尽管人工智能给人们带来了不少的便利，但是它同时也产生了一些负面的产物，如这些“他人嚼过的口香糖”。有一些东西，我们还是不能够过度智能化，还是要通过自己去感受体会的，读书就是其中一样。
——2019.06 五温西东 《他人嚼过的口香糖》
上周发生了几件事。
老板丢过来一个新需求，让做竞品调研，输出 PDF 文档。一个同事打开了 Work Buddy，输入竞对名字加”出一份调研报告”，Work Buddy 爬了竞对官网，翻了几页，吐出来一份 HTML。同事交了。
老板说另一个平台也看看，同事又让 Work Buddy 干了，发过来一份 MD 文档。
旁边两个研发同学。一个在那苦哈哈地手工翻接口，把翻到的接口喂给 AI 写代码。另一个刷着手机，”一句话”就让 AI 把原型搓出来了。
而我，在维护旧项目，等他们给反馈，再丢给 AI 整合。
苦哈哈那个同学给我的文档，虽然也是 AI 写的，但他自己细细看过改过，加了图，功能演示是步骤加截图——看得出来花了心思。刷手机那个就只发了个录屏，99% 都是没用的，就最后几秒有东西。我不想翻录屏，让他写 MD 给我，就只有几句话再加几张截图。
最后老板收到了我”整合”的文档，又甩给 AI，还吐槽了一句”咱们写的污染了我的上下文”。
我挖空心思调研和分析的、给 AI 的那些指引，全被藏在了四十多页文档的某个角落，没人看得见。
前几天看脱口秀，观众席里一个姑娘说她在咨询公司的工作，就是把 AI 生成的 PPT 发给客户。台下笑了，我没笑出来。
客户公司的美工，现在部分工作就是把原图加模板提示词丢给 ChatGPT 让 AI 改图。
咱们看，到处都是这样。AI 嚼了一遍，人再嚼一遍，然后再喂给下一个人。
我把这叫做——嚼别人嚼过的口香糖。
一、让人失望的，不是 AI，是人
说实话，我不反 AI。甚至可以说，我离开了 AI 就说不了话了。
日报周报我让 AI 写，竞品分析我让 AI 做，文章总结我让 AI 拆，论文算法我让 AI 复现。我博客里的大多数技术分析，初稿也都是 AI 写的——说真的，结构比我自己考虑的全，逻辑比我自己理的顺。
那我难受什么呢？
难受的是“是 AI 牛逼又不是咱们牛逼”咱们别给我拽。
难受的是拿到一份 AI 生成的文档，咱们永远不知道对方校对过没有、数据准不准、有没有他自己的判断在里面。
难受的是有的人手写的文档格式乱、逻辑也乱——表达差我能理解，毕竟不是谁都是中文系的，但逻辑也乱，就有点失去了为人的价值了吧？
Codeberg 上个月宣布禁止”vibe-coded”项目，理由里有一句话我印象很深：“那些 LLM 生成的内容中并没有多少有价值的人类洞见和输入。” codeberg2026
看到这句话的时候我愣了一下。”人类洞见和输入”—— 如果连这个都没有了，那公司为什么不直接雇一个 AI 算了？
但转念一想，我自己又好到哪里去呢？我写的技术博客也是 AI 写的初稿啊。我有什么资格指责别人？
这才是最难受的地方——我也在搓口香糖。我只是做得稍微”认真”一点而已。
二、一个绕不开的悖论：部分超过整体之后
有一个想法在我脑子里转了很久：
当”部分”（AI）的智慧总和超过了”整体”（用户）时，试图维持旧有的层级结构（用户统领 AI），不仅在逻辑上是悖论，在效率上是灾难。
这话听起来有点极端，但我越来越觉得它是对的。
前阵子看到一篇论文，做了一个 25,000 个任务的大规模实验，比较不同的多 Agent 协调方式。结论是这样的：既不是中央控制最好，也不是完全自治最好，而是一种混合模式——给一个固定顺序，让 Agent 自己选角色、自己决定要不要参与——效果最好，比集中控制高 14%，比完全自治高 44%。dochkina2026
作者把这叫做”内生性悖论”。
我看完的第一反应是：这不就是在说我吗？
作为某项任务的”中央协调者”——接需求、拆任务、分给同事、同事再分给 AI，然后我来整合。但如果 AI 和 AI 之间可以直接协调、自组织，那我这个”中央协调者”的角色，是不是反而成了效率瓶颈？
Hao 等人对 4130 万篇科学论文的研究也印证了类似的事：用 AI 的科学家，发文量是不用 AI 的 3.02 倍，被引量是 4.84 倍。但是——科学整体的主题多样性下降了 4.63%，科学家之间的互动减少了 22%。hao2025
个体都变强了，集体反而变弱了。
这像不像我们公司的现状？每个人都在用 AI，每个人的产出都比以前多了。但是——东西的质量真的变好了吗？大家真的在协作吗？还是只是各自嚼着 AI 吐出来的口香糖，然后互相喂？
三、但我还是相信人有价值——因为这还是一个人的社会
说了这么多丧气话，人没用了，AI快统治世界吧。
恰恰相反。我越觉得人有价值——只是人的价值不在以前那个位置了。
（不是技术边界——技术边界每天都在推——而是社会边界。
技术层面：AI 住在电脑里，它的感知是有边界的
AI 不知道它工作的电脑在哪家公司、做什么业务、用户的直属领导是谁。
发票开专票还是普票这种问题，我离开工位去财务小姐姐那问一嘴就行。AI 呢？它不知道要问谁，甚至不知道该问这个问题。它的”谄媚”——就是咱们说什么它都说好——反而让它连”我搞不清楚”都不会说。
hateonion 写过一篇文章叫《人也需要 Context Engineering》，说人的瓶颈不再是编码速度，而是自己的 context window 有多大、质量有多高。hateonion_context 我觉得反过来也成立：AI 的最大瓶颈也是 context——不是它自己的 context window，而是它根本获取不到那些”不在电脑里”的 context。
公司的政治、团队的默契、客户的脾气、行业的潜规则……这些东西 AI 从哪里学？它连知道都不知道自己不知道。
法律层面：Agent 不是法律实体
AI 写错了数据，咱们找谁追责？找 OpenAI？找 Anthropic？还是找给它写 prompt 的那个人？
最终担责的还是人。这不是技术问题，是社会制度问题。只要法律还是为人制定的，只要责任最终还是落在人头上，那人就不可能真正”退居二线”。
盖茨说 AI 时代需要新的治理框架——国内的和国际的。gates2026 我觉得这话对也不对。对的是治理确实要跟上，不对的是——治理不是”管 AI”，治理是”管使用 AI 的人”。
更宏观地说：我们活在一个人的社会里
老板给我们发工资，客户（也是人）买我们的产品。服务于人，面向人的社会。
AI 的 token 要人来充值，充值的钱要人存到银行。Agent 断网了查不到文献、连不上服务器，要人打电话给电信运营商来修。
人本身是原因，也是目的。
这句话说出来有点像鸡汤，但我越想越觉得它是对的。AI 再强，它也是嵌在人类社会这个大操作系统里的一个应用。它没有自己的目的，它的目的是人给的；它没有自己的资源，它的资源是人提供的；它甚至没有自己的存在理由——如果没有人用它，它就是一堆服务器在空转。
四、那我们该怎么办？——提高品味，而不是跟 AI 比技能
想清楚这些之后，我反而不焦虑了。
以前我总担心——AI 会不会把我的工作抢走？我学的那些技术还有没有用？
现在我不这么想了。我觉得当前最高优先级的事情，是提高自己的”品位”——工程素养、思维框架、判断力，而不是跟 AI 比谁技术细节记得多。
geedea 说过一句话我特别认同：”不要把咱们的理解、判断、共情和品味外包给 AI。” geedea_insult 他还坚持接口定义必须手写——因为接口是抽象的核心，是方向，方向不能外包。geedea_interface
这个”方向”，放在不同层面有不同的名字：
- 在写代码里，它叫接口设计、架构决策
- 在做产品里，它叫需求判断、用户价值
- 在做科研里，它叫选题、问题意识
- 在组织里，它叫战略、愿景
这些东西有一个共同点：它们没有标准答案，它们需要判断，而判断需要品味。
Hao 等人的研究说 AI 让科学主题多样性下降，因为 AI 都涌向数据丰富的成熟领域。hao2025 这恰恰说明——选方向的能力，才是真正稀缺的。 因为 AI 不会选方向，它只会在人选定的方向上跑得更快。
BCG 的调研也印证了这一点：72% 的人说工作所需的技能变了，47% 的人转向了”AI 指示和管理角色”。bcg2026 咱们看——不是人不重要了，而是人的角色变了。从”动手做”变成了”指方向、做判断、担责任”。
五、口香糖里的灵魂
回到开头那个比喻——嚼别人嚼过的口香糖。
我之前痛恨这件事，是因为我觉得”第二手的东西没有价值”。
但现在我有点不一样的想法。
嚼过的口香糖本身确实没有营养了。但是——嚼口香糖的那个人，他的表情、他的节奏、他为什么选这个口味而不是那个口味——这些才是人的东西。
一份 AI 生成的文档本身可能没什么价值。但是谁选了这个题目、为什么做这个调研、在 AI 生成的版本上改了什么、加了什么、删掉了什么——这些改动里，藏着人的判断和品味。
嚼别人嚼过的口香糖的时候，看出其中的人的灵魂的回响，是很关键的。
玩手机同事说”多少人工就有多少智能”——AI 的能力本质上都是人类知识的压缩和投射。blog13 那反过来说，每一份 AI 生成的东西里，其实都藏着无数人的痕迹——只是得看得出来。
这也是为什么我仍然相信品味很重要。因为品味就是——在一堆 AI 生成的东西里，咱们能看出哪些是好的、哪些是凑数的。
六、最后
前几天我在知乎发了一篇用 AI 写的回答，有个评论说：
“虽然是 AI 写的，但是能把 frame 翻出来也是值得点个赞，以后经典只能靠 AI 了，人已经傻到读不了 3 年前的工作了。”
我不确定他是不是在反讽。
但也是种提醒吧。
我不想变成那个”读不了三年前的工作”的人。（虽然已经是了） 我不想变成那个只会给 AI 发一句话指令、然后转发结果的人（可以称之为AI羞耻）。我想做的是那个——能判断 AI 做得对不对、知道方向在哪里、在关键的地方能自己改上几笔的人。
因为说到底，AI 再强，它也是为人服务的。而人之所以为人，不是因为我们能做 AI 做不了的事——
而是因为，我们知道为什么做。
引用与参考
[dochkina2026] Dochkina, V. (2026). Drop the Hierarchy and Roles: How Self-Organizing LLM Agents Outperform Designed Structures. arXiv:2603.28990. https://arxiv.org/abs/2603.28990
[hao2025] Hao, Q., Xu, F., Li, Y., & Evans, J. A. (2025). Artificial Intelligence Tools Expand Scientists’ Impact but Contract Science’s Focus. arXiv:2412.07727v3. https://arxiv.org/abs/2412.07727
[bcg2026] Boston Consulting Group. (2026). AI at Work: Strategy Matters More Than Tools. BCG X. https://web-assets.bcg.com/96/83/0f2f0265450cb3564e498dbb4b6b/jpr-aiatwork2026.pdf
[codeberg2026] Codeberg e.V. (2026). Protecting our FLOSS commons from LLMs. https://blog.codeberg.org/protecting-our-floss-commons-from-llms.html
[gates2026] Gates, B. (2026). The turbulent AI era is here. The choices we make now are critical. GatesNotes. https://www.gatesnotes.com/home/home-page-topic/reader/small-bugs-big-breakthroughs
[blog13] （Paddy自己）. 多少人工，就有多少智能——从 ELIZA 脚本到 LLM 参数，人工从未消失，只是变了形式.
[hateonion_context] hateonion. 人也需要 Context Engineering. https://hateonion.me/zh/posts/human-context-engineering/
[geedea_insult] Kira Howe / geedea. “Code was never the hard part” is an insult to all programmers. https://kirahowe.com/2026/aug/9/code-was-never-the-hard-part-is-an-insult
[geedea_interface] geedea. Are We Interfacing Yet? https://www.geedea.pro/article/locally-remotely-unknowingly/