杯咖啡，给每个会话敲完指令，回过神已经凌晨两点。第二天醒来打开 Token Dashboard，看那条暴涨的曲线，半个套餐没了。

我盯着那条曲线想了一会儿——"我到底在干什么？"不是"累不累"那种问题，是更深的一层：我已经不是在写代码了，我在指挥 AI 写代码——这两件事的感觉，完全不一样。

Karpathy 的 9/10

那天早上我顺手刷 X，看到 Karpathy 上线了一个新项目。

Visiter

一张 treemap，342 个职业按就业人数铺成大小不等的矩形。我习惯切到 AI Exposure 视图——大多数格子是浅黄、浅绿、淡橙，只有少数几格是红色。然后我找到 Software Developers 那一格：深红色，9/10，最高一档。

一年前我看到这个数字会焦虑。但这天早上，我心里只剩一句话——它没有替代我，它把我放大了。

后来我把 Karpathy 那篇 README 翻完，发现他在里面专门补了一段：

9/10 不是淘汰，是重塑。但"重塑"两个字太抽象了，我想看看自己到底被重塑成了什么样——更想看看，是不是所有程序员都被一样地重塑。

两类 AI 用户

这个问题，英国工程师 Martin Alderson 比我先看到了答案。他在自己博客里写过一篇文章，开头第一句话就把现状抛了出来——AI 用户正在分化成两类，他们之间的差距大到惊人。

一类是 Power User——All in 那种，Claude Code、MCP、Skills、Subagents 一整套堆栈，token 烧到飞起，每天同时挂着好几个会话并行干活。另一类是 Limited User——公司只让用 Copilot，回家偶尔打开 ChatGPT 聊几句，工作流和两年前几乎没差。

同样是程序员，同样的工龄、同样的智力——被 AI 放大的程度，差了 100 倍。我能写出这篇文章，是因为我赌对了一件事——很早就站到了 Power User 那一边。但说实话，这个赌注不是从天上掉下来的，它是三次切换、三个深夜、两次套餐升级，一步一步赌出来的。

三次切换

2022 年的某个深夜，Copilot 在我没想清楚时已经写完了

时间是 2022 年下半年的某个深夜，地点是大学宿舍。我趴在桌子前写软件工程课的作业——一个图书管理系统的后端，标准的 CRUD。我刚敲完 def get_book_by_id(，光标停了不到一秒——整个函数体被 Copilot 一次性甩了出来。参数列表、查询逻辑、错误处理，全在那。

我盯着屏幕看了两秒——"它怎么知道我下一步要写什么？"最神奇的不是这个，是接下来：我开始写第二个函数 get_book_by_isbn，刚敲完函数名，Copilot 把参数、查询、返回值的整个结构都给出来了。它顺着我前一个函数的节奏，把后面的全推出来了。

我那天晚上坐在宿舍桌子前发了一会儿呆。我从来没有过这种感觉——它不是在帮我打字，它在预判我的节奏。那是我和 AI 编程工具的第一次见面。它没有让我兴奋到大喊"AI 来了"，而是更安静的一种感觉——像是有人在我身后，比我自己更清楚下一步是什么。

如果说 Copilot 让我意识到 AI 能预判节奏，那 Cursor 让我意识到一件更反常识的事——

Cursor 让我意识到，底模不是全部

我入场 Cursor 比较晚。当时 Copilot 学生包还能免费用，我有点舍不得——毕竟用了好几年。直到有天同事直接把屏幕转过来给我看了一段 demo——他用 Cmd+K 让 AI 重写了整个组件，速度和准度都比我手动改快十倍。下载下来，第一眼是 UI——它就是好看。

但用了几天我发现事情不止是 UI。那时候 Copilot 和 Cursor 的底模都是 GPT-4，但 Cursor 的质量明显更好——补全更准、对话更懂、对上下文的理解更深。那是我第一次真切意识到一件事——同一个底模，不同的 agent，体验差到天上地下。模型不是全部，agent 才是。

这个认知后来给我惹了不少麻烦——它让我对所有"基模都是 GPT-4，所以差不多"的结论都失去了耐心。但它也让我做了一个赌注。

Claude Code 出来没多久，我赌了一家公司

Claude Code 刚发布我就切了。原因不是某个具体任务把我震到——是 Anthropic 这家公司本身让我想押注。MCP 协议是它提的，Skills 标准是它制定的，Subagents 是它发明的。这家公司在 agent 工程上一直在抛新概念。我喜欢尝试新东西，更愿意把钱投给一个有想法的公司。

切完之后，我的 Claude 套餐从 20 升到 100，再从 100 升到 200。每一次升级都不是因为我"想多花钱"——是 token 真的不够用了。20 刀的时候，我每天能跑两三个会话；100 刀的时候，我开始同时开 3-4 个 worktree 并行干活；200 刀的现在，我手边随时挂着 5 个 Claude Code 会话，每个会话独立干一个项目，半天烧掉的 token 够小用户用一周。

整个工作流就这样彻底翻了过来——从"我在写代码、AI 帮我"，变成"AI 在写代码、我在监督"。这两件事的感觉，完全不一样。前者是我加了个工具，后者是——我换了一个职业。

关于这条工具线本身的演进我之前写过《从 Eclipse 到 Zed：一个开发者的编辑器进化史》。这一篇讲的是工具背后我自己的姿态怎么变了。

不只是产能

工作上的变化是显性的——commit 数、上线项目数、并行项目数，都能拿出来摆在桌面上。但真正让我意识到"我已经被改变了"的，是几个生活里的细节。

我开始心疼套餐

200 刀的 Claude Code 订阅，平均每天 6 块多。不算多。但订上之后我反而舍不得休息——歇一小时就觉得在浪费额度。这种焦虑挺新的，它不是"怕被 AI 取代"，是"怕没用够 AI"。

我之前在 Claude Code Monitor 那篇博客里写过一句话："看到状态栏全变黄了就赶紧再派个任务出去——狠狠地榨干 Claude Code，一分钟都别让它闲着。"写完那句话过了几天我才意识到——那个被榨干的不是 Claude，是我。

但奇怪的是，我并不抗拒这种被榨干的状态。因为它是有产出的——每一小时我都在做一些以前要花一周才做得出来的事。

我学新东西的方法整个翻了

以前学一个新技术，路径是经典的——找视频教程、读官方文档、做一个 toy project、再慢慢搞清楚原理。两三周起步。现在的路径是这样的：找到所有相关的视频和文章让 AI 转录整合 → 让 AI 把转录稿做概览（半小时拿到来龙去脉）→ 让 AI 去 GitHub 找高 Star 的、新的项目作为一手参考 → 回到我自己搭的 Obsidian 知识体系一块一块沉淀。

上个月我用这套方法学 LangGraph。从零到能写一个简单的多 agent 协作 demo，花了 4 天。换一年前的我，少说一周——而且那一周里我大概率还会被 LangChain 那一堆 chain / agent / tool / executor 的抽象搞晕。效率不是 2 倍，是一个数量级的差别。

更重要的是——以前我学是"由浅入深"，先建基础再爬深度。现在我学是"由全到点"——先把全景图建起来，再聚焦到我真正想搞清楚的那一个点。这是 AI 时代的学习方法论，它把"先打基础再向上"的传统路径直接推翻了。

这篇博客本身就是 AI 写的

我跟你直说——你正在读的这篇文章，是 Claude 当我的采访者，从头问到尾，再帮我编排出来的。

第一稿它写得太"科普"，我说"你完全没抓到我的语气"。第二稿它写得太"诗化"——每段一行字、空行多到像诗集，我说"信息量太少、整个故事没意思"。然后它去读了 Simon Willison、idoubi、Martin Alderson、Paul Graham 四篇优秀反思文，写了一份 10 条评分标准的自检 plan，再来重写第三稿。你正在读的就是第三稿。

整个过程像两个联合作者反复对稿。我提供血肉、它提供骨架；它打磨文字、我把控气质。写作正在从"独自创作"变成"对话式编辑"。我没有失去表达自我的能力——我表达得比以前更准、更快、更深。

被拖慢的另一半

回到上面那个问题——既然 AI 用户分化成两类，那"被拖慢"的那一半，到底是怎么慢下来的？

METR 做了一个真实开源项目实验：让 16 位资深程序员完成 246 项任务，对比有 AI 和没 AI 的耗时。结果反直觉——

同一个工具、同一个时代——有人快了十倍，有人慢了两成。差距在哪？差距在 AI 把"中间执行"接管之后，剩下两端的能力，决定了你属于哪一类。

我自己的版本是这样的——

输入端：找到值得做的事

中间执行被接管之后，"做什么"比"怎么做"重要了一万倍。你的信息源决定你能看见什么——如果只读公众号搬运、只刷国内二手解读，你永远比一手发布晚 1-3 个月。在 AI 时代，1-3 个月是几十次工具迭代、几次 paradigm shift。

但比"看得早"更深的——是早体验、早感受其中的乐趣。

这才是程序员真正的本能——对新东西的好奇。一个对工具变化无感的程序员，比一个不会用工具的程序员更危险。前者已经停止进化，后者还能学。

输出端：感受美

AI 把"做出一个能跑的产品"的门槛降到接近零。但"能跑" ≠ "有人买单"——决定有没有人买单的，是细节、是审美、是产品感，是那些 AI 学不到也写不出来的东西。

举个具体的例子。这个博客的 BlogImage 组件，图片说明位置我专门琢磨过。最初 AI 给我写的版本是图内浮层——文字浮在图片下沿、半透明黑底，看起来很有"现代感"。但用了几天我把它改了——改成了图片下方居中、单独一行小字。理由：图片是要给读者看清的，浮层会挡住关键信息；下方的文字虽然多占一点垂直空间，但不打断扫读节奏。

从浮层版改到下方版，加上 CSS 微调，前后花了 3 天——这 3 天我本来可以多发两篇博客。绝大多数读者不会注意到这个差别，但每次我自己写新文章插图、看到那行规整的下方图说时，心里舒服——而这种舒服，会通过整体的阅读体验，传给读者。

这种"具体到一个组件、一个像素、一个间距"的决策，是 AI 永远写不出来的部分。审美不是装饰。审美是 AI 时代程序员唯一不会被商品化的东西。

回到那张图

回到 Karpathy 那张 treemap。软件开发者，深红色 9/10。一年前我看到这个数字会焦虑，今天我读出来的是另一层意思——9/10 不是被淘汰，是被重塑。

但说实话，我也不知道这个版本的自己能撑多久。也许半年后 AI 又跳到下一代，我又得从头学一遍。也许两年后，我以为的 Power User 又变成了别人眼里的 Limited User。

所以这篇文章不是在说"我赢了"——是在说，我至少站对过一次方向。而方向这件事，从来不是被告知的，是被押注的。

你呢？