AI 让“生成”变得非常便宜。一张海报、一段文案、一份代码草稿，过去需要不少时间的东西，现在都可以在很短的时间里得到第一版。于是我开始怀疑：当所有人都能生成时，什么能力会变得更值钱？
我的答案是叙事。这里的叙事不是把经历说得多么戏剧化，而是能把一个模糊的念头，整理成别人能理解、也能继续讨论的路径。
模糊的问题，不会因为模型更强而自动清晰
“这个页面太丑了，帮我做得高级一点”是一个常见请求。它几乎没有提供任何可判断的信息：问题出在层级、留白、色彩、字体，还是交互？“高级”又意味着克制、科技感，还是杂志感？
懂设计的人未必更会使用某个提示词，但他知道应该描述什么。他能把抽象感受拆成可执行的判断：主标题太弱、信息密度过高、对比不够、阅读路径不清楚。编程也是一样。能定位到“请求发出去了但错误没有被处理”，比只说“网站坏了”更接近问题的本身。
AI 放大的是已经被表达出来的判断，而不是替我们凭空长出判断。
叙事是一条思考链
我现在更在意一篇文章有没有把“我是怎么想到这里的”交代清楚。一个好的观点不只给结论，它还会展示观察、困惑、转折和验证。读者不必完全同意结论，但能看懂这条路是怎么走出来的。
这也是我想在博客里保留具体经历的原因。刷到一条信息、做产品时卡住、和模型反复协作却没有产出——这些细节不是废话，它们让抽象的判断有了起点。没有起点的金句，通常也没有可以复用的方法。
学习的意义没有变小，只是变了位置
这并不意味着每个人都要变成专家，才配使用 AI。恰好相反，AI 让入门和试错快了很多。但如果想让它真正帮助自己完成复杂的事，就得逐渐学会一门领域的语言：知道哪些变量重要、哪些约束不能碰、什么结果才算完成。
对我来说，学习编程、产品和设计，并不是为了记住更多术语，而是为了拥有更准确的问题。问题越准确，协作就越有力量。
把自己的路径讲出来
生成工具会越来越好，这大概不会改变。但人的经验、取舍和正在形成中的理解，仍然无法被批量生产。它们也许不够完美，却能让另一个人少走一点弯路。
当生成变得廉价，真正稀缺的不是内容，而是有来处的判断。