遇到不会的问题，我现在很少先研究怎么做。
第一反应通常是打开 AI Agent：“你帮我处理一下。”
它确实能写代码、改文件、配置工具，甚至直接把最终结果交到我手上。效率很诱人，但用得越多，我反而越没底。
因为 AI 帮我完成一件事，并不代表我已经拥有完成这件事的能力。
系统跑通了，我却不会使用它
前段时间，我想把 AI Agent 和 Obsidian 连接起来，做一套“第二大脑”。
理想流程很漂亮：文章、观点和素材由 Agent 收集、整理并写入知识库；开始写作时，再从素材中调用信息。
真正动手时，我卡在第一步：Agent 到底怎样连接 Obsidian？
配置流程陌生，还涉及代码。于是我选择最方便的方式，让 Agent 替我完成全过程。
最后，它确实连上了。
但代码放在哪里、Agent 怎样读写文件、目录为什么这样设计，我几乎一无所知。之后保存素材时，我也不打开 Obsidian，只继续说：“把这份内容存进知识库。”
从结果看，系统一直可用。可我没有形成自己的收集、整理、搜索和输出习惯。离开 Agent，我甚至不知道怎样独立存入一份素材，再把它找出来。
这套系统在技术上连接成功，却没有真正进入我的日常工作。
它只解决了“能不能运行”，没有解决另外几个问题：我是否理解工具，我是否知道它能为我做什么，我是否掌握最基本的使用方式，以及我是否愿意长期使用它。
自己走一遍，体验完全不同
另一次安装工具时，代码依然由 AI 提供，步骤也是 AI 告诉我的，但每一步都由我自己执行。
我打开终端，复制命令，查看结果；遇到报错，再把具体信息发给 AI；得到新的排查方法后，继续尝试。
过程并不顺利，却让我获得了两样东西：成就感和理解。
我开始知道命令在哪里运行，运行后应该看什么，失败时大概从哪里检查。我依然不会独立写完整程序，但已经知道怎样与代码协作。
后来搭建飞书多维表也是一样。亲手创建表格、连接数据、设置字段和制作仪表盘之后，我才理解它的基本运行方式。
AI 可以解决具体问题，但过程仍掌握在我手里。这和“一键帮我搭好”是两种完全不同的能力积累。
AI 降低门槛，也可能跳过学习
现在学习新东西，不一定要先买课、找老师、翻大量教程。AI 可以随时解释、演示，还能陪着你操作。
这当然是好事。
但人的时间有限，我们不可能把所有事情都从头学一遍，也没必要把每项工具都研究到专业程度。
我不打算成为程序员。做网页时，我不需要亲自写完 HTML、CSS 和 JavaScript，更不需要检查每一行代码。
但我至少应该知道：HTML 负责结构，CSS 负责样式，JavaScript 负责交互；代码在哪里运行，项目怎样创建，域名怎样绑定，最终效果去哪里检查。
我不一定能验收每一行代码，但必须能验收它做出来的结果。
完全不懂和成为专家之间，还有一块很大的中间地带。我想站在那里。
哪些事情值得自己先走一遍
时间有限，所以不是每件事都要手工完成。我现在用四个问题判断：
它会不会高频使用
如果一个工具以后每天都会用，长期完全依赖 AI 往往不会真正省时间。你迟早要修改、纠错和扩展它。
出错代价高不高
如果错误会影响数据、工作成果或带来真实损失，就需要理解关键步骤、备份方式和风险点。
系统是否需要长期维护
只要以后还要调整、升级或迁移，就不能永远把结构当成黑盒。
它是否影响核心能力
如果任务关系到内容创作、信息整理或判断能力，我更愿意亲手走一遍。执行可以外包，核心判断不能一起外包。
“学会”的最低标准
我对“学会”的要求不高，只有三条：
- 能把需求拆清楚，再交给 AI。
- 能用自己的话，大致解释它怎样运转。
- 不依赖 AI，也能独立完成一个最小任务。
例如做网页，我不必会写完整代码，但应该知道页面由哪些部分组成、在哪里运行、怎样发布，以及如何判断结果是否符合需求。
使用 Obsidian，我不必手动整理每个文件，但应该知道素材怎样进入、存储、查找和调用。
搭建飞书多维表，我不必研究所有高级功能，但应该会创建一张表、连接数据、制作基本仪表盘，并知道 AI 搭好的表究竟怎么用。
达到这个程度后，重复劳动当然可以交给 AI。整理文件、优化排版、批量处理和流程化执行，本来就是它擅长的事。
AI 越强，判断越贵
使用 AI Agent 有点像带一群执行力很强的下属。
一个合格的负责人至少要能做三件事：说清目标和标准，在过程中检查方向，对最终结果作出基本判断。
如果这三件事都做不到，所谓“负责人”只是一个会发命令的人。
当执行越来越便宜，真正稀缺的就变成拆解、判断和验收。
我现在更愿意让 AI 先告诉我步骤，再由自己执行。遇到不懂的地方就停下来问，完成一个完整的小任务后，再把重复劳动交回去。
第一次，自己走一遍。
第二次，再让 AI 帮我跑得更快。
