用一篇文章终结你对 AI 的全部焦虑
春节期间我写《你最多还有 12 个月的时间去适应 AI 时代》时，觉得自己实在是太过激进了。现在回头看，那篇文章还是太过保守。
今年 2 月，我在自己博客写了一篇文章，标题是《你最多还有 12 个月的时间去适应 AI 时代》。
写完觉得太激进了，只放在博客，没有大范围传播。
现在回头再看，那篇文章其实太保守了。
12 个月？
可能只有 6 个月。甚至更短。
这个时代，正在发生什么
2026 年 3 月，比亚迪发布了 2025 年年报。
八千亿营收，460 万辆全球销量，连续四年第一的数据非常好看。
但财报的角落里，藏着一个让人沉默的数字。
仅一年时间，将近 10 万人从比亚迪消失了。
不是因为卖不动车。
被优化的近 10 万员工，几乎全是可以被自动化替代的一线生产岗位。核心技术人员不光没动，反倒逆势增加了四千多人。
赚钱的时候裁人，不是因为公司出了问题，是生产线上那些重复的动作机器已经比人做的更好了。
同期，科技巨头们那边也不平静。
自 2025 年 5 月以来，微软已裁员超过 15000 人，主要波及 Azure 云、全球销售及工程等核心部门；Meta 从 Reality Labs 部门裁撤超 1000 个岗位；亚马逊结合两轮裁员，累计砍掉约 3 万个岗位，创下公司成立 31 年来规模最大的「瘦身行动」。
亚马逊这件事，有一点特别值得说。
一边是公司高调宣布将投入千亿资金押注 AI 与自动化未来，一边是亲手搭建核心项目的工程师，在毫无征兆的情况下被集体优化——项目叫停，团队解散，只换来一句轻飘飘的「资源配置优化」。
这不是经营困境下的无奈收缩。亚马逊在内部已大规模部署 AI 智能体，替代传统白领的部分工作：在数据分析领域，AI 可在几分钟内完成团队数日的工作量；在项目管理与行政流程中，AI 能自动协调沟通、处理审批手续。
那些高喊 AI 将解放人类的科技巨头，最先动手裁掉的，恰恰是创造 AI 的人。
现在还有更讽刺的事。
人离职了，「数字分身」还要留下来，继续为企业创造利润。
我们到底在焦虑什么
每月都有新概念，每隔几天就是一个「颠覆性」的词，每条推送的评论区下面都有人说又淘汰了多少多少人。没人知道学什么是永远保值的，但是总有人打包票报了 TA 的课程就能一劳永逸。
这种程度的“噪音”没有人能扛得住。
但把这种焦虑拆开，其实就三件事：怕跟不上、怕选错、怕踏空。错把一个历史级别的长期进程，当成了一场今天就要押注的赌局。
这是一个误判！
当年纺织机出现，手工业者没有在一夜之间消失。他们花了几十年，从用手到用机器，从操作机器的纺织工人到管理机器的技术人员。
这是一个循序渐进、一眼望不到头的人与机器的不断迭代的过程。
现在也是一样，只是速度更快。
但“更快”不意味着“今天就要被淘汰”。
你是时候改变了！
那些新概念，不是你的战场
近年，全球 AI 初创企业融资额屡创新高，占全球风险投资总额的半壁江山。
无数最聪明的人，拿着最密集的资本，解决大模型、算力、基础设施这些底层问题。
OpenClaw 出来之后，ZeroClaw、QClaw、ArkClaw，各种 Claw 如同雨后春笋一般，形成了席卷全互联网的 AI 基建战争。
与此同时，第一批 AI 明星公司已经开始倒下，风投机构直言「只投 6 个月内能盈利的项目」。这场底层战争有多残酷，局外人根本看不到。
但是，
这不是你的战场。
就像你家里冰箱，你不需要知道它是如何制冷的。你只用关心是不是制冷效果更好，是不是更省电，材料是不是环保，用起来是不是足够安全。你只需要知道，食物放哪层能保鲜，放哪层能冷冻。
你的战场在应用层。
先学会用好这台「冰箱」。
一片山脉，不是一座高峰
AI 时代的进阶路径，不是一条单行道，是一片高低错落的山脉。
有些山低，坡缓，今天就能开始爬。有些山高，坡陡，需要积累才能站稳。
不要一上来就「勇攀高峰」。那样摔下来会很惨。
真正改写了自己收入结构的那批人，不是模型论文看得最多的人，而是最早把 AI 嵌进自己工作流程里的人。有人止步于豆包，有人已经在用 Claude Code，还有的人正在「改变世界」。不管你现在在哪里，总会找到最适合自己的路。
第一座山：学会向 AI 提问
这座山最低。但大多数人体验过一两次之后，觉得「不过如此」，然后就放下了——因为门槛太低了，反而没认真对待过。
随手扔一句话给 AI，和精心设计一个问题，结果差距极大。这一步的核心不是「学 AI 怎么用」，而是学会整理自己的想法，把它清晰地说出来。你说得越清楚，AI 给的越好。
完全没有头绪？让 AI 来对你做启发式提问，你只管回答。这本身就是一种很有效的用法。
第二座山：学会写提示词
每次遇到类似的问题都从零开始，这本身就是一种浪费。
提示词是你把 AI 能力固化下来的方式。从基础提示词，到元提示词（让 AI 帮你生成更好的提示词），到提示词框架（让 AI 根据“参数”，输出不同结果），层层递进。
有一件事很多人没意识到：你在写提示词的过程，其实是在审阅自己对这件事的理解。你想得越清楚，提示词越好。用写提示词倒逼自己，把模糊的东西变清晰。这就是所谓的「元认知」，是成为“顶尖专家”的入场券。
走到这里，已经超过 80% 的人了。
第三座山：学会写 SKILL
提示词解决的是「每次怎么问」。SKILL 解决的是「我这个人，能干什么」。
你做方案有一套固定的思考路径。
你谈判有一套话术。
你筛选合作方有一套标准。
这些东西，以前只存在你脑子里，每次都要重新调用。累，也容易遗漏，更不可能复制给别人。
SKILL 是把这些东西封装起来，变成 AI 可以随时调用的能力包。
到这里，超过 95% 的人。
第四座山：学会做智能体
智能体（Agent）是有记忆、有能力边界、有自己负责范围的“数字员工”。
我帮一位企业负责人做过这样一件事。他的团队原本是「主管发指令，员工执行」，信息传递靠人，容易出错，也容易泄漏。我们引入了 Agent 团队，每个 Agent 只管自己的业务模块，互相之间不共享记忆，只通过节点传递必要信息。
公司结构从「主管 → 员工」，变成了「主管 → 员工（组长角色）→ Agent 团队」。
结果是：流程更快，数据更细，人员之间的摩擦更少。而且关键业务的 SOP 被真正锁在了流程里，不再依赖“某一个人”。组织第一次从「靠人」，变成了「靠系统」。
多个 Agent 组成团队，互相协作，这是「一人公司」和「超级个体」真正的竞争优势所在。
会创建 Agent，超过 99% 的人。不是夸张，是现状。
第五座山：学会做生产力工具
走到这里，你开始把能力「产品化」了。
不只是自己用 AI，而是把某一套流程或能力，变成一个别人也可以用的工具。一个内部系统，一个自动化工作流，一个可以交付给客户的解决方案。
你不需要是程序员。但你需要清楚这个工具在解决什么问题，谁在用，用完之后发生了什么，哪里还能更好。
这是从「用 AI」到「卖 AI 能力」的分水岭。到这里，你不只是在用工具，你在建工具。
不用担心门槛突然跳高了。
走到这里，是水到渠成的事。
你在第三座、第四座山上积累的东西，已经在帮你搭地基了。
走到第五座山，在 AI 时代已经足够出头了。
再往上，是资本、团队、更复杂的市场博弈。那是另一个维度的事，也不是一篇文章能讲清楚的。但你能爬到这里，那些事情，会自然找上来。
但这不是一个温柔的故事
确实有人会被淘汰。
不是被 AI 淘汰，是被「会用 AI 的人」淘汰。
比亚迪那近 10 万个消失的岗位，不是 AI 直接抢走的，是选择拥抱自动化的比亚迪，把不再需要的重复性工作安静地关掉了。
两件事之间有区别，但结果一样真实。
麻省理工学院 2025 年 11 月发布的研究显示，当前的 AI 已能承担美国劳动力市场 11.7% 的岗位工作。
这个数字还在涨。
AI 的迭代速度，确实超出了历史上任何一次技术革命。
我在那篇博客里写过，现在还是这么认为。
留给人调整的时间，比以前短很多。
但被淘汰的边界，只有一条：你愿不愿意迈出第一步。
不用迷茫，让我们直接开始
对照你自己，找到你现在在哪一级，往上走一步：
还没开始用 AI？
今天打开任何一个工具，把你手头最烦的一件事扔给它，感受一下有什么不同。
在用，但用得很随意？
找一件每周都要重复做的事，认真写一个提示词存下来，下次直接调用。
已经有提示词了？
试着把你工作里最核心的一条流程封装成 SKILL。不只是告诉 AI 做什么，而是告诉它怎么做、做成什么样。
已经在用 SKILL 了？
是时候建你的第一个 Agent 了。找一个你最想「克隆」出来干活的角色，给它设定记忆、能力和规则。
已经在做 Agent 了？
你大概已经知道下一步是什么了。
不要一次爬五座山。找到你现在的位置，往上走一级，踩稳了再说。
最后
OpenClaw 的热度，在普通人里已经慢慢退去了。
下一轮不会等太久。一款新模型，一次发布，评论区又会炸开：这次真的要颠覆一切了，我该怎么办？
没必要为下一轮的焦虑提前买单。
你现在需要的，不是追上每一波浪，而是逐步适应这个时代的节奏，让自己成为 AI 时代的原生人类。
不焦虑新概念，因为你已经在用。不害怕被替代，因为你驾驭的正是替代别人的东西。
找到你的路。
今天就开始。