识别出随着代码生成变得司空见惯而愈发增值的技能，并武装好自己去有意识地培养它们。
在 Kodokon 中打开本课当一种能力变得司空见惯，它的市场价值就会下降，并转移到围绕它的东西上。文字翻译经历过这一幕，摄影也是。对开发而言，被商品化的那种能力很清楚：根据一份精确的规格说明产出正确的代码。而机械地增值的，是 AI 未能覆盖的这条链条的两端。上游：规格制定——把一个含糊、矛盾、掺杂立场的需求，变成一个被良好界定的问题；这是每一个助手使用者都会以惨痛方式重新领悟的技能，一条提示词无非就是一份规格说明，其中每一处不精确你都要付出代价。下游：验证——评审、测试、安全审计，以及说出“这段看似合理的代码是错的”的能力；它之所以变得至关重要，恰恰是因为看似合理的代码的体量正在爆炸式增长。而凌驾于两者之上的是：架构，那些其影响以年为单位来衡量的结构性决策——而模型，既不记得你的组织，也不为自己的建议负责，是承担不了这些的。
对一位资深者而言，危险不在于被取代，而在于未被察觉的萎缩。深层技能是无痛地衰退的：没有任何信号提示你，你那种无需辅助就能调试、或者从零设计一个 API 的能力已经退化，直到有一天它被需要。答案是对你实际所锻炼的东西——相对于你以为自己所锻炼的东西——进行一次刻意的、定期的审计。这是对 AI 一种妙趣横生的反向用法：用模型来度量模型让你失去了什么。
你是我的技术职业教练，直率而不奉承。下面是我这一周在 AI 辅助下工作的诚实记录：
- 由我亲手完成的任务（AI 作为审阅者）：[列表]
- 完全外包给 AI 的任务：[列表]
- 接受了却无法详细解释的代码：[列表，哪怕让人难堪也照写]
- 本周做出的技术决策：[列表]
分三部分分析：
1. 本周实际锻炼到的技能（正在上升的那些）对比被外包出去的技能（有萎缩风险的那些）。
2. 我的理解债务：第三份列表中的每一项，附上其具体的相关风险。
3. 为下周安排 1 个 30 分钟的练习，瞄准我最脆弱的技能，且要在完全没有任何辅助的情况下完成。
格式：最多 10 行的评估。比起含糊的鼓励，我更想要公正的批评。保持批判力同样是一项需要打磨的技能。正确的姿态叫做校准过的信任：既不是那种会抵消掉生产力收益的系统性怀疑，也不是那种会滋生自满的盲目信任。所谓校准，就是根据两个变量来调整验证的强度：错误的代价（一段一次性脚本里的正则和一份授权策略不该受到同等的审视）以及模型在该类任务上观察到的出错率——而这只有靠一开始真的去验证它在你领域里产出的一切，你才能知道。把这个数字记上几周：你就会知道模型在哪里出色、在哪里会产生幻觉，你的警惕也就会恰好落在最能见效的地方。
从现在起并在这整段对话中，扮演导师而非执行者的角色。永久规则：
1. 当我向你要代码时，先要求我提出我的思路；之后再给出你的，并明确地把它和我的作对比。
2. 当你纠正我时，说出这次纠正背后的一般性原则，而不只是这一次性的修复。
3. 每次回复中提一个问题来检验我是否听懂了，并等我回答后再继续。
4. 如果我只是让你“替我做了它”，就提醒我这条指令，并给我引导式的版本。
请用一句话复述这些规则，以确认你已经明白。归根结底，可雇佣性可以归结为未来若干年里每一位招聘者都会问的一个问题：你能带来什么是模型带不来的？站得住脚的答案，就藏在这条路径上反复出现的三个词里：界定、验证、决策——再加上一个方法：把 AI 当作一位要求严格的导师、而非一台方案分发机，坚持深入地学习。一个理解自己所部署之物的开发者，依然稀缺，因而也依然昂贵。这曾是第一课的论点，也是整条路径的结论。