作者分享了作为 Infra/Kubernetes 工程师在 AI Native 时代的工作方式演变：从 2 月认为 Code Typing 不必要，到 5 月确立「AI 放大执行、人负责判断」，再到 8 月形成信息、研发、落地、工具链的完整链路。信息层面，他用 minds（AI 参与度 90%+）和 my-kms（5%）两个知识仓库，Agent 改动走 PR 流程由人 review；编码层面推行 Spec-driven、用 guides 固化约束、自测 Agent 分层验证；工具链上自建 mind-forge、skm 等工具。核心观点：AI 善于「作」（生产、展开、润色），人负责「创」（问题、判断、观点），工作重点是决策密度、共识形成与保留个人棱角。
作者分享与AI协作时失去心流的体验，描述等待AI时刷手机停不下来、多任务切换导致疲惫等场景，引用吴恩达、Simon Willison的观点及认知心理学研究，分析切换成本和内疚感带来的消耗，并尝试减少并发、拆小任务、调整节奏、优化AI输出等方法来适应新工作方式，反思人在向更强智能妥协的过程中如何找回沉浸与满足感。
作者作为一名 AI 产品经理，分析了 AGI 时代产品开发进度未见提升的原因：落后的产研协作方式与 AI 新生产力之间存在矛盾。PRD 过详细耗时耗力，不够详细则 AI 自由发挥导致返工循环，核心问题是文档传递中的上下文不一致。作者提出折中方案：将前端工作交给产品经理，实测显著提升开发效率并改善产研关系。进一步探讨 AI Native 组织应以 AI 的'快'为核心搭建架构，理想形态是一个人同时担任产品经理和研发的超级个体，强调 AI 时代行动力与干中学的重要性。
本文探讨了普通人如何真正践行“AI First”的工作方式。作者指出，学习AI的重点不在于先掌握复杂的系统知识，而应从一件真实、具体的任务开始，通过与AI进行“任务委托与验收”，在实践中边做边学。这种模式将人的工作重心从具体操作转移到了目标设定与结果把控上。此外，还需要定期复盘系统化知识，并向外探索新方法来拓宽可能性，最终让AI深度融入日常工作流程。
