AI 杀死了我容忍弱智的能力

在硅谷待久了，你会发现一个很奇怪的现象。

这里到处都是聪明人。名校毕业，大厂经历，创业融资，算法、系统、产品、增长，每个人都能讲得头头是道。但只要大家坐到一起，活动也好，饭局也好，办公室闲聊也好，很多对话最后都会滑向同一个方向：

谁到底是弱智？

老板是弱智，员工是弱智，同事是弱智，产品经理是弱智，扎克伯格简直是个大弱智。大家明明都是世界上最聪明的一批人，日常生活却像围绕着一个很低级的主线任务展开：不断判断谁比自己更不可理喻。

我刚工作的时候特别不理解这种氛围。那时候人有冲劲，总觉得聪明人聚在一起，应该聊更有意思的技术，更直接的商业问题，或者至少聊一点怎么把事情做成。为什么一顿饭过去，大家最兴奋的时刻，往往是开始复盘某个老板、某个同事、某个团队到底有多离谱？

后来工作久了，我开始能理解一点。

这不完全是因为大家刻薄。很多时候，它来自一种系统性的无力感。你想做很多事情，发现你改变不了流程，改变不了组织，改变不了别人，也改变不了激励。你的创造欲没有地方释放，只能变成怨气。人在一个系统里待久了，如果每天都只是等任务、开会、对齐、解释、返工，就会自然开始寻找一个最省力的解释：

问题不是系统有问题，是某个人太弱智。

我以前在人到中年爱玄学里写过类似的感受。很多聪明人的注意力没有被真实问题消耗掉，就会跑去做复杂归因。股票为什么涨，政治为什么这样，老板为什么那么蠢，同事为什么听不懂。它们看起来是不同话题，底层都是一件事：智力没有变成创造，只能变成解释和抱怨。

以前我不喜欢这种氛围，但也只是“不喜欢”。我会觉得职场大概就是这样，人生也有很多无奈。大家聚在一起吐槽一下，至少能缓解一下系统给人的压迫。

但从 2024 年中到 2025 年以后，AI 把这件事彻底改掉了。

它不是让我突然更喜欢骂人。恰恰相反，它让我越来越清楚地看到：很多以前被我们当成“合作成本”的东西，其实只是旧生产方式的惯性。AI 没有让我觉得人天生更笨，它杀死的是我对低能动性、低复利、低 ownership 协作方式的耐心。

我现在越来越难假装一件事还合理：明明 AI 已经可以把事情往前推，为什么我们还要把大量生命花在解释、对齐和等待上？

AI 改变的不是代码，是耐心的基准

对我这种写了很多年代码、后来又做技术管理和创业的人来说，第一次真正感觉到断裂，是 Claude Sonnet 这条线起来之后。

Claude 3.5 Sonnet 在 2024 年 6 月发布时，Anthropic 已经很明确地把它放在复杂指令、多步工作流和代码任务上。到了 2025 年 2 月，Claude 3.7 Sonnet 和 Claude Code 出来以后，这个变化就更直接了。再加上后来 OpenAI Codex 这类云端软件工程 agent，coding 这件事不再只是 autocomplete，不再是 IDE 里一个帮你补几行代码的工具。

它开始像一个可以被委派任务的生产单元。

它能读 repo，改文件，跑测试，修 bug，解释代码库，甚至并行处理多个任务。当然，它会错，也会写出看起来对、实际上差一点的东西。但它已经足够改变人的心理账本。

过去我给一个人布置工作，会默认自己要付出很多解释成本。我要把背景讲清楚，把边界写明白，把验收标准拆出来，还要准备好对方理解偏了之后再解释一遍。这些成本以前看起来像管理的日常。

现在不一样了。

如果我已经有时间把一件事讲到那么清楚，我为什么不直接把这些 context 给 AI？如果问题被定义得足够好，AI 往往可以直接生成一个可运行的版本，或者至少把第一版推到一个人类可以 review 的位置。

这就是我现在对很多协作感到不耐烦的根源。

不是我变得不愿意沟通，而是沟通的参照物变了。以前你和一个人解释半天，他做不好，你会觉得这就是职场。现在你和 AI 解释同样的内容，它至少会认真读、认真试、认真改，而且很快把结果拿回来。人的低能动性不再只是“有点烦”，而是在机会成本上变得非常昂贵。

我在 AI 提效已索然无味，下半场是什么？ 里写过一个判断：代码正在变便宜，真正贵的是人和人之间的对齐。今天这个判断变得更刺眼了。一个组织里最贵的部分，如果已经不是写代码，而是反复解释、开会、甩锅、确认口径，那 AI 的出现就会让这些旧动作显得很荒谬。

AI 不是简单提高了执行效率。它把“我愿意花多少时间等一个人理解我”的基准，往上抬了一大截。

所谓斩杀线，其实是解释成本的边界

很多人听到“AI 斩杀线”会以为这是在说某些人没有价值了。我更愿意把它说得准确一点：它杀掉的是一种旧工作模式。

这种模式很常见。一个人等着被安排。你必须把任务拆得很细，写成 ticket，排进 Jira，把每个输入输出都写清楚。然后他按照步骤做，做完也不主动验证，不主动追问目标，不主动补上下文。只要哪里没写明白，就默认不是他的责任。

在 AI 之前，这种人依然能在很多组织里活得很好。因为执行本身有成本，公司需要很多人把一个庞大的流程跑起来。只要系统足够大，很多低能动性的岗位也能被流程保护住。

但 AI 之后，这个保护层变薄了。

如果一个任务已经被拆到可以逐条执行，AI 就会越来越能做。如果一个需求已经被描述到没有歧义，AI 就会越来越能做。如果一个人只是在等待别人把 context 整理好，然后把明确指令翻译成代码、文档、邮件或流程，那么他和 AI 的比较就会变得非常残酷。

所以我现在招人或者找人合作时，最看重的不是“你会不会写某个框架”，而是你能不能自己把混乱的上下文组织起来。你能不能主动问正确的问题，自己读材料，自己找客户真实想要什么，自己判断哪里需要验证，自己把结果闭环。

这也是我之前在 Beyond the IDE 里写的那件事：工程师的价值正在从写代码转向理解问题。代码不是不重要，而是它越来越像被调度的资源。真正稀缺的是知道要把 AI 指向哪里。

我经常用医生做类比。病人去看病，不会一进门就把诊断、处方、剂量都写好交给医生。病人只会说自己哪里不舒服。医生的价值就在于把模糊症状、身体情况、检查结果和经验放在一起，判断真正的问题是什么。

今天好的工程师、PM、运营、销售，其实都要变成这种顾问式的人。不是等别人告诉你“做 A、B、C”，而是你看到一团乱麻以后，能自己诊断出问题，给出路径，并承担结果。

这条线听起来残酷，但它不是智商线。它是 ownership 线。

AI 时代最不值钱的，不是起点低，而是不愿意自己往前走。一个人可以不会某个工具，可以暂时不懂某个业务，可以一开始做得慢。但如果他愿意主动学习，愿意把上下文吃进去，愿意把结果当成自己的事，AI 反而会让他成长得更快。

这点很重要。很多人把 AI 时代理解成“新人更没机会”，我不完全同意。新人如果只会等题目，当然危险。但新人如果愿意借 AI 补上下文、快速试错、不断问更好的问题，他反而可能比旧时代更快接近有效产出。Generative AI at Work 那类客服场景研究里，AI 对低经验员工的帮助更明显，一个原因就是它把高绩效员工的一部分做法压缩成了即时建议。这个结论不能直接套到所有工程和创业场景，但它提醒我们：AI 不只是替代弱者，也会把愿意学的人往上托。

所以我不想把“弱智”说成本质判断。真正让我没有耐心的，不是一个人现在不会，而是他拒绝借助工具变会。他不读材料，不问 AI，不验证输出，也不把反馈变成下一次的能力。这样的人，在没有 AI 的时代也让人累；在 AI 时代，只是更快暴露出来。

真正危险的是另一种状态：永远等题目，永远等解释，永远把自己放在“你没讲清楚所以我没做好”的位置。这个位置过去是很多组织的默认岗位，现在正在被 AI 挤压。

我在公司里看到的变化，比理论更直接

这件事对我不是一个抽象趋势。过去一年多，我在自己的公司实践里反复被这个变化击中。

Pure Global 做的是医疗器械全球合规和出口相关的业务。以前我们也像很多公司一样，有工程团队，有产品和项目管理，有各种流程，有看起来很完整的系统。大家开会、排期、对齐、转述客户需求。每个人都很忙，但忙到最后，客户真正关心的东西反而被层层过滤掉。

后来我们做了很激进的 AI 改造。工程、产品、项目管理这些中间层被大幅压缩，很多旧服务被重写，更多人直接面对客户。这个过程最反直觉的地方是：当工程师真的靠近客户以后，需求反而变简单了。

以前系统复杂，很大一部分不是因为客户需要复杂，而是因为团队离客户太远。客户要的是合规文件能不能快点出来，报价能不能更快，流程能不能少一点来回，结果能不能可靠交付。他们不在乎你用了什么架构，不在乎你是不是有一个漂亮的中台，也不在乎你内部开了多少次会。

我在 The Second Half of the AI Revolution 里讲过，AI-native 公司不是给旧流程加一个 AI 插件，而是组织结构、工作流和激励方式都要重写。这个判断来自很具体的痛感：如果一个团队仍然靠人传人、会传会、文档传文档来维持协作，AI 的价值会被旧组织吃掉。

所以我们后来形成了一个很简单的原则：先问 AI，再问人。

这句话不是为了禁止人和人交流，而是为了让知识有复利。你遇到一个业务问题，先问内部 AI bot。如果 AI 不知道，再找人确认。确认完以后，要把新知识喂回系统。下一次再有人问，系统就应该知道。

这条规则真正改变的不是提问顺序，而是谁来承担整理上下文的责任。旧流程里，一个人不懂，就去问另一个人；另一个人解释完，事情可能结束了，但组织没有变聪明。新流程里，人类专家依然重要，可专家的回答不能只停留在一次对话里。它要进入知识库，进入 SOP，进入下次 AI 回答的依据。这样专家不是被 AI 替代，而是把自己的经验放大。

这里面有一个很细的变化：会议开始变少，不是因为大家变冷漠，而是因为很多会议本来只是在弥补知识没有沉淀。以前开会，是为了让五个人共享同一段背景；现在如果背景已经在系统里，五个人就不需要同时坐在那里听一个人重新讲。人类应该出现在 AI 不确定、客户需求有歧义、风险边界需要判断的地方，而不是出现在每一次普通信息传递里。

这和传统 onboarding 完全不同。传统公司里，一个老人知道很多东西，新人来了要找他问。问完过几个月新人走了，知识又散掉。再来一个新人，再问一遍。组织好像很忙，但没有沉淀。

AI knowledge base 的意义在于，它把过去散在人脑、会议和 Slack 里的东西，变成一个持续变厚的系统。它不完美，也需要维护，但它至少让沟通开始有复利。

这件事做久了以后，你会对很多旧岗位产生很奇怪的感觉。

不是说所有项目经理、产品经理、工程师都没有价值。真正懂客户、能组织资源、能承担结果的人依然非常有价值。但如果一个人的主要工作只是转述、催进度、开会、把一个人的话搬到另一个人那里，他的价值就会被 AI 快速压缩。

中间层不是天然有罪。问题是，当信息传递和初步判断都能被 AI 做掉以后，只剩“传话”的中间层就会变得很脆弱。

我在这个过程中最大的变化，是不再相信“多招几个人，慢慢培养，组织就会自然变好”。培养当然重要，但培养不是魔法。一个人如果没有 ownership，没有客户感，没有把结果当成自己的事，时间不会自动把他变成 builder。相反，他可能只会更熟悉旧流程，更会保护自己的位置。

而 AI 不一样。你把反馈写进去，把测试跑起来，把知识库维护好，它至少会沿着你设计的反馈回路迭代。它可能笨，可能错，但它不会因为你指出问题而防御，也不会因为组织政治而故意不学。

AI 笨，但它不拧巴

很多人低估了情绪成本对工作的影响。

和人协作最累的地方，经常不是对方不会，而是对方拧巴。每个人都有 ego，有上下级关系，有绩效压力，有面子，有被评价的恐惧。你指出一个 bug，有人会听成否定他这个人。你要求重做，有人会觉得你不尊重他的劳动。你说一个方案不行，讨论很快就从“方案哪里不行”变成“谁应该为这件事负责”。

这不一定是谁坏。人就是这样。

我自己以前也不是一个多有耐心的人。后来带孩子以后，我在从全职工程师到全职奶爸：如何彻底改变我的思维模式里反思过，成人世界的沟通也需要重复和耐心。你不能只靠逻辑和挑刺推动别人，情绪也是沟通的一部分。

这个反思到今天依然成立。我并不认为人和人之间的耐心不重要，也不觉得所有情绪都应该被效率消灭。

但 AI 出现以后，有些情绪消耗会显得特别贵。

AI 的问题通常是能力边界。它不会因为你让它重做而生气，不会因为你说它错了而防御。你可以直接说“这里不对，重新想”。它会读上下文，改一版，再拿回来。它可能继续错，但这个错误至少是可以进入反馈回路的。

和低能动性的人协作，问题常常不是一次错误，而是错误无法沉淀。你解释一遍，对方点头。下次类似问题又来。你再解释一遍。解释完，他可能换组、离职、忘记，或者因为这件事本来就不是他的 ownership，根本没有动力把它变成自己的能力。

这就是我说“跟 AI 说话有复利，跟很多人说话没有复利”的意思。

当然，这句话不能绝对化。真正优秀的人也有复利，而且复利很强。一个能学习、能总结、能把反馈变成系统的人，比 AI 珍贵得多。问题在于，这样的人在旧组织里并不总是被奖励；而那些只消耗沟通、不沉淀能力的人，过去也能被组织容纳。

AI 把两类人的差距放大了。

我现在最难忍受的，不是一个人慢，也不是一个人一开始不会，而是他让所有沟通都停留在一次性消耗里。

反过来，我仍然非常愿意和一些人一起工作。甚至可以说，AI 让我更珍惜这些人。

他们不一定是最会写代码的人，也不一定是履历最漂亮的人，但他们有几个很明显的特征：能自己读上下文，能把模糊问题变成可验证的假设，能主动面对客户或用户，能把做错的地方写进下一次流程里。你和这样的人说一次话，下一次他会带着更好的问题回来，而不是带着同一个问题回来。

这种人和 AI 的关系也完全不同。他不是把 AI 当搜索框，不是把 AI 当代写工具，而是把 AI 当成一个生产单元来管理。他会给 AI 足够背景，会要求 AI 输出证据，会让 AI 跑测试，会自己 review 关键判断。他的价值不在于亲手做每一个动作，而在于让整个系统更接近结果。

如果一个人能做到这些，我一点都不觉得 AI 会让他变得不重要。相反，AI 会让他从一个普通执行者变成小团队的核心。他可以用更少的人、更短的链路、更低的沟通成本，把一个过去需要很多部门才推得动的事情先跑起来。

这也是为什么我越来越不喜欢开会。别人说要开一个小时对齐，我的第一反应往往是：能不能把反馈写下来？只要写下来，AI 可以读，可以改，可以测试，可以回邮件，我只需要在关键点上审核。

过去开会像是尊重协作。现在很多会更像是在拒绝沉淀。

但 AI 不是完美的神

写到这里，很容易滑向另一种幼稚观点：既然 AI 这么好，那人都不重要了。这个结论是错的。

AI 在真实工作里有很多问题。它会编，会漏，会把一个看似合理的方案写得差一点。这个“差一点”有时比完全不会更危险。因为它足够像正确答案，会让你降低警惕。

Stack Overflow 2025 开发者调查里就有一个很真实的现象：很多开发者已经在用 AI，也觉得它能节省一些任务时间，但最大的挫败感之一就是 AI 方案经常“almost right, but not quite”。差一点，但不完全对。

更有意思的是，METR 在 2025 年做的一项开源开发者实验发现，16 名资深开源开发者在自己熟悉的成熟项目上做真实 issue 时，允许使用 AI 之后，完成时间反而增加了 19%。这不是说 AI 没用，而是说明在高上下文、高质量要求、老系统约束很强的场景里，AI 生成的东西会带来额外审核和修正成本。

所以我今天的判断不是“AI 比所有人都强”。这句话太粗糙。

更准确的说法是：AI 让执行变便宜，但让判断、验证和上下文组织变得更贵。它会淘汰一些旧执行方式，同时也会奖励真正能判断边界的人。

如果一个人能看懂 AI 哪里错了，知道哪些任务适合交给 AI，知道什么时候必须自己下判断，知道如何把输出放回真实客户和真实流程里验证，这个人的价值不会下降，反而会上升。

如果一个人只是把 AI 生成的东西复制出来，不验证，不理解，不负责，他并不比过去那个等题目的人高级多少。

这就是我对“AI 斩杀线”的另一个边界：它不是在斩杀所有人类工作，而是在斩杀不承担判断的执行。AI 时代的人类价值，不在于和 AI 比谁更快写代码，而在于你能不能拥有结果。

人不是天生弱智，旧关系会把人变弱

我知道“AI 杀死了我容忍弱智的能力”这个标题很刺耳。它甚至有点不合时宜。

所以这里必须说清楚：我不是站在高处看别人。我看别人弱智，别人也可能看我弱智。很多时候，“弱智”是旧关系里互相投射出来的词。

老板觉得员工弱智：我付你工资，你为什么没有 ownership？为什么我说得这么清楚，你还做不好？

员工觉得老板弱智：你给固定工资，却要求我像 owner 一样燃烧。你让我用 AI 提效，最后收益归公司，风险归我。我为什么要把自己卷进被替代的那条路？

两边都不完全错。错的是这个关系本身已经越来越不适合 AI 时代。

在固定工资、层级管理、岗位边界清楚的旧雇佣关系里，一个人用 AI 把效率提高十倍，往往拿不到十倍回报。更现实的情况是，老板会给他更多活，或者发现这条流程可以被裁掉。那这个人最理性的策略，可能不是把工具用到极致，而是维持一个安全的忙碌状态。

很多老板说要 owner mindset，但没有 owner 的分配方式。很多员工说公司不值得，但也没有真的走到市场面前承担风险。于是双方都停在一个很尴尬的位置：老板希望员工像合伙人一样主动，员工希望老板像平台一样兜底。AI 把这个矛盾撕开了，因为生产力一下子被放大以后，谁拥有结果、谁分享收益、谁承担风险，变得更难糊弄。

这也是为什么我越来越觉得，未来很多工作关系会从传统雇佣转向 partnership 或 contractor。不是因为这些词更时髦，而是因为旧岗位很难承载新的生产力。一个人如果只是执行，那他会被更便宜的执行单元比较；一个人如果承担结果，那他就应该有更清楚的分账、授权和决策空间。否则 owner mindset 就只是一句对员工的道德要求。

这就是为什么很多聪明人在组织里会慢慢变得像弱智。他们不是没有能力，而是没有理由把能力全部释放出来。他们不面对客户，不拥有结果，不参与收益分配，也不相信自己做得更好会得到相应回报。久而久之，人就学会等题目、守边界、避风险、开会证明自己在场。

这种状态下，老板和员工互相看不顺眼几乎是必然的。

AI 真正残酷的地方在于，它把这种互相捆绑的必要性降低了。老板如果觉得某类工作只是低复利执行，可以交给 AI 和更少的人。员工如果觉得老板和组织只是在消耗自己，也可以用 AI 去 build 自己的东西，去找客户，去跑一个小闭环。

这听起来很冷，但里面其实有一点好消息：大家不必永远被绑在一个互相觉得对方弱智的关系里。

默认路径也要解释自己

过去很多人把上班、晋升、等老板安排，当成一种无需解释的默认路径。创业、自由职业、做自己的项目，才需要解释。

现在这个顺序正在反过来。

我在去上班也是一种主动选择：是 A or B，不是 B or Not B里写过，继续走常规路径也应该被当成一种选择。你不是“不选择 AI”，你是在选择继续用旧工具、旧流程、旧协作方式参与未来的工作。

这个选择当然可能合理。不是每个人都要创业，不是每个人都适合做一人公司，也不是每个行业都能马上 AI-native。强监管、强信任、强线下关系的行业里，人依然非常重要。很多客户要的不是一个自动化系统，而是一个能担责、能签字、能背书的人。

但无论你在哪个行业，都需要重新算一遍机会成本。

如果你每天的大部分时间都在传话、对齐、等需求、填表、做没人看的流程材料，你要认真问自己：这些动作在 AI 时代还值多少钱？如果你所在的岗位从来不接触客户，从来不接触收入，从来不拥有一个结果，你要问自己：这个岗位到底是在创造价值，还是在旧组织里维持一个位置？

普华永道在 2026 AI Jobs Barometer 里用招聘广告和劳动力数据讨论了一个双轨分化：AI 会让一部分工作更专业化，也会让一部分任务更低门槛、更商品化。这个判断和我的体感很接近。AI 不会平均地抬高所有人。它会把 ownership 强的人抬得更高，也会把纯执行的位置压得更低。

所以今天最重要的问题，不是“AI 会不会替代我”。这个问法太被动了。

更好的问题是：我能不能用 AI 把自己从一个执行节点，变成一个拥有结果的人？

这个问题可以拆得很具体。你不需要一开始就辞职，也不需要突然宣布自己要做一人公司。你可以先看自己每天的工作里，有没有几件事已经明显应该换一种做法：

• 这件事有没有真实客户，还是只是在内部流程里自转？
• 我是在生产结果，还是只是在传递信息？
• 这个上下文能不能沉淀进系统，让下一次不用再解释？
• 如果 AI 先做一版，我真正需要判断的地方在哪里？
• 做完以后，谁会因为这个结果付钱、节省成本，或者持续依赖它？

这些问题问多了，人会自然从旧岗位里醒过来。你会发现很多忙碌没有那么神圣，很多会议没有那么必要，很多“我没办法”的背后，其实是自己还没有把问题拉到客户、结果和闭环上。

最后不是骂人，是换一张桌子

AI 杀死了我容忍弱智的能力，但这句话的落点，不应该是“我终于可以合理地鄙视更多人”。

如果最后只剩下鄙视，那这篇文章就写歪了。

我真正想说的是：旧环境让太多聪明人把注意力花在互相判断上。大家在饭桌上抱怨老板，抱怨同事，抱怨公司，抱怨行业，抱怨一个又一个看起来离谱的人和事。抱怨本身也许有释放作用，但它不产生复利。

AI 给了另一条路。

它让一个普通人可以更低成本地写代码、做内容、整理知识、跑测试、做页面、发邮件、分析客户反馈。它让很多以前想做但做不了的小东西，突然有机会被做出来。我在人人都可以在 AI 时代瞎搞 AIGC里写过这种快乐：不是为了证明自己多先进，而是以前卡在执行成本上的想法，现在可以真的动手试。

我现在看一个人有没有进入新状态，往往不看他说了多少 AI 术语，而看他有没有一个自己的小闭环。哪怕很小也可以。有没有一个真实用户，哪怕只有十个？有没有一个可以反复改的产品，哪怕很粗糙？有没有一个自动化流程，能让明天比今天少解释一次？有没有一个指标，能告诉你这件事是在变好，还是只是你自己觉得很酷？

这件事不浪漫，也不宏大。它甚至很琐碎。你要写页面，要改文案，要看日志，要回邮件，要忍受 AI 写错，要把客户一句含糊的抱怨翻译成下一版功能。可是只要这个闭环属于你，它就会改变你的精神状态。你不再需要靠骂别人证明自己清醒，因为真实反馈每天都会告诉你哪里错了。

我越来越相信，AI 时代最好的状态，不是大家继续在旧组织里互相消耗，而是更多人开始 build something you own。

这个东西不一定是一个大公司。它可以是一个小工具，一个内容站，一个自动化流程，一个能服务十几个客户的小生意，一个你真正理解并愿意长期维护的系统。重点不是规模，而是 ownership。你要知道客户是谁，价值是什么，反馈在哪里，怎么改，怎么让它明天比今天好一点。

只有当一个人拥有自己的闭环时，他才会真正开始变聪明。

因为这时候，问题不再是“老板有没有讲清楚”，也不是“同事为什么这么弱智”。问题变成了：客户为什么不用？结果为什么没出来？我哪里判断错了？下一版怎么改？

这些问题比抱怨难得多，也诚实得多。

我希望未来大家再聚到一起，桌上聊的不是谁又弱智了，而是谁最近做了一个小产品，谁跑通了一个新客户，谁用 AI 把某个老流程砍掉了，谁发现了一个以前没人注意的需求。

那样的桌子上，依然会有争论，依然会有人犯错，依然会有人被吐槽。但气味会完全不同。

一边是在旧世界里解释自己为什么无能为力。

另一边是在新工具面前，承认自己可以动手。

前者会让人越来越会抱怨，后者会让人越来越会判断。一个人开始拥有自己的判断以后，才会真正从“谁是弱智”的循环里走出来。

判断会把人带回行动，行动会把人带回现实。

我更想坐在后面那张桌子上。