AI 时代精英的不可替代性

评价标准迁移
├── ✗ 旧标准（AI 已覆盖）：
│   ├── 技术实现力（AI 写代码更快）
│   ├── 单点技能深度（AI 知识更全）
│   └── 知识储备量（AI 记忆更强）
├── ✓ 新标准（AI 学不会）：
│   ├── 需求洞察力：知道该做什么（AI 只知道怎么做）
│   ├── 系统设计力：知道怎么组织（AI 只会生成片段）
│   └── 创新想象力：知道未来方向（AI 只会归纳过去）
└── 金句：AI 让「会写代码」贬值，让「知道写什么」升值

看大局 = 做 AI 不会做的战略决策
├── AI 能：给出两种方案的代码
├── AI 不能：判断「在这个业务阶段，该选哪个」
│   ├── 业务早期 → 快而糙（先验证）
│   ├── 业务成熟 → 稳而全（架构投入）
│   └── 监管行业 → 合规优先（不能只考虑技术）
→ 本质：决策需要「业务上下文 + 风险偏好 + 组织约束」
    ——这些 AI 看不见，只有人知道

搭台子 = 工程效率杠杆
├── AI 能：写单个功能代码
├── 精英做：搭建 CI/CD/自动化/监控体系
│   ├── 让想法到上线：一周 → 几小时
│   └── 让团队所有人受益（杠杆放大）
→ 本质：AI 提升单点速度，搭台子提升系统速度

算账 = 让价值可见（见 01 篇）
├── AI 能：实现功能
├── 精英做：把技术投入翻译成业务收益
│   ├── 申请资源有理有据
│   ├── 汇报成果用数据说话
│   └── 让老板看得见 ROI
→ 本质：AI 创造技术价值，人负责「价值被看见」

护城河公式（乘法效应）
├── 技术深度：解决问题的能力（AI 时代依然重要——否则无法判断 AI 输出）
├── 业务理解：知道为谁服务、什么重要（AI 学不会）
├── AI 协同能力：让 AI 成为杠杆（会用工具的人）
└── 乘法意义：三项都强 = 指数级稀缺
    ├── 技术深 × 业务懂 × 会用 AI = 全能精英
    ├── 技术强但不懂业务 = 高级工具人（可被替代）
    └── 业务懂但技术浅 = 管理岗（吃沟通饭）

护城河的自我评估（每年一次）
├── 技术深度：我能解决多难的问题？（持续深耕 1-2 个领域）
├── 业务理解：我能说出业务的 3 个核心指标吗？
├── AI 协同：我的 AI 使用效率是同事的几倍？
└── 护城河检查：我的组合在市场上稀缺吗？
→ 金句：未来不存在只会写代码的程序员

能力迁移路线
├── 代码工匠 → 技术决策者
│   ├── 从「怎么实现」到「该不该做、怎么做更好」
│   └── 从「写代码」到「定标准」（评审/规范/架构）
├── 需求执行者 → 业务翻译官
│   ├── 从「接需求」到「理解需求背后的业务」
│   └── 从「实现功能」到「翻译价值」
└── 核心变化：AI 接手「执行」，人上移到「决策」

技术决策者的五个日常
├── ① 定标准：评审标准/编码规范/技术选型（影响团队产出）
├── ② 做取舍：资源有限时的优先级决策（业务视角）
├── ③ 控风险：识别技术风险并前置（架构评审）
├── ④ 建平台：让团队效率翻倍的基础设施
└── ⑤ 育人：把判断力教给团队（评审导师化）
→ 这些是 AI 无法替代的「判断密集型」工作

人机分工
├── AI 做（体力活）：
│   ├── 模式化编码（CRUD/样板代码）
│   ├── 基础测试生成
│   ├── 文档初稿
│   └── 检索归纳
├── 人做（脑力活）：
│   ├── 需求抽象（把业务转成 AI 能执行的任务）
│   ├── 架构设计（AI 生成片段的组织方式）
│   ├── 异常处理（AI 默认只做快乐路径）
│   └── 技术判断（AI 输出的质量把关）
└── 金句：AI 起草第一版草稿，你来做最终裁判

被 AI 用的危险信号
├── ① 让 AI 做决策（「AI 说这个方案好」——没有自己的判断）
├── ② 不审查直接合入（AI 输出 = 信任）
├── ③ 只会复制粘贴（没有理解生成的内容）
└── ④ 失去基本功（离开 AI 不会写代码 = 能力外包）
→ 自检：如果 AI 消失了，你的能力还完整吗？
→ 精英原则：AI 是杠杆不是拐杖——杠杆放大你的能力，拐杖替代你的能力

AI 时代精英的五个习惯
├── ① 任务设计：把业务需求拆成 AI 可执行的任务（意图工程）
├── ② 上下文管理：为 AI 准备高质量上下文（规则/示例）
├── ③ 输出审查：AI 代码按六重点审查（幻觉/夹带/边界/安全）
├── ④ 评估体系：用测试/门禁验证 AI 产出（数据说话）
└── ⑤ 判断保留：关键决策永远自己拍板
→ 详见《写代码的好习惯》06 篇（AI 时代编码习惯）

认知竞争五层
├── L1 信息层：知道什么（AI 完胜，人无优势）
├── L2 知识层：理解为什么（AI 接近，人有少量优势）
├── L3 判断层：知道选什么（AI 弱，人有优势）
├── L4 洞察层：看见趋势（AI 极弱，人高价值）
└── L5 创造层：定义未来（AI 不会，人最稀缺）
→ 精英策略：向上爬升认知层——停留在 L1/L2 的人最先被替代

认知升级五步
├── ① 领域深耕：1-2 个领域到达「判断层」（有话语权）
├── ② 跨界连接：把 A 领域经验迁移到 B（创新来源）
├── ③ 趋势阅读：季度跟踪 AI/行业趋势（保持洞察）
├── ④ 输出验证：用写作/分享验证认知（费曼）
└── ⑤ 迭代更新：认知随实践更新（不固化）
→ 金句：认知 = 实践 × 反思 × 输入的三次方

AI 时代的长期主义
├── ① 深度优先：一个领域钻到底（浅尝辄止 = 无护城河）
├── ② 复合优势：技术 × 行业 × AI（π型人才）
├── ③ 拥抱变化：每次范式转移（RAG/Agent/Harness）都是换赛道机会
├── ④ 保持判断：AI 时代最稀缺的是独立思考
└── ⑤ 复利积累：知识库/作品/影响力（时间的朋友）
→ 金句：AI 时代精英 = 能看清变化的人 × 能驾驭变化的人