企业官网建设流程全解析

【虎鲸进化论 36】勤奋、刷题、八股：旧世界的三块奖牌正在贬值

本文是「虎鲸进化论」系列第 37 篇（正文第 36 篇）。上一篇：产能几百倍，工资为何不动；下一篇预告：脚手架论 —— 从 FDE 说起，人的历史位置与"拆架时刻"。

前言

上一篇的结尾问：连"勤奋"都在贬值，我们拿什么自证？

这篇拆三块奖牌 ——勤奋、刷题、八股。它们各自代表旧世界的一种硬通货，而现在，三块正在同一场考试里一起作废。

先说立场（按本卷惯例，结论分层标注）：本文讨论的是机制—— 谁在贬值、为什么贬值、信号迁移到哪里。不针对任何具体的做题者、加班者"——对机制狠，对个人柔"，尤其这一篇，请所有读者以这个姿势阅读。

一、三块奖牌：旧世界的信号装置

先把概念摆平：这三样东西，本质上都是信号。

在一个能力难以直接测量的世界里，社会发明了一堆"替代指标"：你肯花时间（勤奋）、你能解难题（刷题）、你懂标准答案（八股）—— 用人成本高、验证周期长的时代，这些信号便宜、可见、可比较，于是成了筛选的硬通货。

（推理）信号值不值钱，不取决于它"是否合理"，取决于两条：获取成本与验证成本。AI 把这两条全掀翻了。

（把信号理论再推一步：一个信号要有用，“做假"的成本必须高于"真做” —— 加班可以摸鱼，但凌晨的提交记录曾经很难伪造。AI 把这个成本结构整个重写了："看起来很努力"的伪造成本趋近于零；"真的很能产出"的伪造成本，也趋近于零—— 两头同时塌，这就是旧信号集体失效的底层原因。）

二、勤奋贬值：当"投入时长"不再是证据

（观察）旧世界最硬的道理：努力总有回报，时间就是诚意。加班的灯光、深夜的提交记录 —— 都是"态度"的物理证明。（如今这两样荣耀各有归宿：一个归了它的定时任务，一个归了物业的电表。）

（推理）而这套证明机制有一个隐含前提：投入时长与产出强相关。当这个前提被打破 —— 一台不知疲倦、多路并发、一天产出数万行代码的机器在旁边运转时 —— 勤奋的证明力发生了一个残酷的转移：

• 产出维度：人类熬夜三天的产出，它用一夜完成 ——时长的证据力荡然无存；
• 成本维度：曾经"加班"是人向组织传递的昂贵信号（我付出了非人的代价）—— 现在组织会算：同样的产出，"它"的成本是电费+token费；
• 更扎心的一层：过去"勤奋"还能证明"潜力"（肯投入的人学习快）—— 而现在，"肯投入"证明不了什么，因为 AI 把"学习"本身的归零了。

（立场）我判断："加班=态度好=优先培养"这条人才逻辑，会在未来几年变成组织里最昂贵的一种过时。不是勤奋错了 —— 是把勤奋当主要信号的时代过去了。

三、刷题与八股：考的是它的强项，你的弱项

（观察）招聘市场的现实：绝大多数工程师面试的核心环节，仍然是数据结构与算法手撕题、标准化八股文。

（推理）这两样东西在 AI 时代暴露了同一个结构性问题：它们恰好是 AI 的主场。

• 做题：数据结构和算法是闭域、有标准解、有海量训练数据的经典战场 —— AI 是比人类更强的做题家，这不是新闻，是共识；
• 八股：标准答案型的知识问答 —— 这正是大模型的舒适区，"背"这件事已经彻底输了。

也就是说，用一种很笨的姿势描述这个荒诞：企业在用"AI 的强项"来筛选"人"—— 结果是筛出了一批"做题比 AI 差、但比其他人强"的人，然后让他们和 AI 搭档干活。

（立场）我甚至要说一句可能冒犯的话：在 2026 年之后还在用纯刷题筛人的面试，筛的已经不是能力，是筛子本身的惯性。但请注意 —— 这不是在嘲讽"做题的人"。做题本身没错，错的是用做题当主要信号的机制；被这套惯性困住的做题者，和后面要讲的"被蒸馏的人"是同一批人 ——他们也是最需要新信号的人。

（再说一遍，这篇的靶子是机制，不是人：做题的、加班的、背书的 —— 都是这套机制里最认真的人。他们只是认真错了地方，而"地方"是机制画的。）

四、研究技术的意义重估：学习还有用，但要换个方向

（推理）上一篇读者最可能的反驳在这里：那"研究技术"还有意义吗？

有 —— 但方向要变。AI 让三类知识贬值、另外三类知识升值：

贬值的三类：

• 事实性知识（记住 API 用法、语法细节）—— 检索已经赢了存储；
• 操作性知识（写得快、写得熟）—— 生成已经赢了熟练；
• 标准解知识（常见题的常见答案）—— 模型已经赢了人。

（插一句自嘲：这三类知识，恰是笔者当年熬秃头攒下的全部家当 —— 如今它们在简历上的位置，约等于"熟练使用 Word"。）

升值的三类：

• 判断性知识：在多个都"能跑"的方案里选出对的 —— 权衡取舍、识别好坏的品味、预判后果的直觉。这是 AI 给不出、只有长期实践能长出来的东西；
• 现场性知识：一个特定系统/组织/行业的真实约束 —— 内网是怎么运转的、口径为什么定成这样、哪些坑只有踩过才知道。这些东西不存在于训练数据里，因为它们是私有的、现场的、写不进公开语料的；
• 无先例问题：没有标准答案、没有训练信号的问题 —— 从零定义问题、开辟新战场的能力。

一句话概括：学习"已有答案的东西"在贬值，学习"提出问题、判断答案"在升值。前者 AI 学得比你快，后者 AI 学不了 —— 不是因为学不会，是因为没有东西可学（先例还不存在）。

（补一句升值类的"练法"：判断性知识长在"下注-复盘-再下注"的循环里 —— 数量上不去没手感，复盘不做不长进；它无法被教程传授，只能被经历喂养。这也意味着：只要你还在这类循环里，你的学习就没有白费。）

五、新信号会立在哪里？（诚实版：还没立稳）

（推理）信号理论告诉我们：旧信号崩了之后，社会一定会长出新的信号装置 —— 但过渡期是两个都不可靠的区间：旧尺子作废了、新尺子还没刻好。

新尺子的候选（市面上已经能看到雏形）：

• 真实场景交付：不给题库、给真实场景，看你怎么在信息不全的情况下把事情做成；
• 判断力记录：你过去做过的取舍、判断、复盘 —— 用真实的决策历史代替抽象的分数；
• 资产：你留下的作品/工具/系统（第 43 篇"把自己做成产品"）—— 信号从"我考得怎样"变成"我留下了什么"。

（立场）我判断这套新信号 3–5 年内不会定型 —— 而过渡期最难受的，恰恰是拿着旧世界满分成绩单的人：做题满分的人，很容易变成"最慢转身的人"，因为旧记分牌上他们赢得最多。

（观察）而已经转身的人，早就用自己的经历证明了一件事：在新尺子上，"高分"从头攒，也来得及 —— 但攒的对象，不再是分数，是别人替代不了的那个你。

结语（回味点）

三块奖牌讲完了。把它们放在一起看，会发现它们同时作废的原因是一件事：

它们都是"在有限题库内比高低"的游戏。而 AI 时代的核心竞争，恰恰发生在题库之外。

尺子作废了 —— 但别急着找新尺子。在这之前，还有一个更基本的问题要先回答：

你在这套系统里的"位置"，到底是什么？是支撑它的某根杆子，还是别的什么？

关于"位置"，有个新流行起来的岗位名字，像一则精确的隐喻 ——它叫 FDE。

边界声明

• 本文为个人观察与判断，不代表任何任职单位的立场；
• 文中涉及的组织、系统与人名均为化名或模糊处理，数字为个人口径的测量或估算；
• 文中观点按 实测 / 推理 / 立场 分层标注，欢迎按同一标准检验。

下一篇计划聊：脚手架论—— 从 FDE 说起：人的历史位置、拆除倒计时清单，以及拆完之后的三条去处。

转载请注明出处：
https://lizhiyong.blog.csdn.net/article/details/168453284