最近有一次 code review，对方推过来一段 AI 生成的实现，逻辑挺顺。我本来想直接说"挺好的"，但停了一下想：如果让我自己写，我会怎么写？
愣了大概十秒，发现脑子里没什么思路。冒出来的只有一句"AI 这段写得真不错"——但我讲不出"为什么不错"。
那一刻有点慌。
不是慌 AI 比我强，是慌我自己写代码的肌肉在退化。一年前遇到一个新需求我会先在脑子里想十分钟，现在按回车的速度比想问题的速度快。
这篇就想聊这件事：怎么在用 AI 提效的同时，自己也真的在长。
一个让我坐不住的研究
后来读到 Anthropic 今年一月发的一个随机对照实验（原文在这）：52 个工程师学同一个新的 Python 异步库，一组可以用 AI，一组纯手写。学完测验，AI 组平均 50 分，手写组 67 分。
差 17 分，难受但不意外。真正让我坐不住的是 AI 组内部的分层——同样在用 AI：
- 习惯问 "why does this work" 的人，考了 65 分以上
- 习惯说 "write this for me" 的人，不到 40 分
同一个工具，仅仅因为按下回车前问的那句话不同，差出 25 个百分点。
这个研究扎人的地方在于：两组人的产出可能差不多，当时的体感也差不多——产出感是真的，能力差也是真的，这两件事可以同时成立。你感觉效率翻倍的那段时间，可能正是分数往 40 分滑的那段时间。
自测：你是在用 AI，还是被 AI 用
AI 是杠杆。杠杆的特点是：有支点的人能撬起更大的东西，没支点的人会被反作用力打飞。
会用 AI 的人，自己的判断力是支点，AI 是撬棍。他们用 AI 做执行，用自己做决策，产出乘以了 N 倍。
被 AI 用的人，把判断也交了出去。AI 给什么就是什么，不验证、不质疑、不对比。这就是标题里说的"Prompt 指令师"——只负责下指令和收货，中间那段思考完全外包。指令下得越来越熟练，能力越来越接近于零。
怎么判断自己是哪种？有个慢测法：把 AI 关掉一周，看你的工作能力剩多少。但说实话没几个人真会去做。
我给你一个当场就能用的版本：
你准备采纳 AI 那段代码（或方案）之前，脑子里有没有一个"它大概会这么写"的预测？
有，你在用判断。没有，你正在外包判断。
这个自测不用等周末，你今天的下一次 AI 对话就会揭晓答案。
采纳 AI 的产出前，先预测一遍：Predict-Before-Run
如果整篇你只想带走一个动作，就是这个。
**在按下"采纳"之前，先在脑子里（或者随手一行注释）写下：我预测它会怎么做。**然后再看 AI 的版本，对比。
- 预测对了——说明你懂，AI 只是帮你把手速跟上脑速，放心收货
- 预测错了——差异就是教材。差得离谱，说明这块你根本没建立认知，值得停下来问一句 why；差得不多，说明你已经能独立产出了
它好就好在不用额外腾时间：不需要新工具、不需要改流程，就绑在你每天重复几十次的那个动作上——每次要粘贴 AI 的产出之前，停三秒。
这个动作还有一个反向变体：让 AI 当 reviewer，不当 writer。问它"你觉得我这个方案有什么漏洞"，比"你帮我写一个方案"价值高十倍——前者你在产出、它在挑战；后者它在产出、你在围观。两个变体是同一个原理：让自己始终待在"先想"的位置上，AI 待在"验证"的位置上。
怎么知道自己真的在长：预测差距就是读数
"感觉自己在成长"这件事，过去很玄学——做了一堆题、读了一堆书，到底长没长，要等下次面试或者下次救火才知道。
Predict-Before-Run 的副产品是把这件事变成了有读数的：
**预测和实际的差距，就是你懂不懂的即时信号。**这周十次预测错八次，下个月错五次，三个月后错两次——这不是 OKR 数字，不是"完成了多少任务"，是你自己心里清清楚楚的那种"我有数了"。
我自己开始练之后，第一个发现挺难堪的：大多数时候我根本给不出预测——开头那次 code review 的十秒钟空白，不是偶然，是常态，只是以前没停下来过，所以没发现。这本身就是第一个读数。后面的变化也很具体：从"给不出预测"，到"给得出但常错"，到某些熟悉的领域开始"预测基本和 AI 对得上"。
能摸到差距在缩小，比任何"今天又学了 X"的打卡都更像成长。
练熟之后：四个进阶动作
主 loop 跑顺了再加这些，别一上来全都要——一个都做不成。
- **讲给 AI 听。**让 AI 当 5 岁小孩，你讲给它听，让它挑漏洞，直到讲不下去为止。"通过教来学"是有实证支持的（心理学叫 protégé effect：光是"准备去教"就能显著加深理解），比让 AI 给你讲一遍留得牢。
- **48 小时内用一次。**学完两天内做一个最小产出——一段 demo、一份用上新东西的方案。用上去比记下来强一个数量级。
- **隔几天让 AI 考你。**把当天的关键点丢给 AI，让它过几天用不同的变体问你。艾宾浩斯一百多年前就测出来：不复习的东西，一天之后大概只剩三分之一。间隔重复是对抗它最硬的办法，AI 让你不用自己出题。
- **每月裸做一次。**月底挑一件这个月学的东西，关掉 AI 完整产出一遍。能跑完，说明真的固化了；跑不完，说明前面只是"看 AI 做过"。
三个常见问题
那我干脆少用 AI，是不是更安全？
不是。这篇说的不是少用，是换个位置用。研究里高分的那批人也在重度用 AI——他们只是用 AI 加深理解，而不是替代思考。把 AI 关掉求心安，等于把杠杆扔了，亏的是你。
有没有活就该让 AI 全写？
有，而且很多：样板代码、一次性脚本、你早就写过一百遍的 CRUD。判断标准就一条——这件事你还想不想从里面长能力。不想长的，放心全交出去，预测都不用预测；想长的，按上面的 loop 来。把"全交"和"练习"分清楚，比一刀切要诚实得多。
怎么知道自己已经退化了多少？
挑一个你以前熟练、现在全靠 AI 的任务，关掉 AI 做一遍。慢，是正常的；完全不知道从哪下手，就是答案。别灰心，这个测试本身就是恢复的第一步。
下一次对话就试
你不用记住这篇的任何框架。
就下一次——AI 把代码吐出来、你的手已经移到"采纳"上的那个瞬间，停三秒，问自己：我预测它会怎么写？
就这一下。
AI 是杠杆。但杠杆要撬动什么——撬走你的工作量，还是撬起你的能力——是你按下回车前那三秒的事。