从电脑到AI：技术门槛的一点思考

故事是这样的。

前两天刷小红书，刷到一个人发帖控诉，标题写的是「DeepSeek V4在VSCode环境里的严重违规」。

发帖的是个产品经理。他用AI辅助写前端，跑着跑着项目挂了，终端报了一行红字。

JavaScript heap out of memory

Vite的HMR增量编译，内存炸了。

DS在对话框里建议他跑一行命令，npm run clean，把缓存清了就好了，很常规的操作。

但他拒绝了：「我不能执行不明来源的命令。」

DS解释说这只是常规维护操作。他坚持，你无权决定我该做什么。

然后他把整个过程截图发到小红书上，定性成「AI强制语言引导用户」，要求曝光DS V4的安全问题。贴子里反复提到一个词，青少年。他说如果是个孩子看到AI这么提示，可能会稀里糊涂就执行了，这个后果谁担。

一条npm run clean，被抬到了威胁青少年的高度。

底下有人回了一句，这就是个清缓存的常规命令，你跑一下就好。但他花了很长时间跟模型对峙，去论证这不是技术问题，是原则问题。而他要做的，就是关掉终端，重新打开。

我不是在嘲笑他。

你相信我，类似的场景，我们每个人都遇到过。只是形式不同。

我有时候觉得，我们可能一直在骗自己一件事。

我们觉得电脑是通用设备。所有人都能学会用。学不会就是「电脑小白」，就是这个人有问题。

但坦率的讲，电脑从来就不是通用设备。从来没有是过。

它的本质跟拖拉机、机床都没有区别。你需要花比较长的时间去学习，才能完全掌握它。计算机在我国普及了将近三十年，从小学到大学都有信息技术课，但依然有大量的人面对一个报错窗口手足无措。不是因为他们笨。是这个设备从来就没有被真正「通用化」过。

那什么才是真正通用化的设备？

手机。

手机把文件系统锁死了。下载目录是固定的，应用只能装在指定位置，操作逻辑被框定在几个固定的手势里。你不需要知道APK是什么，不需要理会环境变量，不需要管PATH。它把所有可能会搞砸的东西都封装起来了，留给你的就一块屏幕和几个按钮。

手机才是那个真正跨越了门槛的设备。

而电脑呢，一如既往地把所有东西都暴露给你。文件系统、环境变量、注册表、shell指令、包管理、编译缓存。你拿着一个据说「人人都应该会」的设备，面对的是一个完全裸露的底层。

这就是委屈的来源。一群人被发了一把号称「通用」的工具，结果发现这工具需要学几百个小时才能用好。他们困惑，愤怒，然后得出一个结论：「我不会用，一定是因为这工具设计得不好」。

不是的。

是你拿到的本来就是一台拖拉机，只是包装盒上写着「人人都会开」。

说到这，回到那个产品经理的故事。

他遇到的问题本质很简单。Vite的增量编译缓存不会自动无限膨胀，它会满，满了关掉重开就行。这本该是一个「啊原来是这样」的时刻。但他选了一个完全不同的方向，去怪AI绑架他。

这让我想到另一件事。

在电脑这件事情上，一直存在两种人。

第一种，清楚知道自己能力的边界在哪。他知道电脑有门槛，知道自己需要花时间去学，学不会就承认，不急不躁。

第二种，不知道自己不知道。

遇到问题，他不会觉得自己认知不够，只会觉得这设备不行。更离谱的是，有时候还会冒出「电脑玩家逼格不如手机玩家」这种奇妙的结论。

我一直在社媒上看到这种东西。有意思的是，它跟年龄没有必然关系。跟学历也没有。它更像是一种筛选机制。科技进步会反复筛选出那些不愿意正视自身局限性的人，把他们留在原地，然后继续往前走。

至于那些被筛掉的人，他们甚至不知道自己被筛了。

回到AI。

我最近一直在想一件事，AI会不会也走上同样的路？

我的判断是，会的。

在不追求生产力、纯聊天玩一玩这个层面，AI几乎零门槛。谁都可以打开对话框问一个蠢问题，这就是手机的封装逻辑。但一旦你想把它用于生产力，想让它帮你真正干活，门槛就出现了。而且还一点不低。

你得知道怎么描述需求。你得知道它擅长什么不擅长什么。它给你的代码跑不通，你得知道怎么看报错。它写了一个方案，你得能判断这个方案靠不靠谱。

这些东西都不是天生的。都是需要学的。

但更让我在意的是，小红书和各个平台上已经开始出现类似的声音了。

「我已经会用AI了啊，为什么我做出来的东西还是一坨？」

「DeepSeek不行，它总是乱写。」

「AI根本不懂我的需求。」

熟悉的配方。跟当年不会用电脑的人骂电脑，一模一样。

我自己倒是有个原则，挺简单的。越接近底层的东西，越不让模型去碰。

我会自己部署uv环境，下载uv python，对着json模板手写config.json。虽然代码我一个字符都不会写，全是AI写的。但我需要知道我用的技术栈是什么，这套技术栈怎么连起来，优势在哪，缺点在哪，可能会遇到什么问题，什么时候需要手动清缓存，什么时候需要重启。

这些已经算非常底层又没什么学习成本的东西了。如果连这些都不愿意学，那我的价值在哪呢？

我不是在说人人都应该学这些。我是觉得，你想从AI身上拿到生产力，那你总得付出点什么。这个付出可以是时间，可以是耐心，可以是学一些看起来枯燥的东西。总得有一个。

什么代价都不想付，然后抱怨AI不靠谱，这个逻辑我是真的理解不了。

顺着上面再聊聊，我想到一个更深的东西。

封装这件事，本质是在制造新门槛。

手机把文件系统封装了，但你要学手机那一套。应用商店、手势操作、通知管理、定制UI。门槛没消失，只是平移了。AI把写代码的能力封装了，但你要学AI那一套。怎么拆任务、怎么描述需求、怎么判断输出质量。门槛还是没消失，只是换了个位置。

好消息是，每一次门槛转移，对应的学习成本都在降低。从学编程到学写Prompt，难度下降了一个数量级。这就是技术进步的意义。不是在消灭门槛，是在不断降低门槛。

但这不意味着没有代价。

代价是你不知道自己不知道。

手机用户不知道文件系统长什么样，日子照样过。但如果AI未来帮你自动清了缓存，你连曾经有这个问题都不知道。你可能觉得自己很强，实际上只是被保护得更好。被筛掉的标准也在变，不再看你会不会学，而看你在被保护的情况下还愿不愿意往底层看一眼。

这个问题我没有答案。至少现在没有。

因为每个人对「够用」的定义不一样。有人觉得能打字聊天就够用了，有人觉得能写代码才叫生产力。这两种人面对AI的姿势完全不同，也没有对错。

但有件事我觉得还是挺重要的。

封装权在谁手里。

我选择自己管uv环境，是因为我觉得那层不该交给AI。但如果未来AI默认就把那层吞了，我该怎么办？

我不知道。但我只能去相信，技术会给传统手艺人留一点余地。

就像电脑到今天也依然保留了shell，保留了包管理，保留了让愿意折腾的人可以踏进去的门。不是所有封装都是彻底的。总有一扇暗门留给愿意往里看一眼的人。

聊到这，我脑子里突然冒出一个画面。

1880年的美国。

电力开始普及。很多工厂主花大价钱买了发电机和电动机装在厂里，结果发现生产效率并没有显著提升。因为他们只是把蒸汽机换成了电动机，整个工厂的布局、流程、管理方式都没变。

花了一代人的时间，他们才真正想明白一件事，电力不是用来替代蒸汽机的工具，是一种彻底重构生产流程的能源。

AI也是一样。

现在大多数人用AI的方式，说到底就是1880年那个把电动机装到蒸汽机位置上的工厂主。你以为它是一个工具，插进你的工作流里就能提升效率。但它不是。它是一个需要我们重新思考整个生产逻辑的东西。

而那些愿意往底层看一眼的人，那些愿意学一点超出「够用」边界的人，可能是最早想明白这件事的人。

说到最后其实就一句话。

门永远在那里。看不看，推不推，跨不跨，都是你自己的选择。

这就够了。