AI能力进化后，人类还能给AI什么

背景

文章发表于 LINUX DO 论坛，作者在测试新一代 AI 模型（文中提及 GPT-5.6、Fable）后，发现过去积累的大量提示词技巧和任务分解方法变得多余——模型已能自主协调工具、拆解任务、检查事实、甚至追问目标。这一体验引发了对“人的价值”的深层反思：当 AI 不仅会做事，还会生成目标时，人类还能提供什么？

核心内容

作者的核心观察是：AI 的能力跃迁正在系统性地淘汰“方法层”的人机协作模式。过去，人类需要像教实习生一样，把每个步骤写清楚：先调研、再拆任务、检查事实、保持风格——这些都需要 Skill 文件来规范。但新一代模型（如 GPT-5.6、Fable）已经可以自己调用工具、管理进度、甚至主动追问“为什么做这件事”。这意味着，“如何做”正在变成基础能力，而人的角色正在从“方法提供者”转变为“目标定义者”和“后果承担者”。

作者进一步指出，这种冲击不仅针对 AI 提示词技能，更延伸到所有可被完整描述、写成教程、做成流程的人类专业技能：写文案、做 PPT、编程、调研、运营、项目管理……凡能被“教会”的东西，都可能被 AI 批量吸收。于是，以“我会什么”来定义个人价值的传统模式正在崩塌。但作者并不认为答案在于寻找“最后一项 AI 不会的能力”（如创造力、审美、灵魂），因为 AI 在这些领域也表现出惊人的稳定性甚至突破性。

真正关键的是：人是“当事人”。AI 可以分析“孩子演出 vs 客户会议”的收益，但最终决定会落在孩子对父母的记忆里，落在自我认同中。AI 可以算出裁员救公司的数字正确，但谁去打那几通电话、谁承受半年后的沉痛，这些后果不会因为计算完成而消失。任务可以外包，后果没有外包。同样，AI 替母亲选了完美礼物并写了祝福，母亲开心，但自己心里会泛起别扭——因为那就不是自己表达的关心了。

因此，作者认为接下来人类能给 AI 的不是更复杂的技能，而是一份具体的处境：你是谁、你在乎谁、你欠谁的道歉、你答应了什么、哪些钱不赚、哪些结果即使数据好也觉得不对。这些信息不一定让 AI 更聪明，但能让 AI 知道自己在替谁做事、在一个什么样的世界里。

更棘手的是，AI 不仅替我们执行目标，还替我们生成目标。当连“我想要什么”都依赖推荐时，人可能会活成一个被预测得很准、却失去主体性的样本。每个选择都无比合理，但未必属于自己。所以，最稀缺的能力或许是“真正属于自己的愿望”。

作者最后没有删掉所有 Skill，而是删掉了那些手把手教模型“像专家一样思考”的指令——因为它们如今只会干扰；保留了那些记录个人经历、关系、边界和承诺的 Skill，以及很难写成规则的东西。他认为，过去我们给 AI 一本说明书；接下来，要给 AI 一个具体的世界——里面有来路、关系、偏爱、亏欠和暂时不愿交换的东西。模型可以保存过去，却不能仅凭“懂你”就取得替你决定的授权。它可以预测你会选什么，而你仍要真正放弃其他选择，走进其中一种生活。

关键要点

• 技能贬值：所有能被清晰描述、写成流程或教程的技能（包括提示词技巧和传统专业技能），都可能被 AI 吸收为基础能力，不再构成个体的竞争壁垒。
• 方法论层消失：人类从“教 AI 怎么做”转向“告诉 AI 为什么做”以及“承担做后的后果”；程序性劳动可外包，但决策后果和责任无法外包。
• 人的核心价值是“当事人”身份：AI 可以分析最优解，但最终选择嵌入在个人的关系、记忆和自我认同中；外化意义的行为（如送礼、道歉）一旦完全外包，其意义也随之消失。
• 主体性危机：AI 越来越擅长生成目标，如果连“我想要什么”都交给推荐，人可能沦为被预测准确的样本，失去自主愿望和主体性。
• 判断需要亲历：技能不仅产出结果，也训练判断；长期脱离真实业务会让人失去对现实的理解，连评估 AI 的质量都需依赖另一个 AI。
• 保留有意义的内容：应删除那些教导模型“如何像专家思考”的冗余指令，保留反映个人经历、关系、边界和承诺的 Skill——这些是 AI 无权自行取得的现实。
• 新分工：AI 越来越会做事，而人仍然是那个会被事情改变的人；人类需留给自己的不是比 AI 聪明的自尊，而是决定什么值得发生的权利。

意义与影响

这篇文章超越了常见的“AI 会取代多少工作”讨论，直指更根本的问题：当 AI 不仅能执行，还能自主分解任务、设定方法、甚至生成目标，人类的角色将发生结构性转变。它提醒我们，个人价值的基石不应建立在“我会做什么”这种可被外包的能力上，而应建立在“我站在哪里”“我承担什么”“我真正想要什么”这些无法被替代的处境与选择上。

对于职场和个人发展，这意味着：单纯积累可编码的专业技能或提示词技巧将越来越缺乏长期价值；取而代之的，是培养对自身处境的理解、对关系与承诺的觉察、以及面对真实后果的勇气。对于 AI 开发者而言，文章暗示了未来人机协作的新范式——不是提供更详尽的方法，而是让 AI 理解具体的人的背景与边界，并保留人类对最终目标和后果的所有权。

更深远的影响在于，它提出了一个时代性问题：在 AI 能完美预测并优化人生路径的世界里，如何避免活成一个“被预测得很准的人”？答案可能不在于技术，而在于人类重新找回“真正属于自己的愿望”，并愿意为它承担选择与后果的那份笨拙而真实的勇气。