AI让我们容易"知道"，但不等于"掌握"

前段时间一些互联网大厂给员工发放高额度甚至无限Token，但从这个月开始削减额度。经过一段时间的实践，发现生产力的提升并没有符合预期。做项目复盘的时候，不少程序员已经看不懂项目的代码，不知道为什么这么写。Token花了一大堆，投入产出比不高。

从不设上限到精打细算，对AI的生产力祛魅，开始回归理性。
我自己也有这样的体会。
这个星期一直想写一篇这个主题的文章，因为在欧老师的“AI调用力”微信群里看到了这样的讨论，引发了相关的思考。

AI让信息获取效率提升了好几个量级，过去要翻半天资料，现在一句话就能得到解答。
做知识补充、查信息、调API接口，现在分分钟搞定。这些优势实实在在，我自己也每天都在用。
尤其是知识补充，问什么有什么。

但也正因为太容易得到答案，我身边有一些人开始产生错觉，典型的两个幻觉分别是无所不知（什么都知道），无所不能（什么都能做得到）。
一有问题立刻就问，看似掌握了更多的知识，但其实是蜻蜓点水。AI给的答案确实漂亮，但没有串联成网的知识，是信息碎片，这些“顿悟”来得快去得也快。
王阳明在《传习录》里的一句话：“未有知而不行者。知而不行，只是未知”。还有：“为学须有本原，须从本原上用力，渐渐盈科而进。”学习要从根基上下功夫，一步步推进。大模型帮助用户跳过了这个过程，你以为是走捷径，其实是绕过该走的路。
问得一个答案，觉得自己“知道”了，但其实并没有。真正的“知”跟随“行”，要花时间去消化，跟已有的知识做连接，在实际场景里用一用。否则就是虚的。

陆九渊也提过类似的观点，他把不讲究整体、搜刮碎片知识的做法，叫“支离事业”。“须是自家体贴出来。”知识得从心里长出来，才算真有。

之所以与群里的讨论产生共鸣，是因为我一直不间断地看《论语》，道理是通的。

《论语》里有一段："诵诗三百，授之以政，不达；使于四方，不能专对。虽多，亦奚以为？”意思是“背得滚瓜烂熟，交给你政事却做不好，派你出使也不能独立应对，读得再多又有什么用。”

还有一句人人都能背的：“学而不思则罔，思而不学则殆。”

这些道理跨越2000多年，一直都没有变。
道理都知道，但是知道不等于掌握。