AI会为人打工，但不一定会为你打工，老金来告你真相是什么
昨天学员群里有人问我，能不能更新一下Codex的玩法，尤其是Hook。
我当时第一反应其实有点无语。因为开源教程里一直在更新，免费课、付费课、我的开源项目里也都讲过。Hook这玩意儿本身也不神秘，ClaudeCode里能做的那套，换到Codex里逻辑也差不多。
Github和我的飞书知识库上都能看到，以Github为准。
但真正让我想写这篇的，不是Hook。
是后面有人接了一句，大概意思是养个agent，让agent自己学课程，自己读老金.skill，自己在新项目里应用MetaKim开发，人就可以开摆了。
这类话我最近听得越来越多。很多人现在用AI，已经不是在提效，而是在许愿。
他不是想让AI帮自己把某个繁琐流程干掉，也不是想让AI把一个具体任务拆清楚，而是希望AI直接变成一个硅基员工，自己学习、自己治理、自己判断、自己交付，最后人坐在旁边听汇报。
问题是，你什么都靠AI了，最后你的作用是什么？
老金我越来越确定一件事，AI的发展不是让人可以停止学习，正好反过来，它在反向逼着人的认知成长。你不会拆问题，不会给上下文，不会判断结果，不会验收过程，AI越强，你越危险。
因为AI会为人打工，但不一定会为你打工。
它会为那个会定义问题、会搭系统、会验收结果的人打工。
AI不是神灯
很多人现在提需求，基本就是一句大空话。
帮我做个硅基人，让AI全自动管公司，把我的生活全部交给AI，甚至是做一个能自己学习、自己开发、自己优化的系统。
这不是需求，这是愿望。
愿望不是不能有，但愿望不能直接交给AI。你把一个空目标丢给AI，它一定会给你一个看起来很完整的答案。它会写架构，会写流程，会写模块，会写路线图，甚至会把每一步都说得挺像那么回事。
但你只要往真实工作里放，就会发现完全不是一回事。
数据在哪？权限在哪？谁来判断结果对不对？错了以后怎么回滚？中间产物怎么检查？人什么时候介入？什么情况必须停？什么情况可以继续跑？
这些东西不说清楚，AI跑得越快，错得越快。
这就是我一直讲的，人做的是系统，不是文案。
写一篇文案，AI给你一个差不多的版本，你改改也能用。做系统不是这样。系统里面有数据、流程、边界、权限、反馈、验收，还有一堆临时判断。你不能一上来就幻想老板管AI听汇报，你得先证明自己会管理一个任务。
真正的差距已经不是Prompt，而是Loop
很多人以为AI时代最重要的是Prompt。Prompt只是入口，真正拉开差距的是认知结构。
同样一句让AI帮我做一个增长方案，不同的人拿到的结果完全不一样。一个人只会催AI多写点、再具体点、再专业点。另一个人会先告诉AI业务阶段、目标用户、现有渠道、历史数据、约束条件、不能碰的红线，然后让AI先列假设，再让它拆验证路径，最后一条条验收。
差距不在AI本身，在人怎么定义问题、补上下文和验收结果。AI越强，这个区别越明显。以前工具弱的时候，大家都慢，人的差距还没那么刺眼。现在工具强了，一个会拆任务的人，一晚上能让AI跑出一套可检查的方案。一个只会许愿的人，折腾三天，拿到的还是一堆漂亮废话。
世界经济论坛2025年的就业报告里有一个大判断，到2030年，工作结构会发生很大变化，会有新岗位出来，也会有大量岗位消失。它还提到，技能缺口已经是企业转型里最重要的阻碍之一。
这不是说所有人明天就失业，它真正说明的是，工作不会原地等你。
Anthropic做过一个Claude使用分析，里面有个比例很有意思。Claude上的AI使用更偏向增强人的能力，而不是纯自动化。也就是说，现实里更多高价值使用不是把人拿掉，而是人带着AI一起干活。
OpenAI做GDPval，也是往真实工作任务上测模型能力。它的方向不是问AI会不会背题，而是问AI能不能完成有经济价值的真实任务。
Microsoft Research那篇关于AI和职业的研究也类似。它分析的是Copilot真实使用数据，结论不是AI马上完整替代某个职业，而是信息处理、写作、沟通、研究这些工作活动跟AI高度重合。
这几份资料放在一起看，方向很清楚。AI正在吞掉一部分具体任务，但它同时把人的价值往上推。以前你会执行，就能活。以后你只会执行，空间会越来越小。你得会判断、会定义、会组织流程、会验收结果。
用AI的人分四层
我现在看很多人用AI，大概能分成四层，这部分老金其实之前已经写过，再来给大家加深下印象。
第一层是许愿型。
这类人最常见。给AI一句大目标，然后等它自己变聪明。让它做硅基人，让它自己学习，让它自己开发，让它帮自己赚钱。听起来都是未来，但落到今天的任务里，基本没有抓手。
第二层是外包型。
这类人已经比许愿型好一点。他知道把文案、代码、总结、方案交给AI做，自己最后看结果。但问题是，他只看最终产物，不看过程。结果好不好，很大程度靠运气。
第三层是协作型。
这类人开始进入真实生产力了。他会给背景，会拆步骤，会让AI先交中间稿，会在关键节点停下来检查。他知道AI很强，但也知道AI会乱猜，所以他不会把整个任务一次性丢出去。
第四层是系统型。
这类人才是真正吃到AI红利的人。他不是每天换一个新工具，而是把自己的重复流程拆出来，接上资料、规则、检查标准和反馈机制。AI不是一次性帮他写个东西，而是进入他的工作系统，反复帮他省时间。
我目前利用每个周日做了2个季度的课程，我真正想把人往后两层带。
免费开源教程一直在更新工具玩法。Codex更新了，我会看。ClaudeCode更新了，我也会看。Hook、Skill、MCP、Agent、Workflow这些东西，该讲就讲。这也是第1期直播课的核心内容，先让大家知道AI都有什么功能和技巧。
它是术。
但第2期课开始不会只围着按钮转。因为按钮会变，模型会变，工具会变。今天叫Hook，明天换个名字。今天是Codex，明天又是别的客户端。你如果只追按钮，永远追不完。
它是道。
真正值钱的是你知道什么时候该用AI，怎么把问题拆给AI，怎么判断AI交出来的东西能不能用。这才是我说的闭环。
工具负责扩展人的手脚，认知负责决定手脚往哪伸。
不要一上来就想改变世界
群里还有一个争论，说硅基人是不是终极方向，个人有没有可能做出来。
愿景可以聊，但老金我真不建议普通人一上来就想这么大。
你今天最该做的，不是做一个通用硅基员工，也不是做一个自己治理自己的AI公司。那种东西涉及模型能力、数据、权限、真实场景、组织结构、风控和长期反馈，不是一句纯架构问题就能解决。
个人真正能做的，是找自己最繁琐的事情。
比如每天整理客户资料，每周写复盘，把会议纪要拆成任务，或者检查文章有没有AI腔。
再比如把选题、资料、标题、正文、质检连成一个小流程。
你先把一个小流程跑通，再谈系统。一个小流程都跑不通，直接谈全自动数字员工，那就是空想。
做产品十几年，我从来没见过靠空想框架把事情做成的。架构不是先拍脑袋画出来的，架构是从真实数据、真实流程、真实失败里长出来的。
你先让AI稳定帮你省下每天30分钟，接着再让它稳定帮你省下每天2小时。
最后再把这个流程沉淀成模板、脚本、Skill、Agent或一个小工具。
这时候你才有资格谈系统。
人的价值会被重新定价
最近都在说AI导致人被大批量裁员，我觉得很片面，因为表面上是人变少，底层其实是人的价值在被重新定价。
以前会用电脑、会搜索、会写PPT、会做表格，就已经比很多人强。互联网时代，本质上不是报纸消失了，而是信息发布、信息获取、信息分发的工具变了。不会用新工具的人，被会用新工具的人拉开差距。
AI时代也是一样，只是速度更快，覆盖面更大。
你会不会写一段代码，可能没以前那么值钱了。你会不会把一个业务问题变成AI能执行的任务，会不会看懂AI交出来的结果，会不会把它放进真实流程里，反而会越来越值钱。
所以我一直不赞成把目标说成帮老板有效裁员。
企业当然会追求效率，但真正的根本目标，不应该只是少几个人。根本目标是培养符合AI时代的人。
如果一个团队里都是能用AI放大自己的人，为什么要急着裁？我巴不得这样的人多一点，因为这样组织才有扩张能力。
真正危险的，是既不学工具，也不补认知，只想等AI替自己把事全干了的人。最后AI真的能干活了，他反而成了最先被拿掉的那部分。
今天先做一件小事
这篇看完老金我希望你先回到你自己的工作里，找一个最烦、最重复、最容易判断对错的流程。
然后问自己四个问题。
第一，这件事现在为什么烦？
第二，我能不能给AI足够的资料和样例？
第三，中间每一步我怎么检查？
第四，最后结果怎么样才算能用？
这四个问题答不出来，就别急着上Agent。先把问题写清楚。
如果答得出来，你就可以让AI介入了。不是让它接管你的人生，而是让它先接管一个小流程。跑通以后复盘，复盘以后固化，固化以后再扩大。
这才是咱普通人真正能落地的AI路线。
AI越强，越不适合许愿。它更像放大器，先放大你的认知，再放大你的动作。你脑子里是空的，它只能把空放大。你手里有系统，它才会把系统放大。
所以别再问AI什么时候能替你思考。
先问一句，你现在还值不值得被AI放大。