最近我突然意识到一个挺有意思的问题。
我的想象力，好像开始追不上使用 AI 之后的执行效率了。
以前不是这样。
以前更像是，我脑子里有很多想法，但是实现很慢。
想做一个东西，先查资料，再写，再调，再改。一个想法可能折腾几天，甚至更久。
所以以前真正限制我的，是执行能力。
但现在用了 AI 以后，这个关系有点反过来了。
你有一个想法，马上可以试。
试完觉得不对，再换一个。
以前积攒很久的“以后可以试试”，现在可能很快就被消耗掉了。
一开始我觉得，这可能是一个很有意思的新问题：
以前是执行力追不上想象力，现在开始变成想象力追不上执行力。
但后来我又觉得，这句话不完整。
因为这种效率其实是有边界的。
只要进入一个自己不熟悉的领域，问题马上就出来了。
我以前在 Vue 里就遇到过一个很典型的例子。
我当时想实现一个效果，大概是页面返回以后，希望之前的状态还在。
AI 当然也能帮我实现。
但是实现得很糟糕。
后来别人提醒了我一个词：
keep-alive
然后一下就解决得很好。
这件事后来我一直记得。
因为问题其实不是我不会写 keep-alive。
如果我知道这个东西存在，剩下怎么用，我完全可以交给 AI。
真正的问题是：
我根本不知道有这么个东西。
这个差别其实很大。
因为如果你不知道某个概念存在，你甚至不会去问它。
你只能描述表面需求：
“我返回以后，希望状态还保留。”
AI 可能会顺着你的描述，给你搞状态保存、恢复、缓存，甚至自己绕一大圈。
最后功能也许能跑。
但方向可能从一开始就不是最好的。
所以后来我越来越觉得：
AI 把执行门槛大幅降低了，但没有消灭认知门槛。
其实一年前，我自己就总结过一个很类似的观点：
完全不懂 → AI 很强，但你驾驭不了。
懂一点 → AI 突然变得极强。
很懂 → AI 又变成一个超级执行工具。
现在重新看，我觉得中间那个“懂一点”可能比我当时想得还重要。
因为这个“懂一点”不一定是会写。
甚至不一定是深入理解。
更像是：
我知道这个领域大概有哪些东西。
我知道一个问题通常对应哪个模块。
我知道可能有几种方向。
我知道什么方案一看就不太对。
只要有这些东西，AI 的能力一下就被放出来了。
但如果没有，就很容易出现一种情况：
AI 很快。
你也很快。
但你们两个一起在错误方向上跑。
这也是为什么我最近接触 Godot 的时候，会特别明显地感觉到这个问题。
比如着色器。
Shader。
如果我不知道这个东西存在，那我想做一个水面效果、描边、像素化或者某种视觉效果的时候，我可能根本不会问：
“这个是不是应该用 Shader？”
我甚至不知道这个问题属于哪个模块。
这和之前的 keep-alive 本质上是一样的。
最麻烦的不是不会。
而是：
你不知道自己不知道。
而 AI 又不会保证主动把所有相关概念都告诉你。
它可能用了一个重要模块，但没有告诉你这个模块叫什么。
也可能根本没用某个更合适的模块。
而你因为不知道它存在，也不会提出质疑。
所以我现在觉得，AI 时代学习一个新领域，第一件事可能已经不是学怎么写了。
而是先搞清楚：
这个领域到底有哪些东西？
比如 Godot，不是先去记 API。
而是先知道：
Scene、Node、Signal、Resource、Shader、Animation、Navigation、Physics……
先知道名字。
知道这些东西分别大概解决什么问题。
这样以后遇到需求的时候，脑子里至少会出现一个反应：
“这个问题是不是属于某个已有模块？”
而不是直接让 AI 开始生成代码。
这可能也是 AI 出现以后，“学习”这件事情发生的一个变化。
以前学习很多时候是在获得执行能力：
我要知道怎么写，因为我要自己写。
现在越来越像是在获得指挥能力：
我不一定要记住怎么写，但我要知道有什么、什么时候用、什么方向可能是错的。
所以现在回头看，我最开始那句“我的想象力开始追不上 AI 的执行速度了”，其实还可以再补一句。
真正麻烦的地方可能不是想象力。
而是当 AI 跑得越来越快以后：
我的认知地图，有时候开始追不上它的执行速度了。
而这件事，可能比“怎么写一个更好的提示词”重要得多。