道法术器:一个AI学习者的焦虑,与他最终想明白的事
道法术器:一个AI学习者的焦虑,与他最终想明白的事
他的困惑
最近,一位正在学习AI编程工具的朋友,提出了这样一段困惑。他的原话是这样的——
"道法术器。比如我现在学习AI编程工具,像Claude、Codex,还有一些开源项目,我也看了不少,这些都属于'器',是工具。再往上是'术',我理解是技能,就像我会使用AI各项工具的技能。但技能我觉得也不是最重要的,技能和工具都会随着时间更新变化,你永远学不完。
'法'我觉得是规则,世界形成的一套运行规则,你要在这个规则里去做事情。比如现在AI时代,正在改变做事情的规则。最上层是'道',永恒不变的——世界不管演变成什么样,底层不变的还是不变的,比如个人的思考力、创新力、分析能力、责任、行动力,或者四季轮回、生老病死、七情六欲、人性,这些是本质的东西,千古不变。
我看到了这些,但我就出现了一个焦虑:我还学习工具的使用、或者推广工具给别人,还有意义吗?今天可能还没推出去,明天又出现了更好的工具。对于现在这个时代,应该怎么办呢?"
这段话之所以值得展开,是因为它几乎说出了这个时代大多数学习者共同的隐痛:当你看清了"工具会过时"这件事,反而不知道还要不要继续学了。 有意思的是,让他陷入焦虑的那套框架——道法术器,恰恰也是带他走出焦虑的钥匙。
焦虑的真正根源:把价值绑在了最容易折旧的那一层
工具明天会被替代,这是事实。但这个事实从来不只属于AI时代。十年前学PS的人、学SEO的人、做公众号运营的人,都经历过同样的事。
所以真正的问题,不是"工具会变",而是人们下意识地把"我学了某个工具"当成了自己的核心资产。资产一旦绑在最容易折旧的那一层,焦虑就成了必然。
这里还藏着一个认知陷阱:他在用"器"的标准来要求自己。而"器"这一层的游戏规则,本来就是"用完即弃、不断迭代"的。拿一个注定流动的东西,去要求自己稳定地、完整地占有它,当然会累、会慌。
其实答案,他自己早已说出口:既然技能和工具永远学不完,那"学完"本就不该成为目标。
第一个被误读的地方:道法术器不是四个台阶,而是一次行动里的四个面
这是整件事里最关键、也最容易被误解的一点。
很多人——包括最初的这位提问者——会不自觉地把道法术器理解成一个从低到高的"进化梯",甚至像一条鄙视链:待在"器"这层就低级,要奋力往"道"上爬才高级。正因如此,他才会问"学工具还有没有意义"——潜意识里,他觉得工具这层是该被超越、被丢掉的。
但更接近本意的理解是:道法术器,是同一件事的四个层面。真正的高手,是四层贯通、上下打通的,而不是站在顶层俯视底层。
不妨想象一个木匠。他对木头本性的理解(道)、他的工艺章法(法)、他下刀的具体手法(术)、他手里的刨子与凿子(器),是在同一个动作里同时完成的。
没有器,道就落不了地。脱离了具体的术与器,所谓的"思考力、创新力"其实是空中楼阁——因为思考力,恰恰是在解决一个个具体问题、使用一件件具体工具的过程中长出来的。
所以"学工具有没有意义"这个问题,本身就问错了方向。工具确实会过时,但一个人通过反复上手不同工具而磨练出的"快速掌握任何新工具的能力",是不过时的。 这恰恰属于"道"那一层——学习力与适应力。它不是靠静坐冥想悟出来的,而是靠一个个工具趟过来、被迫迭代出来的。
换句话说:越是嫌弃"器",越是学不到"道"。
AI时代真正改变的是什么
AI确实在改写做事的规则。具体改在哪里?
过去,价值在于"我会一项别人不会的技能、会用一件别人不会的工具"。如今,工具门槛被AI迅速拉平,人人都能让AI写代码、做设计、写文案。于是稀缺性发生了转移——从"执行能力"转向几个更贴近道与法的地方。
一是判断力。 面对一个问题,知道该不该做、做什么、什么才算好结果。AI能一次给出十个方案,但选哪个、为什么选,是人的事。
二是编排力。 把各种工具(器)组合成能解决真实问题的流程(术),并清楚这个流程究竟服务于什么目标(法与道)。
三是提出问题的能力。 AI极擅长回答问题,却极不擅长替你判断"什么才是值得解决的问题"。
值得注意的是,这三种能力有一个共同前提:必须先深度地用过工具,才可能具备。 一个从不亲手碰Claude、Codex的人,是没有资格谈"如何编排AI工具流"的。所以学工具与修炼"道"从来不是对立的,前者本就是通往后者的必经之路。
关于"推广工具给别人",意义反而更稳
那位朋友担心:今天推的工具,明天就被取代,推它还有什么用?
但换个角度看,一个人给别人提供的真正价值,从来不是"这个具体工具",而是"在信息爆炸、工具泛滥的时代,帮人节省试错成本、帮人做出判断"。
工具越是日新月异、越是多到让人焦虑,这种"帮人筛选与判断"的角色就越值钱。
也就是说,完全可以把"工具更新太快"这个令人焦虑的事实,反过来变成自己的护城河:当别人都在焦虑跟不上时,你的定位是"那个帮大家跟上、帮大家判断哪个值得学"的人。这时你交付的不再是工具(器),而是判断与信任(法与道)。它不会因某个工具被替代而贬值,反而会因变化加速而升值。
那么,具体该怎么办
回到最实在的层面,可以这样重新分配精力。
对器(具体工具),保持"够用就好、用时再学"的态度。不追求学完、学全,主动放下那种"必须掌握全部最新工具"的执念。这份执念是焦虑的直接来源,而且在逻辑上根本无法被满足。
对术(技能与工作流),把主要精力投入到可迁移的方法论上。比如:"如何评估一个新工具值不值得学""如何把多个工具串成解决某类问题的流程"。这些方法论,不会随某个工具的消失而失效。
对法与道,把它们当作做选择时的指南针,而不是要去"学"的科目。它们真正的作用,是帮你决定"该把有限的时间,花在哪个器、哪个术上"。
写在最后
焦虑,往往源于"既想全都要,又怕全落空"。
而道法术器这套框架真正能给人的,恰恰是一种敢于放弃的底气:既然底层的判断力、学习力、行动力始终不变,那么具体学哪个工具、推哪个产品,就都只是这些底层能力的临时载体。过时了就换,毫无心理负担。
工具是用来用的,不是用来"拥有"的。 它们不断流动,而那个使用它们、判断它们、编排它们的人,会在这个过程中慢慢沉淀,变得越来越稳。
这,才是一个人真正不变的"道"。
Claude Fable 5 发布后，我反而建议你别太依赖大模型
今天看 AI 日报，看到一个明显的趋势。
Claude Fable 5 发布了，Claude 桌面版、Codex 桌面应用、国内的扣子 3.0、Kimi Work 等工具也在不断出现。
这些工具背后释放出来的信号很清楚：
它正在从AI辅助工具，变成能帮你完成工作的 Agent。
简单说，它不只是回答问题，而是可以根据你的目标，拆任务、调工具、处理文件、写代码、操作电脑，最后交付一个结果。
它意味着，AI 正在从知识问答时代，进入工作执行时代。
但也正因为如此，我反而有一个更强烈的判断：
越是强大的大模型，普通人越不能盲目依赖它。
不是因为它不好用。
恰恰相反，是因为它太好用了。
好用到你会慢慢把自己的思考、分析、判断、决策，都交给它。
这才是最大的风险。
一、大模型好比是一把屠龙宝刀，但不是拿到宝刀就会屠龙
刚刚发布的Claude Fable 5 这样的模型，能力确实越来越强。
我看官方和X演示各项评测都是最高的，开发能力直接能进行交付更好的更让你有哇的效果，它甚至能持续更久执行复杂任务。
但问题是：普通人拿到这样的工具，真的就能变强吗？
我觉得未必。
因为大模型再强，比作你的一个数字分身，或屠龙宝刀，分身的能力和屠龙宝刀的能力取决于你的能力。
你手里有宝刀，不代表你就有屠龙的能力。
关键不在于模型有多强，而在于你有没有真正值得交给它的任务。
如果你只是让它帮你写一篇朋友圈文案，帮你总结一篇文章，帮你想几个标题，那它再强，也只是帮你切菜。
真正有价值的场景，是把 Agent 接入真实工作流、真实客户、真实交付里。创建自己的数字分身也就是数字员工。
比如：从想法拆解、代码生成、调试部署，到最终每一个场景都形成了一个可交付的结果，这才是有价值任务。
所以，未来普通人和高手之间的差距，不是“谁用了更强的 AI”。
而是谁能把 AI 接入真实问题，谁能把 AI 结果变成可交付成果，谁能把交付成果卖给真实客户。
现在变成：拆任务。生成方案。整理内容。它写代码。它自动执行。
但是，目标是谁定？方向是谁判断？结果是谁验收？客户是谁成交？
这些事情，还是人自己要做，你的数字分身无法做出判断和决策。
二、什么人用 AI 会越来越强
我现在越来越感觉到一个现实问题：
未来AI 会放大人与人之间的差距。
因为有些优秀或有能力的人，本来就有目标、有项目、有客户、有判断标准。而且有些人不怕 token 的消耗，
这就导致了AI 对他们来说，是执行力放大器。
他们知道自己要什么，也知道什么结果是好的。
不担心大模型成本。
所以 AI 越强，他们越快。
反而普通人如果只是拿 AI 获得消费答案，可能会变得更普通。而且担心每个月订阅费或消耗过多的 token 而无法使用更好的大模型。
另外大部分人使用 AI 的方式是：
我什么都不会，让AI 告诉我答案、帮我分析、帮我决定、 直接给答案。
短期看很舒服。长期看这很危险。
最后你会变成一个答案消费者，而不是问题解决者。
AI Agent 它真正的作用，是把执行力外包给机器。也就是前面的比喻数字分身。
但前提是，你自己得有方向、有判断、有验收、有行动。
能不能在 AI 时代创造财富，取决于他能不能把 Agent 接入一个真实的付费工作流。
不是会不会问提示词，不是学会了多少工具，不是用了什么模型。
而是能不能回答这几个问题：
谁有痛点？这个痛点值不值钱？我能不能用 AI 帮他解决？
解决之后能不能交付？交付之后他愿不愿意付费？
如果这些问题回答不了，模型再强，对你来说也只是一个高级玩具。
三、AI 时代真正不变的，是人的底层能力
大模型ai工具会不断更新和变强。
今天是 Claude Fable 5，明天可能是更强的模型。
如果你一直追工具，就会永远焦虑。
因为工具永远更新。
今天刚学会一个，明天另一个又出来了。
所以现在更关注锻炼那些不会轻易变化的人的底层能力。
思考能力、积累能力、表达能力、产品能力、审美能力、执行能力、分析能力、验收能力、决策能力，以及真正把事情落地的能力。
这些能力，不会因为模型更新而失效。
相反，模型越强，这些能力越重要。
我觉得 AI 最大的风险，不是让人失业。
而是让人把“思考权、判断权、决策权”交出去。
这是最可怕的。
因为一旦你习惯了让 AI 替你思考、分析、决策，慢慢你就不想自己想了，失去分析能力了，也不会做决策了，到最后，如果没有一个好的大模型，就可能什么都不会了。
这不是我想要的结果。所以我希望 AI 是增强我，而不是替代我。
那该怎么做呢？
我现在给自己定了一个原则：
我先思考-AI 反驳-我再判断-我去行动-迭代优化。
不要变成：
我不会-AI 告诉我-我照做。
第一种，是在训练自己的并形成闭环，直至拿到满意的结果。
第二种，是在外包给ai 做完了往往达不到想要的结果。
这样，AI 就不是替我思考，而是在训练我的思考。
这样用 AI，你会越来越强，因为你始终保留了主导权。
五、凡是低成本、可逆、能验证的事，不要反复分析，直接做
我过去很容易陷入一个问题：
分析太多，行动太少。
一个想法出来之后，我会问 AI，问完一个模型，再问另一个模型。
然后不同模型给不同建议，我反而更乱。
最后一天过去了，什么都没做。
这其实不是深度思考，这是用分析掩盖行动。
所以我现在给自己一个判断标准：
凡是低成本、可逆、能验证的事情，不再反复分析，直接做。
很多时候，最优解不是分析出来的，而是试出来的。
AI 可以帮你提高试错效率，但不能替你完成试错。
真正的能力，是在行动和反馈里长出来的。
六、普通人要练的，不是知道更多工具，而是形成完整闭环
我现在更想做的，不是继续追更多 AI 工具。
而是把 AI 用到一个真实的工作场景里。
我用AI帮我完成以前一个人无法完成的真实的具体项目，而不是只进行讨论和模拟。
用户真正愿意付费的，往往不是信息，而是结果。
所以接下来，我真正要练的，不是知道更多工具，而是这些能力：
思考：不是急着找答案，而是先理解问题本身，拆解问题、提出假设、形成自己的观点。
积累：把零散经验不断沉淀为可复用、可迭代的能力资产。
表达：把自己的观察写成内容，吸引同频人一起进步。
产品：把用户需求转化为可被持续交付的价值产品。
审美：AI 能生成内容会越来越同质化，但真正决定内容有没有风格和辨识度的，往往还是人的审美。
执行：知道该做什么之后，真正去做、持续去做，并最终拿到结果。
分析：从复杂信息里提炼关键信息，并据此做出更接近现实的判断。
验收：判断 AI 生成的内容到底能不能用。
决策：能快速做判断。知道什么事情值得投入，什么事情应该放弃，什么时候继续，什么时候止损。
这才是完整闭环。
七、为了不让自己过度依赖 AI，我给自己设计三步训练法。
第一步，什么事什么问题，自己先想。虽然“遇事不决问AI” 前提是自己有没有先去思考。
每天选一个问题，先不问 AI。
比如：今天看到 Claude Fable 5 发布，它对普通人意味着什么？
自己先写 100 字。不要求写得好，只要求是自己的判断。
第二步，让 AI 反驳，就是现在说的让AI给泼冷水。要意识到自己的认知是片面的。这一步就是让AI不要顺着我说，而是帮我找漏洞。
第三步，得到了回答后形成闭环。
我的最终判断是什么？要做的动作是什么？用什么结果验证？
这三步不是为了写出多好的内容。
而是为了训练自己：先思考，再借助 AI。再判断，再让 AI 反驳。
最后再行动，再复盘结果。
长期坚持下去，在这个ai时代才是不可替代的能力。
八、最后总结
以上是我通过今天的Claude Fable 5 发布我看了几篇介绍文章后与 AI进行讨论和思考。
所以
我能不能在 AI 越来越强的时候，自己的判断力也越来越强？
不要把 AI 当成替你思考的大脑。
未来真正厉害的人，不是最早用上最强模型的人。
而是能把最强模型接入真实问题、真实工作、真实客户、真实交付的人。
AI 负责放大执行力。
人负责提出问题、判断价值、承担决策、完成交付。
这才是我们普通人在 AI 时代真正应该训练的能力。
希望你不要焦虑，不要迷茫
