判断力优于产出模型
解决什么问题
AI 时代个人该把学习时间投在哪：还要学编码吗？什么技能会升值、什么会贬值？
核心内容
核心判断：AI 时代的回报不再给"更快的原始产出"，而是给"更好的判断力"。 编码不是要解决的问题——清晰度才是（AI 的产出速度早已超过人类）。
"good enough 塌缩"模型：过去做出"够用"的东西本身就有价值（10-15 年前能做出一个能跑的 SaaS 就赢了）；现在人人都能用 AI 产出 good enough，good enough 与 world-class 之间的差距成了唯一有意义的战场。所以要学的是如何产出 world-class 和"魔法"。
具体的技能配置建议：
- 不建议现在开始学编码（"你在优化错误的技能栈"）；编码会像书法——罕见到成为一门艺术
- 该练的：设计、文案、字体（"字体决定你产出观感的 60%，却没人谈"）、用户体验、情绪理解
- 练法是 exposure time：刻意把更多时间花在"看世界级作品"而非埋头产出——关注顶级设计师、看他们 40-50 分钟的实操视频、学设计流派术语（他为此建了一个收录 18 种 UI 风格和对应 prompt 的公开 app）；同时必须动手建东西，品味靠比较和实践长出来
- 时间分配上，他 80% 在计划/对话、20% 在执行；并且不投资工作流技巧本身（那些手工 workaround 几个月内就会被工具原生吸收——他一年前的爆款课程"99% 已过时"），100% 投资判断力/清晰度/品味
角色预测：PM 是 AI 当下的赢家（自带清晰度技能）；下一波是设计师——因为业界正在把工具训练得更"技术正确"，还没训练它做"情绪正确"的决策，而设计本质是情绪。确定性任务（X 输入必得 Y 输出，如翻译）会被吃掉；人对人、幽默、原创写作这类人性层任务存留。
放大器定律：AI 不管你什么背景都是放大器——"不知道自己在干什么的人，只会更快地产出垃圾。"
适用边界
- Lazar 的自我声明："今天说的 95% 三个月后可能都是错的"——技能半衰期极短，方向性判断比具体结论可靠
- "别学编码"针对从零开始的非技术人；已有工程功底者另当别论（他同时强调精英工程师会更稀缺：维护、扩展、基础设施是另一套技能）
- 喜剧/情绪类"AI 永远做不到"的断言是他个人信念，节目里 Lenny 当场给出反例（有实验室雇喜剧作家训练模型）
关键引述 · 原话
"We won't be rewarded in the world of AI for faster raw output; we will be rewarded for better judgment." — Lazar Jovanovic
"AI, regardless of your background, is an amplifier. If you don't know what you're doing, you're just going to produce garbage faster." — Lazar Jovanovic
关联卡片
- exposure time 概念来自 Guillermo Rauch（经 Lenny 转述） - 与 Boris Cherny 的"通才/跨界者最受奖励"判断相互印证
被这些卡引用
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2