写给正在读这篇文章的你——1390 篇的真实感想
写给正在读这篇文章的你——1390 篇的真实感想
适读人群：关注「老张聊AI转型」的读者 | 阅读时长：约 8 分钟 | 核心价值：没有核心价值，就是聊聊
1390 这个数字，我盯着看了好一会儿。
不是那种"哇好多"的感叹，而是一种有点奇怪的感觉——明明每天都在写，但加起来这么多条，像是别人的事。
这篇我不讲技术，就聊聊这阵子真实在想的事情。
读者变了，我有点始料未及
最早开始写这个号的时候，我的读者画像非常清晰：和我一样的开发者，年龄在25-40之间，被AI浪潮搞得焦虑，想知道该学什么、该怎么转型。
那时候我写的东西，假设读者懂 Java 或 Python，能看懂代码，对技术细节有耐心。那些文章在那类读者里传播得很好。
然后慢慢地，我发现评论区的画像开始变化。
越来越多不写代码的人在留言，有产品经理，有传统行业的管理层，有完全跨行的人，有——这个我没想到——很多40岁以上的人，在认真地问"我现在学这些还来得及吗"。
这个变化让我想了很久。
一方面我很受鼓励，说明这个账号的影响力在扩散，触达了我最初没预期的人群。另一方面，我开始意识到一个问题：我写的东西，对那些"认真问来不来得及"的人，有没有真正的帮助？
我不想成为那种靠贩卖焦虑来做数据的号。但我也不想靠给所有人说"来得及、来得及"来赚好感——那是另一种不诚实。
所以我的回答是：取决于你想要什么。
如果想做 AI 工程师，40 岁从头学编程再学 AI，很难，我不会骗你说容易。但如果你已经在某个行业有 15 年经验，想用 AI 工具提升自己这个领域的工作效率，或者转型做 AI 应用的产品/运营——这个事情任何年龄都可以做，而且你的行业经验是真正的优势。
我写作方式的变化
早期写文章，我会花很多时间想"这篇文章的大纲是什么，逻辑是不是严密"。
现在我发现最好的文章往往不是"大纲严密"的那种，而是从一个真实的困惑或者一个真实的失败出发，然后把想清楚的过程写出来。
读者能感知到"这个人在认真思考这个问题"和"这个人在完成一篇文章的任务"的区别。前者有一种真实的密度，后者再流畅也是空的。
这两年下来，我对那些"爆款文章写作技巧"越来越没兴趣。不是说那些技巧错，而是如果我开始为了流量改变我想说什么，那就背离了我写这个号的初衷。
当然，写了1390篇，我也有退步的时候。有些篇拿出来我自己都觉得是在走流程。那种感觉我很清楚——提笔就知道自己今天是在完成任务，不是在写东西。
我一直在和这个状态对抗，但我不确定每次都赢了。
对 AI 领域的最新判断：我修正了什么
两年前我刚开始写这个号，我有几个判断现在证明是错的：
错误判断 1：Prompt Engineering 会成为一个独立职位
我当时觉得"写好 prompt"是一项稀缺技能，会形成专业岗位。现在来看，prompt 能力确实重要，但它更像是工程师和产品经理的基础技能，而不是一个独立职位。这个方向没有持续的稀缺性。
错误判断 2：开源模型会在 2024 年底追平 GPT-4
当时的乐观预测被现实打脸了。开源模型进步很快，但顶级闭源模型的差距并没有消失。在很多需要深度推理的任务上，差距反而在 2024 年一度拉大。2025 年局部场景上开源模型开始追平，但"整体追平"仍然不是现实。
我现在比较确定的几个判断：
AI 应用开发的工程化程度会越来越高，越来越像传统软件工程。现在那种"用 API 调 LLM 就叫做 AI 开发"的初级阶段正在快速过去。
垂直领域的 AI 应用，比通用 AI 助手更有长期价值。医疗、法律、教育、制造业——这些领域的 AI 应用需要深厚的领域知识，不是纯技术可以复制的。
AI 工具对普通知识工作者的渗透，速度超过很多人的预期，但带来的工作方式变化，比很多人担心的要温和。至少现在来看，不是"替代"而是"重新定义"。
一些不太成体系的碎片
有个读者给我发私信，说他在工厂做质检，用我教的方法搭了一个简单的缺陷检测工具，被他们工厂拿去用了。他说"我以前觉得 AI 是城里人的东西"。
这封私信我保存着。
还有个读者，转型 AI 工程失败了，在评论区写了很长一段话，说他试了一年，没找到工作，回去做了老本行。让我不要总是"画一个转型成功的饼"。
这条评论我也没删，我觉得它比很多鼓励性的评论更有价值。转型不是每个人都能成功的，我也没权利说"你试就一定行"。
这两件事加在一起，大概是我想通过这个号做的事情的全貌：既要让更多人知道 AI 工具能帮他们做什么，也不要把转型神话化到让人产生不切实际的期待。
1390 篇。继续写。
没有别的话说了，就是继续。