如何提升AI时代的核心能力：项目品味
文章指出，在AI普及的时代，技术执行不再稀缺，真正拉开差距的是“品味”。品味是决定做什么、不做什么的判断力，无法被AI替代。作者提出了四个训练品味的方法：建立分析型素材库、养成比较判断的习惯、接受粗糙的初稿、主动打破信息茧房。强调动手实践和反复对比是提升品味的关键。
相关文档
品味、判断力与人工智能
文章探讨了品味和判断力的本质及其在 AI 时代的价值。品味是在证据不足时识别卓越的能力，通过大量练习和接触多样性培养；判断力则是在风险中为选择承担责任的意愿。文章以 Apple Maps 为例，说明了判断力的不可转移性，指出虽然 AI 可以习得品味，但无法替代人类的判断力和责任感。
AI 时代如何成为顶级程序员：能力跃迁、杠杆与品味
文章探讨了 AI 时代程序员价值的重新定义，指出代码正在商品化。真正的顶级程序员需要具备三层能力：从实现者到判断者的能力跃迁，利用 AI 进行单兵作战的杠杆扩张，以及基于架构美学的品味稀缺。文章提供了放弃执念细节、高带宽使用 AI、研读源码等具体修炼路径。
品味 + 工程思维：AI 时代最难被替代的两件事
本文探讨了在 AI 时代，程序员最难被替代的核心能力并非代码编写技巧，而是做选择的'品味'和把结果做稳的'工程思维'。作者引用 ClawdBot 创始人 Peter 的观点，指出 AI 消灭了语法层面的痛苦，但保留了对架构设计的直觉和判断力。文章详细阐述了品味的定义（长期决策力）和工程思维的三个核心习惯（拆分、全局、三问），并强调 AI 是能力的乘数，只有具备扎实的基础，才能最大化 AI 的价值。
网红已死，体验时代来临
文章探讨了社交媒体创作者生态的演变：随着普通人在数字产品发布中取得成功，传统网红模式正在衰落。作者将创作者分为三类——追求流量的网红、以变现为目的的个人品牌，以及以作品为核心的手艺人（artisan）。作者认为，在AI能够轻易生成内容的时代，独特的个人视角和长期积累的思想作品才是真正的护城河。未来属于那些利用社交媒体推广自己作品体系的手艺人，而非追逐短期流量的人。文章建议读者记录并构建自己的观点体系，把社交媒体作为传播作品的载体。
时代账本｜每一轮时代都有账单，你在哪一页？
文章借李录的观点，把中国过去70年每十年的国家目标比作一本账：一五计划的农民、90年代末的3000万下岗工人、入世后背房贷的中产、双减和去杠杆中的教培与地产行业，每一轮的成本都落在绑定上一轮主题的人身上。作者认为2026年新质生产力时代的出清是慢性的，标准在于你是在给社会降成本还是添摩擦，并给出四个自测信号（工作是否可被AI复现、收入来源、与AI的竞争位置、客户数）和五条本周可执行的动作：做自己的OPC、收缩负债、先卖后做、小步出海、季度技能尸检，提醒个体在时代转向前看清自己绑在哪里。
AI 越来越强，我们却进入了最难下注的几年
文章探讨 AI 技术快速进步与从业者职业机会稀缺之间的矛盾。作者认为市场仍处于教育阶段，AI 公司估值与就业容量分离，共识使热门入口拥挤，AI 又让传统职业标签失效。AI 压低执行成本后组织成本暴露，开新路线者易沦为组合末尾小仓位，向上管理成为生存技能。'做出来'失去稀缺性，竞争转向 GTM 与分发，真正赚钱的 AI 生意往往不性感。作者把当下称为'历史垃圾时间'，建议保留稳定位置、积累 connection 与购买力，等待泡沫破裂后的重新定价与廉价筹码，再择机下注。
AI 是削铁如泥的倚天剑，然后呢？
本文以寓言形式讲述一位雕刻老师傅在AI工具普及后的职业变迁。AI让他的工作效率大增，但也带来了连锁变化：客户开始用AI自行完成简单作品，他的订单转向高难度的把关与咨询服务，从按工时收费转向为经验和判断力定价。故事探讨了当AI成为人人可得的基础设施后，手艺人的价值从执行转向判断与品味，以及隐性经验如何被系统化、产品化的过程。作者借此思考在智能时代，人类将如何自处并找到新的价值定位。
这个时代最明确的两条风口-AI和IP
作者以一名刚入行AI模型评测的大厂新人视角，复盘入行一年多的经历，指出爆发期行业的'草台班子'本质，鼓励普通人不必等完全准备好再入场。文章提出当下两大风口：AI与IP。AI部分强调'有多少智能就有多少人工'，模型进步依赖大量人工数据标注与评测，真正的红利是把个人创业的技术门槛降到极低，需要懂业务的人把AI落进具体场景。IP部分强调通过持续公开输出积累信任资产，摆脱'大厂藤壶'困境，并将内容创作拆为IP本人、助理、视频制作三个角色，尝试用AI辅助视频制作，开启个人账号的长期积累。
AI正在消灭'会做事'的溢价：以后真正值钱的是定义问题的人
文章通过深圳跨境电商团队的案例指出，AI正在压低'执行任务'能力的市场溢价，未来真正值钱的是能定义问题、承担结果的人。作者提出工作将分为三层：任务执行者、流程建造者、结果负责人，定价逻辑逐层递升。文章批评了'熟练使用AI'这一即将失效的优势，强调要把AI接进真实业务和损益表；建议普通人通过小规模真实项目承担结果、建立问题库/案例库/失败库/决策库等私人训练数据、构建完整的结果回路，并给出九十天重建计划，同时警示拒绝使用、完全托管、疯狂追新等五种危险反应。
FDE 的前世今生：每一代基础设施，都会发一次「最后一公里」的财
文章回顾了 FDE（前线部署工程师）岗位的兴起，提出核心观点：每当新基础设施把某一环节成本打到趋近于零，相邻环节就会裂开一条责任真空的缝隙，率先站上去的人会从「打杂的」成长为值钱的岗位。作者以 ERP 实施顾问、SRE、互联网运营为历史样本，论证 FDE 正是 AI 把「做出来」变便宜后撕开的最后一公里。文章还分析了中国企业的「先干后认」路径及其在需求、计价、组织上的独特约束，并指出岗位动荡期与稳定期的不同价值规律。
AI把努力变便宜以后，普通人靠什么翻身？
文章探讨AI普及后职场价值的重新分配：AI先将职业拆解为任务并压低可自动化部分的价格，使'第一版'产出贬值，而问题定义、高质量上下文、验证、责任判断和分发信任五种能力变得昂贵。作者指出AI首先挤压新人的练级区，建议普通人不要只学工具，而要建立完整工作流，把AI效率沉淀为流程、知识和市场三类个人资产，并给出90天升级路线，强调人机协作而非依赖，利用一人公司与智能体的低成本试错机会实现翻身。
从科技互联网、区块链到AI，我的这十年
作者回顾了从事科技互联网媒体近十年的经历，从区块链、币圈到元宇宙再到AI，见证了行业的风口变迁。他分享了自己在职场中的成长与困惑，包括作为内容写手的坚持与局限，以及为何决定在X上创建个人账号，寻求新的可能性。文章表达了对内容创作的热爱和对未来的期待。
