经验与认知

显性知识和隐性知识怎么分、为什么会流失、怎么守。AI把公开方法都摊开后，经验只剩"比别人好一点点"，且必须靠每年长出新东西来守住。含波兰尼隐性知识定义、四个自查问答与边界条件。

AI对"经验要不要藏"给出了教科书式的正确答案（分层输出、留一手），我为什么没用。本文还原三段完整对话，指出那条思路的两个漏洞（捂不住、不敢用就等于没有；藏起来不换不来任何东西），以及AI 制造而未察觉的一个风险，并给出"第三种失败"的判断标准。

我今年63岁，干了四十多年技术。一直以来我有个心愿：不只是用现成工具，而是能自己开发软件。花甲之年，我借助AI把一套技术任务与绩效管理系统上线到了云服务器上。这篇记录整个过程：…

当下所有人都在追赶AI浪潮、追捧新技术、追逐新风口，很少有人静下来想一件最根本的事：AI越变越强，我们人类到底该怎么自处？这篇是这个思考系列的开篇，讲清我要写什么、为什么写，以…

人人都在聊AI、聊Agent智能体，但绝大多数人只看到AI越来越强，却没搞懂一件核心的事：AI再厉害，也永远成不了神。这篇讲清一个黄金公式——Agent=大模型+Harness…

看懂AI本身的边界后，很多人心里踏实了：大模型再强、Agent再智能，也永远成不了万能的神，技术层面替代不了人类。但踏实归踏实，有一件更可怕的事必须单独说：我们真正要怕的，从来…

看懂AI时代最致命的隐患——有人刻意拆掉安全护栏、恶意利用AI——之后，很多人觉得这种风险离自己很远：身边哪有什么大野心家？但今天要讲一个更扎心也更现实的真相：AI真正大概率失…

我用AI协助写作，这件事我不打算藏着。相反，我在每篇文章末尾都注明了“部分内容由AI完成”。有人建议我对外只说浅层、把带个人经验的内核收起来，但我不认同——我选择公开，也乐于和…

“什么叫负责任的能力？”这个问题我琢磨了很久。一开始以为答案很简单——不就是敢拍板、敢签字吗？后来越想越不对：拍拍胸脯就签字，那是盲目自信，不是负责任。这篇把我琢磨的结果写下来：这份能力到底由什么构成。

AI 读过的东西，比我这辈子能读完的多出几个数量级。可让我奇怪的是：既然它什么都知道，为什么那些在现场待过、亲手做过的人，反而越来越吃香？琢磨了一阵，我觉得有个地方一直没被说透——AI 拿不到的，不是“还没来得及写下来”的知识，而是“本来就不会被写下来”的知识。

这个系列叫“深者不替”，一路写了16篇，却从没单独说过这四个字到底是什么意思。常有读者问：什么是“深者”，什么又叫“不替”？

最近，AI已经能自动生成符合标准的技术文档，能模拟数据中心全年的PUE与能耗曲线，甚至能根据客户提问动态调整方案细节。有人半开玩笑地问我：“您这样的资深专家，是不是快没用了？”…

上周，我对比了两份AI生成的电极锅炉技术方案：一份面向北方某大型钢厂，一份面向南方某调峰电厂。内容几乎一模一样——高效、智能、模块化、支持远程监控。但现实中，这两个项目的需求天…

一位同事曾兴奋地告诉我：“我用AI写完了整个热储能项目的可研报告！”我翻开一看：章节完整、数据丰富、图表精美，连投资回收期都算得有模有样。但细读之后，问题立刻浮现——内容看似专…

去年，我们为一个大型数据中心编写暖通系统运维手册。我负责技术内容编写，一位有30多年工程经验的老专家负责审核。他开门见山地说：“我不懂AI，但我知道一线运维员半夜值班时，最需要…

前几天，我看到一位老东家——我曾工作过的公司创始人——发了一段视频。他说：“未来每个人都会用AI，就像今天人人都会用手机、会用电脑。但区别在于：有人用AI写方案，有人用AI改方…

上个月，我让AI帮我起草一份数据中心间接蒸发冷却系统的方案建议书。不到十分钟，它就生成了一份结构清晰、术语规范的文档，连PUE曲线图都画得有模有样。但当我仔细核对时，发现了两个…

很多人以为，不会用AI就等于“要被淘汰”。但在我参与的一个数据中心冷却系统投标项目中，恰恰是一位从不碰AI的资深专家，救了整个方案。这篇讲清：AI的短板，恰恰是人类专家的护城河…

上个月，我负责编写一套电极锅炉产品的技术标准。过去，这类工作至少要两周：查规范、比参数、画原理图、写条款，反复修改才能定稿。这一次，我尝试让一位熟悉AI的年轻同事先用大模型搭个…

你有没有见过这样的场景：两份来自不同客户的方案书，翻开一看，除了公司名不一样，技术路线、措辞、甚至章节顺序都差不多？这就是“方案撞衫”。AI时代，生成这种撞衫方案的速度更快了。但撞衫恰恰说明——它没读懂客户。

AI给的建议，常常“看起来很有道理”，可一放到现场就不对。这不是AI不聪明，而是它的答案来自“平均值”。这篇讲清“平均值陷阱”是怎么来的，以及一个在现场待过的人，该怎么补上这一课。

有人以为“个性化”是一种风格选择：换几个词、加几句行业术语、把模板改一改。其实不是。真正的个性化，是深度理解之后的自然结果——你越懂客户的真实处境，写出来的方案就越“像他”。

AI写技术方案的术语、格式、条理，已经相当像样。但它始终差一口气的地方在于：它知道该写什么，却不知道不该写什么。哪些测试根本不用做、哪些要求根本不该提，这类知识不写在任何规范里，恰恰是老工程师最值钱的部分。

同一份技术方案，两个人写，用词、结构都按要求来了，客户却能一眼分出是谁写的。差别不在文采，在文风——你的文字里有没有一条只有你写得出来的“专业指纹”。这篇讲清楚：文风为什么等于专业态度，以及怎么把这条指纹养出来。

客户找你，常常只说得出一个模糊的愿望：“想省点钱”“想稳一点”。如果你只按这句话交一份文件，那你是个写手；如果你能帮他理清到底要什么、路该怎么走，那你就是思想合伙人。这篇讲后者怎么当，以及它到底能给客户带来什么额外价值。

AI到底该干什么、人该干什么？把这条边界划清楚，很多焦虑就散了。我的答案很简单：AI是笔，深者是执笔人。它负责写得出字，你负责写得出价值。这篇讲清楚这套分工怎么落地，以及为什么“工具为我所用”才是对的姿势。

很多人问我：你总说方案要“个性化”“懂客户”，可个性化听起来很虚，怎么证明你真的做到了，而不是嘴上说说？我的回答是：把无形的深度，做成有形的流程。

同样一个AI，有人用它十分钟出一份能用的初稿，有人用了一天还是一堆废话。差别不在工具，在提问的人。这篇讲一件事：你给AI的边界越清晰，它越像助手，而不是对手。而划清边界的能力，恰恰来自你的专业深度。

让AI写一份很长的可行性研究报告，它能在很短的时间里把篇幅堆起来——行业标准、同类项目数据、基础参数，一应俱全。可当你逐章读下去就会发现：这份报告“有量没质”。结构是散的，政策是旧的，图表是糊的，风险是缺的。

一份方案里，图表不是装饰，是技术思想的可视化。AI现在画图很快，系统流程图、能耗曲线图、设备示意图，几秒钟就能生成一批。可你仔细看，这些图经常“画了等于没画”——它把形状画对了，却没把逻辑画进去。

AI生成的方案，读起来往往很顺、很专业、很有条理。但顺，不等于对。方案里的每个漏洞，都可能是现场的一场事故。

我干了四十多年技术，见过太多“看起来个性化、实际上换个名字就能用”的方案。它们共同的问题是：个性化只做在了表面——术语换成了客户的行业，封面换成了客户的标识，但方案的骨架，还是通用的那一套。

AI能把方案写得又快又全，但它签不了一个字。因为签字这件事，从来不是“把文件写完”，而是“为结果兜底”。这篇讲清楚：签字到底意味着什么责任，一个敢签字的人靠的是哪三样东西。这也是“深者不替”里，最重的那一层。

这个系列写到最后一篇。第一篇里，我说过一个技术人的真实焦虑——AI很快就能生成一份看着很专业的方案，那一刻我心里咯噔一下。写到今天，那点焦虑已经变成了别的东西：不是“我会不会被取代”的担心，而是“我要成为什么”的笃定。