点石成金？

今天在和朋友聊一些最近使用 AI 的心得，我最大的体会之一就是，

在“无所顾忌”的前提下，发现自己的工作半径被放大了非常多。

所谓“无所顾忌”，是指我在试用了多个工具模型之后，给了自己一到两周的时间，

假设不需要去考虑任何模型的消耗（无论是具体的 token 还是定义的套餐）。

目的只有一个：测试它能在多大程度上解决工作上的麻烦，同时看看它的具体成本到底有多高。

实际测试下来，除了个别情况（比如Opus 4.6模型），其他的消耗成本之低，远远低于我的预期。

另一个体会是，AI 并不是点石成金的法术，而是一个“放大器”。

简单类比来说，如果你的自身能力是 1，

不用 AI 时，展示的能力就是 1。

如果你开始使用 AI，放大系数可能会变成 2、50 甚至 100，

起到典型且立竿见影的“事半功倍”效果，用 1 的能力去撬动 10 倍甚至百倍的工作效率。

 AI 还可以缩小你的劣势。

比如原本“事倍功半”的表现是 1 × (-0.5)，

你花了一倍的精力却只取得一半的效果；

AI 能做的是把 -0.5 变成正常范围的 1、2 甚至 10。

如果你的能力本身就是 0，即使 AI 有 100 倍的增幅，结果还是 0。

AI 会在放大倍数上显示为无穷大的正数。

但如果你本身完全做不到（初始能力为 0），哪怕 AI 真的能做到正无穷，放大后的效果依旧是 0。

可是我又在想，假如 AI 确实如现在一些教育共识的看法，

是属于类似于第四次科技革命的潜质，

那我们追求的是不是就是 AI 本身所带来的放大效果呢？

是，也不是。

放大只是一个阶段性的过程，我们最终想要的，是放大之后能节省我们多少时间和精力，

让我们变得更轻松，让我们把更多的注意力放在自己身上。

只有那些必须依赖自己的认知、决策与判断的环节，才值得去花费我们越来越宝贵的注意力。