昨天 今天 · 2026-05-06 明天
Slide 0 · 封面
AI Native
人AI
成为 AI Native 的决策者
— Terry Zhao
Part I · Opener
I

K 型社会的到来

§ 1.2 · 历史是一面镜子
Part I · K 型社会The Mirror of History
§ 1.2 · 历史是一面镜子

每次技术革命，都是对社会结构的一次 K 型重塑。

革命上端下端
工业革命资本家 / 工厂主手工业者破产
电气革命接电的工厂没接电的家庭手工业
互联网平台 / 流量主线下店 / 传统媒体
移动互联网App 生态参与者没接入的中小企业
AI 革命会用 AI 的人不会用 AI 的人
— § 1.2AI Native · Page 02
§ 1.3 · 这一次不一样
Part I · K 型社会This Time Is Different
§ 1.3 · 这一次不一样

蛋糕迅速变大，分蛋糕的人变少。

前几次革命替代的是体力 / 技能。这一次，AI 替代的是智力。
人 − AI 拒绝使用 AI
人 / AI 被 AI 平均化
人 + AI 把 AI 当工具
人 × AI 把 AI 当生产要素
人 AI AI Native 决策者
— § 1.3AI Native · Page 03
§ 1.4 · 五种关系，五种命运
Part I · K 型社会Five Relations, Five Fates
§ 1.4 · 五种关系，五种命运

你和 AI 是什么关系，决定了你走向 K 的哪一端。

今天 +1 年 +3 年 +5 年 价值 边缘 人 AI 把 AI 当指数 人 × AI 互相放大 人 + AI 多一双手 人 ÷ AI 被 AI 平均 人 − AI 拒绝 → 被淘汰
— § 1.4AI Native · Page 04
§ 1.5 · 行为隔离
Part I · K型社会Behavioral Isolation
§ 1.5 · 行为隔离

鸿沟不是一天决定的，是一天一天拉开的。

用 AI 的人
今天发现 AI 能自动处理表格
→ 明天发现它能自动写报告
→ 后天发现把任务串起来一气跑完
→ 再调试几天，交给 AI 了
思维模式和解决问题的方式，
在和 AI 一起迭代。
行为隔离
不用 AI 的人
Agent 怎么拆任务？
上下文窗口怎么调？
“ 听不懂 ”
不是他能力不够，是掌握的基础信息
和拥有的认知系统已经完全不一样了。
前者越来越依赖 AI
能力不断提升
→ ←
后者不断为自己不用 AI
找理由，继续不用
— § 1.5AI Native · Page 05
§ 1.6 · 自检三问
Part I · K 型社会Where Are You
§ 1.6 · 自检三问

你现在在 K 的哪一段？

  1. 你过去 30 天用得最多的是哪个模型？
  2. 你用 AI 是在「问问题」还是在「跑流水线」？
  3. 你用 AI 半年了，有没有沉淀下任何可复用的东西？
以前 纺锤形 现在 K 型 中产 AI 革命 高 · 少 大 · 多 蛋糕变大，分蛋糕的人变少
— § 1.6AI Native · Page 06
Part II · Opener
II

AI 是什么

§ 2.1 · 一千个 AI
Part II · 认识 AIA Thousand AIs

一千个人心目中，
有一千个 AI。

你说的 AI，和我说的 AI，
可能根本不是一个东西。
— § 2.1AI Native · Page 06
§ 2.2 · 你的天花板
Part II · 认识 AIYour Ceiling
§ 2.2 · 你的天花板

你的 AI 能力上限 = 你见过的最好的 AI 使用实践。

你见过的样本实际可达的水平
同事用 ChatGPT 写周报每天产出十份深度行业研报
朋友圈 AI 改论文端到端从素材到发布的内容流水线
网上 prompt 模板合集多 Agent 编排，分工写 / 审 / 验
「让 AI 帮我想想」让 AI 系统性挑战你的判断
没见过的，你想不到，也做不到。
— § 2.2AI Native · Page 07
§ 2.3 · 你把 AI 当什么
Part II · 认识 AIMetaphor Decides Empowerment
§ 2.3 · 你把 AI 当什么

你把 AI 当什么，AI 就如何给你赋能。

你的隐喻它给你的赋能倍数
工具帮你完成单次任务 — 像锤子、像计算器。1×
伙伴跟你共同推演、互相挑战、双向博弈。10×
新型生产资料接入你的流水线，持续产出资产 — 像电、像土地。100×
外脑拓展你的认知边界，看到你看不见的。?×
— § 2.3AI Native · Page 08
§ 2.3a · 工具？员工？
Part II · 认识 AITool or Employee
§ 2.3a · 工具？员工？

最快的判断方法：AI 不在了，活做不做得完？

工具员工
执行主体人开机才动自己干活
决策权帮人想自己拍板
价值兑现卖省时间卖出结果
价值上限人是瓶颈持续增长
失败模式没人用没出活
做得完，只是慢点 → 工具。  做不完 → 员工。
— § 2.3aAI Native · Page 08a
§ 2.4 · AI 擅长的工作
Part II · 认识 AIWhat AI Excels At
§ 2.4 · AI 擅长的工作

AI 在哪些事上比人厉害？

  • 处理海量信息
  • 不知疲倦的「牛马」
  • 洞察
  • 没有情绪的机器?
  • 每天都在变强
— § 2.4AI Native · Page 09
§ 2.5 · 答案
Part II · 认识 AIThe Answer
AI 是什么，并不重要。

重要的是，AI 能给你
带来怎样的改变。

— § 2.5AI Native · Page 10
Part III · Opener
III

如何更好地用 AI

起手式 · 基础四动作
Part III · 如何更好地用 AIQuick Start
AI 使用起手式

基础四动作。

  • 遇事不决问 AI
  • 递归 — 让 AI 教你用 AI
  • 多模态 — 别只喂文字
  • CLI — 不止 GUI
— 起手式AI Native · Page 11
起手式 1 · 遇事不决问 AI
起手式 · 1 / 4Ask First
起手式 · 第一动作

遇事不决，问 AI。

旧习惯新习惯
不会就 Google不会就问 AI
不懂术语就查百度不懂术语就问 AI
思路卡住就刷手机思路卡住就跟 AI 谈
决策犹豫问朋友决策犹豫先让 AI 列 pros / cons
— 起手式 1AI Native · Page 12
起手式 2 · 递归
起手式 · 2 / 4Recursion
起手式 · 第二动作

递归 — 用 AI 教你用 AI。

你卡在哪直接对 AI 说
不知怎么提问「我想做 X，你建议我怎么问你？」
Prompt 写得烂「帮我把这段 prompt 改得更清楚」
不知 AI 能做什么「针对我做的 X，列出你能帮上忙的 20 件事」
答案不满意「这个回答你自己打几分？还能怎么改进？」
— 起手式 2AI Native · Page 13
起手式 3 · 多模态
起手式 · 3 / 4Multimodal
起手式 · 第三动作

多模态 — 别只喂文字。

  • 截图 / 图片 / 照片
  • PDF / 网页 / Excel
  • 视频 / 音频
能传原料就别打字描述。
— 起手式 3AI Native · Page 14
起手式 4 · CLI
起手式 · 4 / 4CLI
起手式 · 第四动作

使用 CLI，不止聊天框。

CLI 可以直接操作文件，可以真干活。

任务聊天框CLI
总结一份 PDF网页 / 上传 / 等 / 复制 / 粘贴一行命令
批量处理 50 文件重复 50 次for 循环
接进日常脚本不可能几行代码
自动化人手动触发定时 / 批量 / 嵌入工作流
坚持只用聊天框，你已经主动选择了 K 的中段。
— 起手式 4AI Native · Page 15
§ 3.2 · 执行趋近于零
Part III · 如何更好地用 AIExecution → Zero
§ 3.2 · 执行趋近于零

做正确的事，比把事情做对更重要。

AI 之前AI 之后
执行成本高无限趋近于零
稀缺资源执行力判断力
关键动作把事情做对发现正确的事
AI 是杠杆。不仅会放大你的正确决策，也会放大你的错误决策。
最重要的事情是定义问题、发现高价值场景和高杠杆任务。
— § 3.2AI Native · Page 16
§ 3.1 · 从 A 到 C
Part III · 发现需求背后的需求From A to C
§ 3.1 · 从 A 到 C

发现需求背后的需求。

含义你的动作
A起点 — 你现在的状态梳理你的背景资料、专业知识，全部告诉 AI
B路径 — 由 AI 规划和实现（AI 负责）
C终点 — 你要实现的效果把需求背后的需求说清楚，让 AI 听懂
实践三步：先把 C 搞清楚，再把 A 交代清楚，然后让 AI 帮你实现从 A 到 C。
— § 3.1AI Native · Page 17
§ 3.3 · AI 领导力
Part III · 如何更好地用 AIAI Leadership
§ 3.3 · AI 领导力

像领导下属一样领导 AI。

领导 AI 的六个技巧

  • AI PUA — 别的 AI 可以，为什么你不行？
  • AI 互卷 — 让不同 AI 互相挑毛病
  • AI 嘴替 — 一个 AI 指挥另一个 AI 干活
  • 向 AI 卖惨 — 说任务完不成的严重后果
  • AI 角色扮演 — 设定角色，表现更好
  • 搜索最佳实践 — 做任务前先让 AI 全网搜最佳实践，不重复发明轮子
数学题不会做，是语文没学好；AI 不会用，是领导力没学好。
— § 3.3AI Native · Page 18
§ 3.4 · 智能 vs 理解力
Part III · 如何更好地用 AIIntelligence Cheap, Understanding Scarce
§ 3.4 · 智能 vs 理解力

智能在跌价，理解力在涨价。

「我从来没觉得这么落后过。」 — Andrej Karpathy，去年发明 vibe coding 的人

AI 能做的AI 替不了的
能力写代码、做设计、写文案、分析数据知道什么值得做、什么不该做
性质执行——可以外包给 AI理解——不能外包
趋势越来越便宜越来越贵
让 AI 把 Stripe 付款记录和 Google 账户匹配起来，它会用 email 做关联键。
技术上能跑，架构上是错的——AI 不知道这件事，它只知道能对上。
— § 3.4Karpathy × 红杉 AI Ascent 2026
§ 3.5 · vibe vs agentic engineering
Part III · 如何更好地用 AIFrom Vibe to Agentic
§ 3.5 · 工程师身份重构

vibe coding 抬地板，agentic engineering 抬天花板。

vibe coding（去年）agentic engineering（今年）
姿势让 AI 替你写代码设计系统让 agent 在规则内写
角色提需求的人指挥 agent + 监督质量的人
效果门槛塌了——人人能做天花板抬了——系统设计变得稀缺
风险能跑的屎山、安全漏洞、架构混乱放手过头——质量崩塌
最好的工程师不再是一行行写代码的人，
而是能指挥一堆 agent 干活、同时不让质量崩塌的人。
— § 3.5Karpathy × 红杉 AI Ascent 2026
§ 4.1 · AI 沟通方法
Part IV · 入门四动作How to Be Heard
§ 4.1 · AI 沟通方法

如何让 AI 更懂你？

有效沟通，多反馈。
  • 做得好要夸 — 说哪里好
  • 做得不好要批评 — 说哪里你不喜欢
  • 多给正面案例
  • 多给反面案例
偶尔问 AI：「有什么是你一直想对我说，但我没问你的？」
— § 4.1AI Native · Page 19
§ 4.2 · AI 沟通法
Part IV · 入门四动作Context Sets the Frame
§ 4.2 · AI 沟通法

背景知识，让实习小白化身行业老炮。

全球的资料差不多已经被 AI 学光了。可以把它理解为有 100 个博士能力的实习生。

好处
基础能力极强
缺点
懂得太多，过于发散
给他背景知识和背景资料，AI 就能在约束下更聚焦地跟你沟通。
— § 4.2AI Native · Page 20
§ 4.3 · 换问法
Part IV · 入门四动作Re-Frame the Question
§ 4.3 · 换问法

不是问 AI 让什么变快，是问 AI 让什么没必要做。

旧问法新问法
姿势在已有流程上加速整条流程重设计
结果每一步省一点点整段管线塌缩
视角AI 是工具AI 是范式
MenuGen 例子。菜品识别 app 旧管线：拍照 → OCR → 提取菜名 → 生成图片 → 重建 UI（5 步）。
新做法：照片直接喂模型，菜品图叠加上去（1 步）。整条管线塌了。
— § 4.3Karpathy × 红杉 AI Ascent 2026
§ 4.4 · 描述 vs 验证
Part IV · 入门四动作Verify, Don't Describe
§ 4.4 · 自动化的边界

传统软件自动化能描述清楚的事，AI 自动化能验证的事。

传统软件AI 系统
前提每一步规则要写明白不用告诉它怎么做，只要能判断对错
抽象层流程图 / 状态机验证机制 + reward 信号
形态SaaS 软件领域强化学习环境
下一代厉害的 AI 公司不像 SaaS，更像某个领域的强化学习环境——
找高价值工作流（税务 / 合同审查 / 医疗行政），定义结果，建验证机制，让 AI 在框架里自我改进。
你不需要教 AI 怎么做税务，只需要能判断它做得对不对。
— § 4.4Karpathy × 红杉 AI Ascent 2026
Part V · Opener
V

AI 时代护城河

§ 5.1 · AI 时代护城河
Part V · AI 时代护城河The Moat
§ 5.1 · AI 时代护城河

三件别人复制不走的事。

场景发现
知道 AI 该做什么
私有数据
别人没有的关键数据与一手资料
内化直觉
多年判断力的复利
— § 5.1AI Native · Page 21
§ 5.2 · 发现可落地场景
Part V · AI 时代护城河Where to Land
§ 5.2 · 发现可落地场景

重叠的地方，是可落地的场景。

你的需求 AI 能做 可落地的场景
— § 5.2AI Native · Page 22
§ 5.3 · 需求评估四维度
Part V · AI 时代护城河Four Dimensions
§ 5.3 · 需求评估四维度

评估每个场景的四个维度。

准确度错了代价多大。
速度能不能等。
可解释性需不需要讲清楚为什么。
成本每次跑一遍要多少钱。
先摘低垂的果实。
— § 5.3AI Native · Page 23
Part VI · Opener
VI

下一个经济体

§ 6.1 · 一个不一样的客户
Part VI · 下一个经济体The Next Economy
§ 6.1 · 一个不一样的客户

两端都是机器——这是设计哲学的根本变化。

当 buyer 不再是人，是另一个 agent——

没有品牌忠诚度，没有学习成本，没有"再试试看"。发现 0.5 美元能买更好结果，立即切换。

人的市场里"先做 UX 再做功能"；agent 的市场里，先做接口再做体验。

Virtuals Protocol链上 TVL $74.6M
ERC-81834 阶段托管 + 第三方评估
aiXBT单一 agent 月入 ≥ $10K
麦肯锡 20303–5 万亿美元市场
传统经济，需求理解是人的事。agent 经济，两端都是机器。
— § 6.1AI Native · Page 24
Part VIII · Opener
VIII

先有再好
& 等等再做

§ 8.1 · 三段递进
Part VIII · 先有再好The Cadence

先有再好，
越来越好，
一好百好。

— § 8.1AI Native · Page 25
§ 8.2 · MVP 三档
Part VIII · 先有再好MVP Cadence
§ 8.2 · 不要从 0 直接跳到 1.0

MVP 三档进化路径。

版本形态时间目标
0.1能跑 + 丑陋1 天方向对不对
0.5覆盖 80% 主用例1 周用不用
1.0真正可用1 个月上线 / 复用
— § 8.2AI Native · Page 26
§ 8.3 · 一好百好
Part VIII · 先有再好One Good · All Good
§ 8.3 · 一好百好

一个能跑起来的小闭环 > 一个完美的大想法。

把微信文章存下来从「想到了忘了」到「找得回来」
每篇都过一遍精读从「读完没了」到「沉淀成资产」
精读再喂给下一步从「单点」到「管线」
同一套管线复用到别的输入一好，百好。
— § 8.3AI Native · Page 27
§ 8.4 · 等等再说
Part VIII · 等等再做Wait It Out

现在做不好怎么办？
等等再说。

— § 8.4AI Native · Page 28
Part X · Opener
X

最佳实践和洞察

§ 10.1 · 人设的力量
Part X · 最佳实践和洞察Persona Activates
§ 10.1 · 人设让 AI 偏离平均答案

人设 = 定向激活 AI 的某个能力子区。

没人设给了人设
「分析这家公司」「以巴菲特视角分析这家公司」
维基百科风格官话护城河 / 长期现金流 / 管理层
写谁都行有立场、有偏好、有取舍
— § 10.1AI Native · Page 29
§ 10.2 · 角色扮演 vs 人物蒸馏
Part X · 最佳实践和洞察Roleplay vs Distillation
§ 10.2 · 两层人设

L1 角色扮演 → L2 人物蒸馏。

层级操作输出
L1 角色扮演「你是 X 领域专家」比通用好，仍偏官话
L2 人物蒸馏研究真实人物 → 提取思维框架 → AI 用框架做事像那个人本人在帮你
— § 10.2AI Native · Page 30
§ 10.3 · 三件法宝
Part X · 最佳实践和洞察Three Instruments
§ 10.3 · 输入 → 蒸馏 → 进化

我的三件法宝。

save-wechat / fish8

把外部内容变成你的资产。

一篇文章吃八次：保存 / 蒸馏 / 吸收 / 评估 / 复用 / 发布 / 工具化 / 升级认知。

女娲 . skill

把人物蒸馏成可运行的人设。

输入人名 → 自动调研 → 提炼思维框架 → 生成可运行 Skill。

达尔文 . skill

让所有 skill 持续进化。

棘轮机制：只能往好走，不能往坏走。

— § 10.3AI Native · Page 31
§ 10.4 · 主线与出口
Part X · 最佳实践和洞察Pipeline & Outputs
§ 10.4 · 一条主线，多个出口

主线 + 出口。

公众号
外部世界 · 起点
↓
save wechat
→
本地备份Markdown vault
↓
女娲
→
知识精华库 · 人设库distilled skills
↓
达尔文
→
持续进化的技能集ratcheted
↓
秒懂
→
自媒体（一鱼八吃）multi-channel
你不需要这套具体工具。你需要的是这条主线 + 多出口。
— § 10.4AI Native · Page 32
§ 10.5 · 秒懂.skill
Part X · 最佳实践和洞察Second Brain
§ 10.5 · 秒懂.skill

增长的进化：加法，乘法，复利。

Save Wechat

一个平平无奇的神级技能。

女娲 .skill

蒸馏人类精华。

达尔文 .skill

让技能更好用。

LLM Wiki

新型知识组织方式。

CC + NB

便利使用 Notebook LLM。

Save Wechat + 女娲 + 达尔文 + LLM Wiki + CC NB = 秒懂.skill
— § 10.5AI Native · Page 33
§ 11.1 · 单点 vs 管线 vs 闭环
Part XI · 闭环 + 复利Three Forms of Growth
§ 11.1 · 增长的三种形态

从加法，到乘法，到复利。

形态增长方式100 次后
单点工具加法100 倍单次产出
管线乘法几何级
闭环复利系统已升级 100 次
— § 11.1AI Native · Page 34
§ 11.3 · 复利从哪里来
Part XI · 闭环 + 复利Where Compound Comes From
§ 11.3 · 达尔文回路

每次都站在前 N-1 次的肩膀上。

第 N 次跑它使用的是
第 1 次初版
第 10 次已被达尔文优化 9 次
第 100 次已演化 99 次的整套系统
你不是「用 AI 跑了 100 次任务」。
你是「让你的 AI 系统升级了 100 次」。
— § 11.3AI Native · Page 35
Token 经济学
Coda · Token 经济学Cost & ROI
Token 经济学

两个视角看 token。

会计视角

觉得 token 贵怎么办？
成本越少越好。

  • 上下文压缩
  • 对话接力
  • 用别人的 token

投资视角

如果回报是 1 : 100，
就要尽可能投入。

到高价值场景和高杠杆任务做沉淀和复利。

— Token 经济学AI Native · Page 36
神迹在本地
CodaLocal First

神迹在本地。

— 神迹在本地AI Native · Page 37
人的价值 · 减法
Coda · 人的价值By Subtraction

人 − AI  = ?

去掉 AI，人还剩下什么？

— 人的价值AI Native · Page 38
人的价值 · 三件事
Coda · 人的价值Three Things
人的价值

定义价值函数 · 审美 · 为结果负责。

定义价值函数

什么算有价值，由人说了算。

审美

看到了，就知道好。

为结果负责

AI 不签字。

— 人的价值AI Native · Page 39
灵魂一问
CodaThe Question

如果你今天不开始， 你打算什么时候开始？

— CodaAI Native · Page 40
演化日志
演化日志 · 它真的在长Evolution Log
演化日志

这个园子的生长记录。

时间变化触发
2026-05-06 新增 § 1.5 行为隔离。Terry 原创概念——用与不用 AI 的人之间，认知系统产生不可逆鸿沟；每天的迭代就是分化加速器。 Terry 读到“行为隔离”洞察，认为补上了 K 型分化的日常机制说明
2026-05-03 Sprint 0 上线：三 tab（昨天 / 今天 / 明天）+ 演化日志本页。从一份静态 PPT 变成一个会记录自己生长的园子。 Terry 的 C10 2.0 结论——「园子不是雕塑」
这一页会自己变长。每次课件改了点什么，这里就多一行。
— 演化日志AI Native · 它的第 1 天
最后的收尾
CodaBecome the Native Decider

竞争的关键，
不再是谁更会执行，
而是谁更早成为
AI Native 的决策者。

— CodaAI Native · End
1 / 1 ← → · O 通览 · F 全屏
v1.2 · 自 2026-04-20 上线已演化 2 次（你正在看的就是第 2 次）