文末有我的微信，需要我同款 AGENTS.md、知识库目录模板，还有一人公司运营过程中经常需要用到的 20 多个经典场景提示词模板的朋友们，加好友备注领资料即可，打包直接发送。
朋友们，大家好，我是静远，一名用 Agent 军团经营一人公司的工程师。
最近这一年，有一个说法你肯定听过，AI 都这么强了，人不需要再学习和阅读了，你只要会提问，把问题丢给 AI，让它去干活就行。读什么书啊，学什么习啊，都是上个时代的事。
说实话，这个说法我自己就天天在实践里检验。我现在的工作方式，就是带着一支 Agent 军团在经营一人公司，选题、写稿、做视频、发布、复盘，一条产线上十几个 Agent 各干各的活。按这些人的说法，我应该是最有资格宣布学习已死的人。
但我今天想说点扎心的实话，我非常反对这个观点。反对的理由不在道德层面，全在工程层面。今天我就用一个真实的产线，把这层窗户纸捅破，告诉你提问的背后到底站着什么。
先说第一个事实。至少在现阶段，AI 能代替你的是执行层面的活。你可以让它写文案、写代码、剪视频，做得又快又好。但这一切有一个前提，你得告诉它做什么。
这个「告诉」，就是第一道坎。
就拿我自己的产线来说。每天早上八点，我的选题审核 Agent 会自动跑一遍五级来源，用户咨询、经营现场、用户反馈、外部编译素材、兜底规划，然后产出当天的内容机会呈报。这套流程跑得很稳，但你知道它为什么稳吗？因为「什么是合格选题」这个定义，是我写的。
什么算真实信号，什么算宽泛话题，证据到没到建题门槛，这些标准一条条落成规则，它才照着执行。它负责执行，我负责定义。
这个定义能力从哪来？从我踩过的坑里来。哪次选题翻车了，哪篇文章数据扑了，哪个判断被市场打脸了，我把这些复盘一条条写进规则里，它才有了今天这个水平。
所以你看，AI 能替你跑，但往哪儿跑，是你定的。而你定不了你没见过的东西。
第二道坎更关键，它交付的结果，对不对，好不好，合不合理，你得能评估。
这个评估能力，恰恰是学习给的。
拿编程这件事来说。现在几乎所有人都能用 AI 做出一个能跑的产品，点两下按钮，一个页面就出来了，你验证一下，确实能跑。但如果这个服务上线了，用户规模起来了，流量上来了，某天深夜它崩了，你怎么让 AI 知道哪里出了问题？你让它改，它给你的那个改法，能不能支撑十倍于现在的规模？这个判断，你做得出来吗？
这就是我在现实里反复看到的景象，人人都能用 AI 做出应用，多数却停留在 Demo 级别。真要上企业级的生产系统，没有软件工程功底的人，依然很难做出稳定可靠的东西。AI 本身没问题，卡住的是你，你看不懂它给你的东西什么时候会死。
我自己就有一门必修课。我的视频产线有一条编码铁律，所有成片必须是 H.264 High 画质档、yuv420p 的像素格式。为什么？因为某些 ffmpeg 滤镜链会把像素格式偷偷升成 yuv444p，而主流播放器和平台转码根本不支持 yuv444p，出来的视频就是播不了。这种问题，AI 第一次修的时候未必知道，是我查了三轮、复盘了三次翻车案例，才把这条规则钉进产线的。
如果我不懂视频编码，AI 给我的成片我自己都验不了收，这条产线早就在某个深夜里悄悄产出了一堆废片。
会跑，和跑得稳，中间隔着的就是那门学问。
也许有朋友会说，静远，你说的这些，都是现阶段的事，等 AI 强到什么都能正确执行了呢？
好，我们退一万步，就当那一天真来了。新的问题立刻摆在面前，你让它做什么？
哪些事情值得做？怎样做出来独特的东西？同样的工具摆在几千万人面前，凭什么你做出来的那个不一样？
这些问题 AI 给不了你答案，因为它们的答案就是你自己。你的判断，你的品味，你对某个问题独有的看法，这些东西才是你的输入。而这个输入本身，是需要学习才可能得出来的，它不会凭空产生。
我的产线里有一份写作 DNA，从我自己的旧文章里蒸馏而来，里面存着我的句法、我的节奏、我强调词的密度。有了它，Agent 写出来的东西才像我的东西，而不是像任何一个模板。但你想想，如果我没有那些年的阅读和写作，没有一篇篇积累下来的文章，我拿什么去蒸馏？我的独特性，恰恰是学习存出来的本金。
AI 把执行的成本打到了地板，于是「做什么」变成了唯一的稀缺。而「知道做什么」，从来都是学习的产物。
最后这个问题，最不像技术问题，却最扎心。
假如 AI 真的可以替你掌握一切知识了，你停止了学习。那么在现实生活里，你怎么跟人正常交流？
你跟朋友吃饭，聊到一个话题，你总不能当场掏出手机问一遍 AI，再转述给你的朋友吧？你跟客户开会，人家随口提到一个概念，你脑子里一片空白，等着回头问 AI？饭桌上那一秒的反应，会议室里那一眼的默契，任何工具都替不了你出场。
知识进了脑子，才长成你这个人。存在 AI 里的知识，永远只是别人的。
当然，也有一种用法，就是让 AI 做事，做完了也不管它做得怎么样。说实话，这种用法其实也能成立，玩一玩，图个乐，没有任何问题。但它有一个边界，一旦你想拿这个东西去换钱，去交付给客户，去撑起一门生意，「不管它做得怎么样」就再也不成立了。市场会替你管，而且管得比你想象中狠得多。
说到这儿，也许有朋友会问，静远，照你这么说，AI 时代的学习跟以前没区别了？
有这个困惑很正常。但区别其实是有的，而且很大。变化不在学不学，在怎么学。
过去的学习，一半的力气花在执行层，背公式、记语法、抄代码、练手速。这些苦活，AI 确实收走了，这是它给我们的礼物。但另一半力气，判断层的力气，不但没省，反而更重了。
所以今天的学法，我觉得有三条主线。第一，学得比以前更宽。执行外包得越彻底，你的视野就得越宽，因为你要在更大的地图上找问题，判断力就是你的地图。第二，学得比以前更狠。AI 十分钟能出一百个答案，但哪个答案能上生产环境，靠的是你在一门学问里扎下去的深度，浅尝辄止的人连验收都做不了。第三，也是我觉得最值钱的一条，把学习本身当成给你的 AI 存钱。你每多懂一个领域，你的 Agent 军团就多一门炮，你懂的边界，就是你军团的边界。
我自己就是这么干的。我最近在学的每一样东西，最后几乎都变成了 Agent 的规则、产线的约束、判断的标准。学习没有死，它只是换了一个存折，从你的脑子里，存进了你的系统里。
机器的上限，取决于你提问的下限。而你提问的上限，取决于你学习的上限。这两件事是同一条链，一头断了，另一头也够不着。
乔布斯说过，求知若饥，虚心若愚。这句话在他那个年代是说给年轻人听的，到了 AI 时代，我觉得它反而更真了，工具越强，越要守住那个饥和愚。
我是静远。这篇文章不布置作业，如果你也在琢磨 AI 时代到底该怎么学，欢迎大家一起讨论，评论区聊聊你打算把学习换成哪一种学法。
开头提到的领资料方式，扫码加我个人微信，备注领资料即可直接发送。
欢迎点赞收藏转发关注。
把你卡住的那个具体任务发我，我看看能不能拆成 AI 能参与的步骤。