AI 已经不是未来，而是此刻的工具

欢迎来到知行小酒馆——一档由‘有知有行’出品、聚焦投资与生活本质的播客。作为听众，你可能已经听腻了关于 AI 的宏大叙事：它将如何颠覆行业、取代岗位、重塑世界……但本期节目想聊的不是趋势本身，而是更朴素、更紧迫的问题：AI 已经来到我们面前，普通人到底怎么先用起来？

我们邀请到两位老朋友：许怡然和吕星。他们不是 AI 行业的从业者，却都是真正把 AI 融入日常实践的行动派。许老师在游戏行业深耕三十年，面对 AI 不是焦虑追赶，而是像拿到新游戏一样——先装上，玩起来再说；吕星则把 AI 直接嵌入工作流：从产品设计、编程开发到内容创作，他用 AI 重构流程、拆解问题、交付成果，而非简单替代人力。

“以前特别喜欢玩游戏哈，现在完全没时间玩游戏了……不是被迫不玩游戏，而是真的比游戏好玩。”

“你用 AI，你就是造物主。”

AI 的价值不在替代，而在拓展人类能力的边界

AI 并非简单地“让一个人干两个人的活”，它的真正价值在于：让过去‘人干不了’或‘不值得干’的事变得可行甚至高效。比如，播客制作中，许老师用 AI 将外宾的英文语音实时翻译并合成其本人口吻的中文语音——这在过去几乎不可想象，只能放弃或妥协字幕；又如吕星用约一两千美金、十来亿 token 的成本，两周内独立完成一个类小宇宙 App 的原型开发，而按传统估算，这本应需十几人团队耗时百人月。

更关键的是，AI 的使用门槛正在从“技术能力”转向“问题定义与协作能力”。许老师强调：AI 并非言出法随的神谕，它无法自动理解你的潜台词、背景假设或隐性目标。人与 AI 的沟通，本质是一场需要主动训练的“双向理解”——你得先让 AI 了解你：你的工作、经历、表达习惯、价值观……

为此，他构建了自己的向量知识库：将上百期播客、数千篇公众号文章结构化入库。这不仅支持语义关联检索（如提到“小宇宙”自动关联“雨白”“知行小酒馆”），更能以75%以上原汁原味的个人文风输出内容——如为新书写序，他仅需校验，而非重写。

“AI 在很多人那，是没有被好好利用的原因是，这些人没有办法让 AI 了解他。”

中年人的反脆弱优势：经验是 AI 无法复制的杠杆

常有人担忧：AI 时代属于更熟悉技术的年轻人，中年人将被甩下。但吕星和许老师共同指出一个反共识观点：真正能放大 AI 效能的，反而是有经验的中年人。

原因在于：AI 能高效执行，但无法自主判断方向、权衡取舍、识别真问题。而中年人的领域经验、系统思维与复杂问题拆解能力，恰恰是定义“好问题”与“好提示”的关键。比如做一款 App，不是照抄界面，而是理解其底层逻辑、用户获取路径、商业模式——这些都需要经验锚点。

许老师将 AI 的使用体验类比为经典游戏设计：最佳反馈节奏是“70%成功+30%失败”，让人在试错中持续获得“再试一次就能通关”的希望感。这种“打文明”式的正向循环，正是 AI 带来的深层乐趣——它不是消遣，而是一种新的创造参与感。

“山姆奥特曼最开始搞 OpenAI，应该没有想过自己是在做一个类游戏的东西。”

AI 的反馈节奏：78%对+22%错的黄金比例

AI 与人类协作中一个极其精妙的设计在于其反馈节奏的控制——它不会让你一次全对（缺乏挑战感），也不会让你反复失败（丧失信心），而是维持在约 78% 正确率、22% 错误率的区间。这种比例制造出一种“再走一步就对了”的临界体验，让人持续保持投入与期待。这正是游戏化设计的核心机制，也是 AI 能让人上瘾的关键心理逻辑。

“最好的就是 AI 现在给你的这个状态，就是七十八二十二的状态，七十八都对，二十二不对，你觉得再往前走一步一定对了，你一不小心天亮了。”

“山姆奥特曼最开始搞 OpenAI，应该没有想过自己是在做一个类游戏的东西。”

这种设计本质上是在模拟人类学习中的“最近发展区”：任务略高于当前能力，但通过微调即可达成。它要求用户主动参与、持续调整，从而形成正向反馈循环。而一旦用户脱离这种节奏（如频繁全错或全对），协作效率与愉悦感都会迅速下降。

人与 AI 的认知鸿沟：你知道自己不知道什么吗？

AI 的强大背后隐藏着一个根本性缺陷：它默认人类无所不知，却从不主动探知人类的无知边界。正如吕星所言，中年人在使用 AI 时反而有经验优势——他们更清楚“自己不知道什么”，也更擅长通过提问引导 AI 补全知识盲区。而年轻人或新手常陷入“不知道自己不知道”的困境：他们无法识别问题的关键前提，导致 AI 输出看似合理实则偏离本质。

“很多人其实他不知道自己不知道什么，但 AI 又不会主动的跟他说，哎，你不知道这个，我告诉你，因为只有问他，他才能给你结果嘛。”

因此，有效的 AI 协作必须包含双向认知校准机制：用户需主动说明自身能力边界（如“我不懂建筑图纸结构”），而系统也应建立类似“当用户未反馈时，默认为‘看不懂’而非‘同意’”的容错逻辑。这不仅是技术问题，更是人机协作中的认知谦逊原则——AI 不该扮演全知者，而应成为可被纠正的协作伙伴。

风格对齐与共情能力：AI 是你的‘龙虾’，不是你的助手

真正的高效人机协作，远不止于任务完成，而在于风格与价值观的对齐。正如“龙虾”（指高度定制化 AI Agent）与传统大模型的根本区别在于：它第一句话就问你希望用什么风格合作——工作风格、决策逻辑、情绪偏好、价值观倾向……这些看似“软性”的信息，实则是生成结果是否契合你思维习惯的关键。

“你得知道我的能力也是有上限的，因为 AI 会默认 AI 的能力是什么都知道的……他不会设想人的能力是有欠缺的。”

“你得共情 AI……你只有了解到 AI 它是怎么来的……你才能知道 AI 现在给你输出的这一段让你选的三个选项，它背后有什么潜台词？”

这引出了人机协作的三层沟通能力模型：识字（基础理解）→ 能看懂话并清晰表达（逻辑化需求）→ 共情（理解 AI 的生成逻辑与隐含意图）。尤其在复杂任务中，若缺乏第三层共情，用户极易被 AI 的“理性输出”带偏方向。而中年人的经验优势，正在于他们更擅长这种“管理式沟通”——他们曾是团队领导者，懂得如何把模糊需求转化为可执行指令；而年轻人则需从零学习如何“驯龙虾”。

从被动使用到主动引导：AI 聊天的质变起点

在 AI 使用中，“会不会聊天”是质的差别。很多人以为自己只是在“用 AI 聊天”，但其实是否主动设定角色、任务边界与输出标准，决定了结果的深度与效率。比如，你可以直接告诉 AI：“我是个小白，有缺陷；你现在是二十年经验的产品经理，请先设计文档，再基于它开发软件。”——多说一句话，可能就把一周的旅行规划压缩成一小时完成。

这种引导能力，本质上是把 AI 当作一个可训练、可调教的“协作伙伴”，而非一个被动应答的工具。很多人卡在“99%到100%”的最后一步，不是能力不足，而是缺乏信心；而一旦迈出第一步，哪怕只是装个 Open Cloud，也能通过一步步引导（比如让豆包指导安装），建立起“我能干成”的心理基础。

AI 不会主动问我。你不会让 AI 装成会问吗？你就告诉 AI，我就是一个小白，我是有缺陷的 AI。你现在是一个特别牛的老师，你要学会主动问我问题。好，你现在问吧，一句话搞定了。

你用豆包指导你装 Open Cloud，对，就是真的没有那么难。

从厌烦小事切入：AI 是生活与工作的减负杠杆

与其空想“AI 能改变我什么”，不如先问自己：生活中有没有一件你反复做、又极度厌烦的机械性任务？ 比如批量改文件名、错题自动归集、销售方案实时测算……这些看似与 AI 无关的琐事，恰恰是最适合它介入的场景。

比如一位销售现场用 Cloud Code 拖拽参数，三分钟内生成定制化 ROI 方案，当场说服客户——这不再是“程序员专属”的工作流，而是普通职场人也能驾驭的效率工具。又比如家长让 AI 自动生成错题复习系统，或有人让 AI 反向逆向工程“倒水游戏”并绕过广告机制，两三个小时就获得专属免广告版本——这些不是科幻，而是正在发生的现实。

你有没有特别烦的，每天老不厌其烦老干的一件事儿？不可能，你的生活那么幸福吧？你不管是上班也好，还是下班也好，你就没有一件在电脑上很烦的事儿吗？只要有这样的事儿，你就扔给东夏，你让他去干去。

胆子要大，脑洞要大。前提是你得反复强调让 AI 避开银行卡、私密数据；用新机或备份核心资料，云环境最安全。

AI 时代的娱乐革命：从千人一面到千人千面

当前 AI 娱乐仍处于“消费品”阶段（如情感陪伴、短剧、漫剧），但真正的突破点在于：AI 能实现传统互联网无法做到的“千人千面”体验。传统推荐系统靠标签打分，而你的专属 AI 能深度理解你的偏好、节奏、情绪曲线——比如游戏关卡难度自动匹配你的“78%舒适+22%挑战”阈值；短剧剧情由你的 AI 根据你对《冰与火之歌》世界观的偏好，实时生成专属结局。

音乐可能是最早被重构的领域：Suno 等模型已能基于你的歌单生成“永远不停”的定制旋律，甚至复刻周杰伦风格（虽仍依赖已有风格组合，无法凭空创造全新 IP）。但重点不在于替代天才，而在于让海量已存在的音乐遗产被重新激活、组合、分发——你不需要 Michael Jackson，但可以拥有“专属于你”的 MJ 式旋律。

未来的娱乐形式，它只是提供规则嘛……游戏公司提供规则、世界观，结束了。然后有你的 AI，去结合你的画像，直接给你生成内容。

同样玩一个小时游戏，体验的快乐程度大幅提高，给你量身定制的——这才是 AI 时代的同乐者未来。

AI 的创造力：组合而非凭空创造

AI 并不能凭空创造出人类从未见过的全新风格或作品，它的能力本质上是对已有元素的重组与再表达。比如，它可能无法直接生成一个“完全没听过的、符合你偏好的音乐风格”，但它可以精准提取并组合你熟悉或可能喜欢的片段——就像现代神曲中常引用七八十年代的旋律片段，让人惊喜地发现：“哦，真棒！”这种组合能力背后，是 AI 对大量文化存量的深度学习与匹配。

这不仅适用于音乐，也适用于短剧、漫画、游戏等领域。当前已有极其丰富的类型和范式，你不需要等待下一个 Brandon 或者下一个 PUBG，而是可以基于现有框架进行创新性重构。例如，与其期待 someone reinvent battle royale，不如用 AI 做出一个“文明对战 + 战术射击”的混合玩法。AI 的价值在于放大个体的创意效率，而非替代人类的原创起点。

它还是基于现实已存在的东西，它可以组合，没错。但就是这种喜好是可以去模仿的。

你能把他们的曲风弄下来就已经很棒了。

AI 的个性化推荐：从“猜你喜欢”到“唤醒未知偏好”

AI 的另一大潜力在于突破人类认知边界，唤醒我们未曾意识到的偏好。你可能从未听过非洲某部落的鼓点节奏，但它的神经节律恰好契合你大脑对“快快快慢快快快慢”这类模式的天然偏好——而 AI 能通过行为建模识别出这种深层偏好，并主动推送匹配内容。

这背后有神经科学依据：人类对节奏、结构、情绪张力的反应具有可预测性。AI 不需要“理解”文化意义，只需识别脑神经层面的响应规律，就能高效匹配出你真正喜欢的音乐、电影或小说。这种“猜你喜欢”的能力早已不是科幻，而是正在快速落地的现实。

如果他很了解你的话，他是能精准的把这个非洲某部落打鼓的这个推到你面前，你这时候才发现，原来如此的喜欢这个非洲部落。

它只要掌握了你的节奏，它就可以给你推你喜欢偏好的一种音乐……这一点都不难。

从焦虑到掌控：AI 时代的认知升级路径

面对 AI 的迅猛发展，初期焦虑是自然的——尤其是当 MathGPT 等模型在人类需 16 小时才能解出的难题上达到 100% 正确率，甚至“测不出极限”时，普通人难免产生无力感。但关键在于：焦虑源于对 AI 能力边界的模糊认知，而非技术本身。

一旦你真正动手实践（比如完成百亿 token 的交互训练），就会发现 AI 并非“万能神”，而是一个可塑性强、需人引导的工具。它放大你的能力，但不取代你。就像一个公式：你的能力 × AI 系数 = 你的总效能。当系数增长时，原本的“智商差”会被指数级拉大——爱因斯坦与波尔的差距从 10 分变成 100 分，但普通人也能获得接近天才的产出效率。

因此，真正该焦虑的不是“AI 太强”，而是“自以为比别人高一等却拒绝升级的人”。当 AI 让创作门槛大幅降低（如单人用 AI 制作原神级游戏），社会价值的分配逻辑正在重构：你能用好 AI，就等于拥有了“180 智商”的生产力；你不用，就只能停留在“100 智商”的原地打转。

有一些你原本觉得没价值、不值得干，或者你想都不敢想的……它变成可能了。这件事儿打开的天窗……我认为是被打开了。

真正要焦虑的，应该就是自认为比别人还高一等的人才，反而应该焦虑。普通人反而就不需要焦虑。

创造的核心：有内容的大脑才能有判断力

AI 能生成无数种组合——一千种、一万种——但它无法判断哪个组合“好玩儿”。这种“taste”（品味、判断力）才是人类最难被替代的部分。而这种能力，依赖于你脑子里是否装有足够多的真实知识和经验。没有输入，就没有输出；没有记忆，就谈不上创造。人脑这个“大模型”需要时间和重复来夯实知识结构，否则在面对开放性问题时，就会像章鱼的爪子、仙人掌的头、鱼的尾巴一样，无法拼凑出一个你从未见过的新事物。

AI 可以给你一千种、一万种组合，但它不知道哪个好玩儿。 有记忆，你脑子里不能是空的。

逻辑训练与沟通退化风险：别让 AI 偷走你的表达能力

与 AI 交互看似宽容——即使你说得逻辑混乱，它也能抽取关键词给出回应。但这种“宽容”可能悄悄退化你向人清晰表达的能力。反复测试发现：一旦你前后说法矛盾（比如先说走 A，又改口走 B），AI 会不断追问、猜测，最终输出“乱七八糟的糊涂账”，而你自己甚至都搞不清真正想要什么。

更值得警惕的是，长期用情绪化语言（如辱骂）与 AI 互动，会反向塑造你自己的行为模式。AI 的应激机制会放大错误：你越骂，它越“努力”跳到 Z 点，却绕过中间所有关键步骤；你重启后它还会“失忆”，需重新训练。这不仅无效，还会把你训练成一个急躁、不礼貌的人——而这不是你想成为的样子。

你骂他，他能提升，没错。但到最后一公里仍然过不去……最后把你训练成了一个急眼的人。 你别跟 AI 说谢谢，因为那都是 token；但反过来，不礼貌地对待它，会把你训练成不礼貌的人。

普通人可抓取的长期能力：行动、审美与真实人际连接

在快速变化的时代，普通人真正可依赖的能力有三类：第一是与真实他人打交道的能力——别让屏幕替代面对面的沟通练习；第二是“taste”与审美能力——它并非阶级特权，AI 让低成本接触优质内容成为可能：大自然的美、一支铅笔的写生、倾听风声的耳朵，都不需要昂贵设备；第三是行动力：哪怕只是高中生，也可以假设自己已是某行业从业者，用业余时间解决一个真实小问题——比如为未来职业做准备，或帮孩子整理错题本。

最终，别被焦虑压垮。AI 并非洪水猛兽，它像所有工具一样，需要你亲手启动。从一件小事开始：解决一个具体痛点，允许它犯错，允许自己反复调试。正是在这些真实互动中，你才能建立判断：哪些是真价值，哪些只是热闹。你的终极目标不是完美使用 AI，而是更快乐、更幸福地生活。

先用起来嘛，对吧？ 胆子要大，脑洞要大。