最近，AI Agent产品可谓是迎来了大爆发。各种设计类、自动化任务处理（如Manus、Coze空间等等）的产品层出不穷。我们使用AI的方式，也早已不再仅仅是简单的对话聊天。AI现在能够接受任务、拆分任务，并调用不同能力去执行，最终直接交付结果。
然而，在体验了形形色色的Agent产品后，总感觉还是差了那么一点火候。比如，你给出了大纲，也明确了注意事项，但AI输出的内容，总会跟你心目中的设想，或者你亲自动手做的成果，有所偏差。那种“缺了点味道”的感觉，缺的可能就是“你”的部分——你的个性化、你的独特风格、你难以言说的经验与直觉。
这些“特点”似乎很难用语言精确形容或归纳。如果可以，我们早就把它们写进提示词里了。但现实是，许多微妙之处，无法用文字化的要求或规则来完全概括。这，或许就是现阶段AI发展面临的一个核心瓶颈。
AI似乎已经“会做事”了，但离真正的“懂事”，还差那么关键的一步。 这一步，恰恰充满了人性与人类隐性知识的微妙。即使AI给出的结果看似可用，实际上却可能存在一种“气质上的割裂”。我们常说的“AI味太重”，或者感觉生成内容“虽然好，但不是我想要的”，正是源于此。这也是我们想深入探讨这篇文章的初衷。
让我们回到最初对“Know-How”的探讨。早在2023年，当大家热衷于钻研提示词Prompt时，就意识到了一个关键问题：一个好的提示词，往往需要融入特定领域的专家级Know-How。
比如，要生成效果好的小红书文案，提示词里就需要包含对小红书平台特性的理解，如建议使用emoji、更口语化的表达等。 设计类的提示词，往往会强调先确定风格、思考设计的使用场景，而不是一上来就直接要求出图。 检索类任务也是如此，你可能需要明确告诉AI，你想检索英文网站，或者对于旅游信息，小红书这样的信源质量可能更高。
这些，本质上都是Know-How。当这些Know-How能够被有效地文字化并置入提示词中，AI（在同一模型下）输出的效果确实会好很多**。**
我们可以将这些“Know-How”大致定义为所谓的“Workflow”，即完成某项任务的方法、动作或步骤。在过去编写提示词的阶段，这些“Know-How”还可以进一步拆分为：
背景知识（Background Knowledge）：定义AI的角色，比如告诉它是一个什么行业的专家。 分析与理解（Analysis & Understanding）：指引AI如何分析和理解任务。 创作与优化（Creation & Refinement）：指导AI如何更好地完成和优化任务。
而现在，随着Agent的出现，模型越来越智能。很多AI产品（如Manus）甚至能自动拆解任务，生成类似Markdown格式的To-Do List。这本质上就是AI基于你的目标和背景，去尝试理解和构建“Know-How”的过程。我们看到，其效果确实比过去单纯提一个笼统要求要好得多，AI能拆分步骤、分别执行，甚至最后还会加上总结和检查节点。像DeepSeek等模型的“思考模式”或“推理模式”，也展现了类似的能力。
那些无法言传的“手艺”与“匠心”
尽管AI在理解和执行“Know-How”方面取得了显著进步，但我们依然会发现，似乎还是缺了点什么。这缺失的部分，仅仅是更完善的规则吗？
? 我觉得不是。因为如果是规则，我们总能想办法把它写出来。
这时候，我们不妨想想日本的“工匠精神”，或是我们常说的“手艺”、“技艺活”。这些东西，往往“只可意会，不可言传”。它们蕴藏在“功夫的最深处”，甚至会被冠以“XX仙人”的称号，用以形容那些在专业领域达到化境，其技艺无法单用文字描述的状态。
这些，可能就是我们之前谈论的那些显性“Know-How”之外，依然存在的关键要素。尤其在一些经验性和实践性极强的专业领域，比如绘画、烹饪，其“Know-How”绝不仅仅是规则或逻辑的简单罗列。它更像是一种对流程、判断或价值的隐性、默会式掌控。它通常比较含混，高度依赖情景，并且往往依靠直觉、体感、审美以及对细节的不可言传的把控。
这部分似乎是当前AI难以逾越的鸿沟。因为我们无法将这些“感觉”完整地写进提示词里。AI天生依赖清晰的输入来完成输出，而那些不善处理的、语言不详的、半明暗示的深层次信息，可能就很难被AI捕捉和理解。
这种高度专业或隐性的“Know-How”，往往依赖于细微的价值取舍、边界判断和对局势特征的敏感捕捉，这些都极难被结构化地描述出来。 比如，师傅教徒弟烧菜，他传授的远不止“放多少盐、烧几分钟”这类可以被记录的细节，更多的是对火候变化、气味、食材状态（如颜色）的感知和判断。这是一种“默会知识”（Tacit Knowledge），无法简单规则化。
那么，对于这些难以言传的“隐性Know-How”，或者说“品味”、“感觉”，有没有技术上的解决方案呢？比如，强化学习（Reinforcement Learning, RL）是不是有可能呢？
我们知道，AI进入下半场后，强化学习被认为是提升模型能力的重要途径。人类的学习过程，也是在与环境的互动中不断进行的。就像我们前面提到的“师傅带徒弟”，虽然没有成文的规则，但师傅会通过不断的反馈（激励）来引导徒弟——做得好会得到肯定，做得不好则会受到指正。
那么，我们现在讨论的这部分缺失的，无论是称之为“隐性Know-How”，还是“品味”，亦或是那些“不可言传的东西”，AI有可能通过强化学习的方式习得吗？
坦白说，我没有确切的答案，甚至不知道具体该如何操作。这里的核心难点在于：
环境（Environment）到底是什么？ 如何构建一个能让AI有效学习这些微妙之处的环境？ 如何定义激励（Reward）？ 如果连规则都没有，我们又该如何定义“好”与“不好”的激励标准呢？这个激励本身，可能就需要一个已经“懂事”的师傅，或者一个已经具备相应能力的模型来提供。
这就陷入了一个“鸡生蛋，蛋生鸡”的困境。没有“师傅”，似乎就训练不出“徒弟”；但如果已经有了“师傅”，那我们还需要这个“徒弟”AI做什么呢？
如何能将人类这种体感的细微差别、品味和感受，真正迁移到AI身上，我觉得是一个非常宏大，也可能是一个极其困难的课题。 但假如真的做到了，那我们可能就离所谓的AGI（通用人工智能）不远了，那确实将是一个非常美好的未来。
聊完技术的可能性，我们回到一个更现实的问题：当AI能够完成越来越多的事情之后，我们人类还剩下什么？ 就像之前有人讨论的，假如“智力平权”真的到来，人类还可以做什么？
答案可能正如我们前面所分析的，剩下的，或许就是那些无法被轻易总结和传递的“隐性Know-How”，以及在所有事情和过程中的独特“体验”。
AI或许可以高效地交付结果，但过程本身的价值，以及你在过程中的感受和体悟，可能会变得越来越重要。 结果，反而可能只是一个附属品。我们的目标，或许不再仅仅是追求结果，而是转向中间的体验，以及你在过程中的“品味”和独特判断。
比如说，AI可以给你一个普遍意义上的“好”结果，一个基于大众平均价值判断的好。但这个“好”，未必是你所认为的“好”。你个性化的“好”，可能并没有被AI的输出结果所涵盖。也就是说，它最终实现的那个“目标”里，并不完全包含“你”。
那么，我们最终希望达到的效果，可能是“你”成为你期望结果中不可或缺的一部分。这或许就是AI时代留给我们的空间。
AI带来的更多是所谓“显性知识”的平权。而那些难以复制、难以名状表达的审美判断、手感、品味等能力，反而会成为真正有溢价的稀缺品，成为我们每个人独一无二的存在。
换句话说，AI替代的，更像是工业革命以来“异化”了我们的那部分——将人变成工具和机器的部分。而留下的，恰恰是我们作为人类最本真、最没有被异化、没有被标准化的那部分。是那些曾经可能被我们认为是“细枝末节”、不那么重要的事情，在未来反而可能变得越来越有价值。那些标准化的东西，可能反而不是最重要的了。
由此引发的思考是，AI与我们的关系，可能并非简单的“替代”，而是它能够帮助我们去实现一个“更好的自己”的过程。
正如马克思在《资本论》中所揭示的，在某种程度上，人们被异化成了工具，我们的目标和追求也被高度标准化：好好读书、找好工作、买房买车，甚至消费主义也裹挟着我们去旅游、去打卡美食……似乎一切都被纳入了标准化的轨道。
当AI能够更好地完成那些标准化的交付之后，那些无法被替代的内容，恰恰是我们身上“没有被异化掉”的那一部分。而我们基于这“没有被异化掉”的部分，结合AI的强大能力，才可能成为一个“更好的我们”。
所以，对我们而言，更重要的是去培养那些无法被轻易量化的能力：
高级的判断力 独特的个人品味 风格化的自我表达 深度的共情能力 极致的身体与艺术体验 在各种灰色地带、模糊地带的临场应变能力（往往来自灵光一闪，而非预设规则）
我们与AI的关系，绝不是被动地“躺平”就能坐享其成。这种共生关系，需要我们主动去重新定位自己。如果只是被动地等待，我们可能只会被继续“异化”，而无法察觉和珍视那些真正属于自己的、未被异化的宝贵特质。
AI越强，我们人类的惯性思维和惰性就越危险。 过去，我们可能依靠记忆力好、检索速度快、熟悉套路就能获得一定的优势和红利。但现在，这些几乎全部被AI“打包带走”了。
这意味着，你必须站得更高，看得更远，需要更强的泛化能力、更多的独创性，以及在某个极致细分领域不可替代的专长。 正如现在很多人提到的，“AI时代最大的杠杆就是做自己”。但问题是，很多人可能并不知道自己真正需要的是什么，想成为怎样的自己。如果找不到这个定位，就很有可能被边缘化。
AI就像一台“真相的照相机”，它会剥离掉人身上所有可以被“外包”的部分，只剩下真正的个人底色和那些具有超越性的面向。 因此，我们需要主动去定义自己，在AI暂时无法企及的价值领域深耕。将你的经验和情感，不断升华和转化为更高阶的共鸣力与创造力。或者，索性换个赛道，把AI当作强大的“体力”辅助，而去勇敢地探索那些没有标准答案、最富“人味儿”的未知疆域。
在AI时代，对于绝大部分人而言，可能都面临着两个核心问题：
第一个问题是：不知道自己真正想要什么。 我们常说“做自己”是最大的杠杆，但遗憾的是，很多人其实并没有清晰的自我认知，难以真正“做自己”。 第二个问题是：没有“问题”。 我们知道，AI时代的发展，离不开人类的思考和提问。提出有价值的问题，甚至比解决问题更为重要。但现实是，对于绝大多数人来说，他们可能并没有真正困扰自己的、驱动自己去探索的“问题”。
这或许才是我们以及绝大多数人在这个日新月异的AI时代所面临的、最根本的挑战。如何找到自我，如何提出问题，将是我们能否与AI共舞，并最终成为“更好的自己”的关键所在。
