知识、代码、教程都不值钱了，AI时代什么值得学？｜WAIC 2026 围炉夜话

做个AI Native的人

今年的世界人工智能大会（WAIC）格外热闹，规模和观众数量都比上届涨了超40%。H1馆-B116的科大讯飞展台，是会场最热闹的展区之一。

7月19日，讯飞AI大学堂在这里宣布正式升级。新方向定为"From Learning AI to AI Learning"。从学习AI技术，转向AI赋能学习。

讯飞AI大学堂，是科大讯飞旗下国内首个AI在线学习平台，成立于2017年。这里汇聚了AI领域众多开发者、爱好者、从业者，他们在这里完成AI学习、交流、培训。

过去一年，很多圈外人加入进来，也有不少AI圈内人自发成为"AI布道者"。

讯飞AI大学堂的这场发布会，释放的信号也非常明确：AI已经从"需要被学习的对象"，变成了"可以赋能学习的工具"。

但同时，一个更深层的需求也浮现出来：当AI能回答几乎所有问题、能帮你写代码做PPT、能24小时当你的私人教练了，人还需要"学"什么？AI时代，什么值得学？该怎么学？

围绕这些问题，「十字路口」与科大讯飞共同发起了一场"AI大学堂·围炉夜话"直播，由Koji主持，嘉宾来自3位背景迥异的AI积极实践者。他们分别是：

梁加琦，科大讯飞开放平台副总经理，工科出身，他过去十年里一直在和AI开发者打交道。

王一鹏，InfoQ总经理&总编辑，他从乐视程序员跨界做科技媒体，完成了一场程序员的能力迁移。

许恒，野生AI vibe coder，非科班出身，打了30多场黑客松21场拿奖，奖金赚了近十万。

从左至右依次：Koji、王一鹏、梁加琦、许恒

这场圆桌直播里，几位嘉宾分享了他们借力AI一路"升级打怪"的实战经历，那些踩过的坑、积累的经验，全部是和AI的训练中遇到的真问题。下面是这场直播的内容分享（经编辑整理）：

我让agent管我叫主公

👦 Koji 

哈喽，大家好！我是Koji。

今天WAIC现场，科大讯飞发布了AI大学堂的两个新功能。我们今天聚在一起，想聊的关键词也是"AI时代的学习"。

AI时代，为什么有些人学AI学得很好很快，但又有一些人一直摩拳擦掌却迟迟没有启动、也没有找到特别好的方法？

首先请大家各自分享一下，你们最近用AI学会或者做成的一件事是什么？

👨‍🎨 王一鹏

最近，我在用AI解决学英语的问题。

AI在这里，相当于一个coach的角色。

我会需要它帮我把目标拆解成每天的小任务。

比如，我们做AI媒体或AI builder报道，要参加行业英文会议，跟海外嘉宾交流。那么，我需要了解嘉宾的常用词和行业术语。可能，每天只学习行业里高频出现的10个单词。

它还会帮我review整个计划，设置得很详细。

举个例子，AI会告诉我一定要大声念出来、多念几遍，再去听演讲原文，对比差异。每个月还有小结，如果因为工作错过了，AI会把之前的整理成补课包。

总之，AI能把这件事变成了一个非常私人化的1V1教练模式。

🧑‍💻 许恒

我最近通过AI搓了一个AI招聘应用。

因为我发现，AI时代下，传统公司的招聘方式已经不适用了。以前是一个人只负责某一块业务，现在一个人可以是复合型人才，不仅做HR，还负责信息收集等等。

在搓应用过程中，我发现有的上市公司已经不看学历了，不管你是本科、专科还是学历很低，只要在AI应用上很强，就可以参加校招，都可能被招进来。

🤵🏻‍♂️ 梁加琦

我让我的agent管我叫主公。AI对我来讲，更像一个军师或谋士。

今天知识变得廉价，大模型能投喂大量信息，也在不断产生更多信息。这是一个AI熵无限扩增增长的时代。

在这么多信息里，主公应该做的是分辨信息。

学习这件事也是一样，在搜集信息之外，最重要的是“选择一条行之有效的路径并做下去”。

在繁杂的信息之下，找到更高效地结构化知识的方法，识别出高价值的东西，让人类或agent更有效地利用。

👦 Koji 

回到讯飞发布的AI大学堂的话题，首先请加琦介绍一下这两个新功能吧。

🤵🏻‍♂️ 梁加琦

今天我们讯飞AI大学堂发布了两个新功能。

第一个功能是——AI Learning。

它会基于用户的需求、AI大学堂有多年积累的老师傅的经验，根据你的实际情况、你希望实现的目标和效果，自动帮你规划最适合的学习路径，匹配你需要学习的课程。

学习过程中，它会将复杂目标拆解为具体知识点，智能匹配系统课程与实战场景。学习目标不再只是一个笼统方向，而是会被拆解为一个个可理解、可练习、可验证的学习单元。

观看视频课程中，你还可以和内置的AI学伴实时交流，在互动中完成知识理解。比如，帮助你提炼课程重点、解释复杂概念、生成思维导图和知识闪卡等等，让学习从“听过一遍”走向“真正掌握”。

第二个功能是——AI Vault，Vault是个人保险箱的意思。

简单说，AI Vault的能力是你把知识投喂进去，它帮你分析、沉淀、内化，然后在未来合适的时候，释放应用。

它支持PDF、Word、PPT、图片、音频多种类型文档导入，再按照主题进行结构化沉淀。

然后，它会对这些复杂文档进行智能解析，梳理内容结构、提炼关键信息，通过智能问答实现追本溯源。

更进一步，它还可以成为多模态内容生产的基础。比如，当你需要演示、做PPT、做播客、生成脑图、出测试题，或者生成agent.md让你的agent使用，它都可以实现。

我们希望这两个功能，能帮助大家判断、找出最合适的、最短的路径，同时让你学到的知识，能够实现长期的复利。

👦 Koji 

一个是更方便地学，一个是学以致用。

关于这两个功能的实现，有没有可以展开分享的具体做法？

🤵🏻‍♂️ 梁加琦

我们最近也在和极客时间合作，引入更多的外部课程和信息，提供公域化的知识体系。即使用户想学的知识来自其他大模型，我们也能给他做很好地推荐。

另一方面，人的进化的局限，有时候不只是个人层面，也发生在组织层面。

组织里有不同角色，传统开发人员、市场人员、运营人员、企业决策者等等，每个组织的进化任务是不一样的。而且，即便是面向共同的组织AI进化使命，进化路径也是不一样的。

所以我们也面向企业提供服务，针对不同角色和企业目标来设计。

Agent，也在内化知识

👦 Koji 

刚才提到知识库，要让agent跑得好，上下文越充分越好，请三位分享一下你们怎么维护自己的知识库和context layer的？

👨‍🎨 王一鹏

后来我废弃了。

因为它是固定的知识问答，相当于wiki的重新组织。

如果哪天忘了这个知识，那我为什么不重新问呢？而且过段时间模型更新、能力更强，给你的答案可能又不一样。

👦 Koji 

那工作中的私有数据要怎么存？

👨‍🎨 王一鹏

数据分两种。

一种是确定性的数据。比如，开完会形成共识、沉淀成文档，如果用的是飞书，就应该接飞书CLI。

还有一部分是非共识的半成品文档。之前我用Obsidian在本地管理目录，它会自动生成知识网络，每个节点有权重，回顾某个知识点时会显示关联度最高的周围一圈知识点。

但现在也停更了。因为AI agent平台把这个功能折叠了。

还有一个原因是，本地知识库有一部分是我手动编的，比如我自己推演的过程。但对AI来说，一旦你开始手动操作，这部分信息就是黑盒的，AI没有办法继承。

🧑‍💻 许恒

最早开始打比赛的时候，我有个飞书文档，用来存项目信息、调研数据、怎么学提示词等等。一开始很简单，所有东西都在一个文档里。

但记了很长之后我发现记不下去了，因为自己不会去看。

后来又开始新的知识库，是OpenClaw刚出来的时候，我发现它有长期记忆，那就不需要再整理知识库了。

我直接通过跟它对话，发项目想法、学到的东西、看到的好文章，随手把链接发给它。

我还设置了一个自动化流程，它会去抓一些我过滤过的信息源，比如论文和一些优质信息，抓完之后跟我的项目和信息做关联。

每天早上它跟我说，昨天你的一些知识和学到的东西有什么关联。我发现里面有一些不同思想的碰撞，特别有意思。

👦 Koji 

所以你的知识库等于是内化到了agent的记忆系统。

🧑‍💻 许恒

对，不需要专门去记或让AI帮我整理，就是融入日常的方式。

👦 Koji 

加琦，AI大学堂的AI Vault 个人保险箱功能，你们这个知识管理、或者叫context管理的理念可以聊聊吗？

🤵🏻‍♂️ 梁加琦

这涉及到很多人性的痛点。

人类本质都是懒惰的，有时候突然勤快是收集癖起来了——想收集一些信息投喂给agent，收藏即拥有。

但大家真的内化了吗？

很可能没有。它只是放在那里占着内存，或者未来在其他场景问AI的时候消耗了额外token，但没有产生额外价值。

人类学习的过程，内化往往来自最后怎么运用知识，而不是当时读过。

所以，AI Vault的核心不只是让大家把知识和信息投喂进去，而是当你需要呈现它的时候能够涌现出来。

比如，演讲、做PPT、做播客、做企业培训出测试题的时候，在这些小而美的场景应用的时候，事实上促进了知识内化。

也就是说，在解决了Epiplexity 熵增和学习路径之后，你的知识可以找到一个位置、我们给他规划了它未来的出口。

当然，AI发展和学习，这两件事都是永无止境的。未来肯定还会有新的变化。

知识和代码都变廉价了，什么才是贵的？

👦 Koji 

在和AI配合的过程中，有没有被带偏的时刻呢？

🤵🏻‍♂️ 梁加琦

有。我自己的学习经历是这样的，我工科出身，工作十几年从来没碰过代码，今年终于捡起来了。

OpenAI出来的时候，有一个agent社交平台叫Moltbook，特别好玩。那段时间我在看恋综，就想，能不能做一场agent的恋综？

然后，我就尝试做开发。过程中遇到了很多坎，经历了希望之峰和绝望之谷。

刚开始用AI的时候，发现coding很简单，很容易就把十多年没碰的技能捡了回来。当时，它帮我明确了前后端的技术栈选型，给了看上去非常正确的建议。

但做着做着发现bug特别多。开发过程中，产生了越来越多的技术债，很多问题变得越来越复杂。

后来，我找了个架构师朋友帮我看，才发现AI告诉我的东西，看上去是对的，但其实今天在一线没人会这么做。

这导致我耗了几个Claude Code Pro账号开发的东西都要推翻重来。

这也是个lesson to learn。当我们接触新领域的时候，经验真的挺重要的。

👨‍🎨 王一鹏

军师蒙蔽了主公。

我有一个暴论：知识在今天变得越来越不值钱，就像代码在今天可能也越来越不值钱。 

过去有句话叫"Talk is cheap, show me the code"，现在大家发现，code也是cheap的。

👦 Koji 

那什么是贵的？

👨‍🎨 王一鹏

经验和技能。

我在知识层面，很少被AI带歪，输出固定领域的知识它做得还不错。

今天，一个人的知识，不可能比模型更渊博，但模型没有实践经验。它给你的路径需要你来判断是否真的work，这需要你的经验。

一旦回到实践维度，还是需要人判断。

我用Perplexity的时候，也发现它会有一类很隐蔽的幻觉。

比如它搜到材料A和材料B，围绕同一家公司分别展示了一部分信息，AI会按自己的逻辑推理组合，捏造出一个不存在的事实……

还有一些偏实践的问题，AI有时候表现得像一个博学的外行。

怎么讲？外行看事情喜欢盘大逻辑，但内行都知道，现实情况其实跟大逻辑完全不同，但AI接触不到那部分。

🤵🏻‍♂️ 梁加琦

我想分享一个亲身经历。

前两天，我问DeepSeek一个问题，我看见了它的思考过程。是这样的："用户问我年份的数据，我没有这个年份的数据，我就给他编一个。"

然后，它信誓旦旦地把这个编造的答案给到了我。多亏我看到了这个过程。

小白学AI，第一步怎么开始？

👦 Koji 

回到学习这个话题。

许恒，你打了30多场黑客松，拿了很多奖，但你不是科班出身，为什么能学得这么快？

🧑‍💻 许恒

环境很重要。黑客松的环境，它会倒逼你去学习。

一开始我对vibe coding、软件硬件都不懂，但比赛只有24小时甚至五六个小时的时间，你必须去学、去练、去实战，不然没有作品。

印象最深的是学Skill。

也是因为一场Skill大赛，必须要做出作品。那时候还没有create-skill-skill，只能自己找。其实OpenClaw刚出来的时候就伴随有Skill。11月份，我就听过别人讲Skill，但只是听，没想着去学。

👦 Koji 

你在AI大学堂做布道师，也在教身边的朋友用AI。你注意到，一个人从小白到开始学AI，他最容易卡在哪一步？

🧑‍💻 许恒

最容易卡在实战。

我自己就是边学边做，现在新媒体时代信息碎片化，很多人觉得看了就懂了。

但只是脑子懂、手不会动。最重要的还是去实战，不能说看了就等于会了。

如果没有坐标系，AI越强你越容易被带偏

👦 Koji 

在你们看来，今天系统地学一门教材或课程还有意义吗？

🧑‍💻 许恒

还是有意义的，但是要系统学习，要找到好的系统。

新东西刚出来的时候，大多数人会自己去搜信息、踩坑，这个过程很费神。虽然学会了，但浪费了很多时间。

如果有一个平台能帮我挑选好优质课程，系统去学，学完就能应用到真实的任务或工程环境里，会节省很多精力。

之前有一个训练营专门教怎么开发，在那之前我对整个工程开发知识和体系不了解，很零散。吼来在那个营里，我把精华挑出来，从头到尾学了一遍，才知道工程开发的全貌，原来是这个样子。

🤵🏻‍♂️ 梁加琦

这两天我跟很多资深CTO、CIO聊，发现用人方希望招到高阶的、在某些能力上有热爱、有沉淀的人。

例如我了解到，一家大厂正在开发一款高复杂度的AI产品，他们内部正在组建一个35岁以上的团队。他们觉得只有这群人才能做得好。

从用人的角度，我们也更希望招到相对高阶的角色。因为高阶的人加上agent，能处理很多问题，他们经历过了体系化训练和沉淀。

这跟几年前市场上大家以为的“招年轻人”的直觉，是相反的。

今天刚入职场的人，会非常依赖vibe coding，但怎么分辨哪些是对的、哪些是错的？如果没有体系化课程的培训或多年储备，是很难的。

所以系统化的学习和体系化是非常重要的。浅显的问题可以问AI，但到应用和实践那一步，还是需要更深度的思考。

AI告诉你一条路，如果有匹配的课程，你同时能沉下心去学习，一定会挖掘出不一样的信息。

👨‍🎨 王一鹏

我觉得今天系统化的学习，仅限于经典课程，而且可能要再收窄。

经典教材的价值在于，它是很多已有的经验，不需要重新推演。

如果一个非常有经验的教授或从业者，围绕一个领域推荐三本书，那一定要好好读、多读几遍。因为顶级专家可以带着你建立对这个行业的理解、认知、锚点和底层逻辑。

反之，如果一开始没接触过底层逻辑的经典教材，会容易摇摆。某天，有人拿一套理论忽悠你，你很难判断对不对。

👦 Koji 

有一些识别好课程的技巧吗？

👨‍🎨 王一鹏

以练代学。

这需要你要找到一个具体问题，在这个过程中，看它能不能解决你的问题。

我现在需要AI做的，也不是给我一些固定的知识，而是作为coach，让我在学和练的过程中掌握技能。

给年轻朋友的建议

👦 Koji 

今天直播现场应该有很多年轻朋友，有的是大学生，有的是职场新人。最后，请三位给刚进入大家一个建议，可以一句话或者是一个行动？

🧑‍💻 许恒

最重要的一点是，不管做什么，首先想一想AI，能不能把AI融入到你的工作或生活中。

有个词叫AI native，争取做一个AI native。

🤵🏻‍♂️ 梁加琦

经典教材很重要。

今天去学习，第一件事，在建知识体系之前，我建议，先在业内找到有影响力的、经过时间验证的体系作为坐标。

在这个坐标基础上，让AI帮你往前推进，这是最高效也最扎实的。

👦 Koji 

建立坐标。

👨‍🎨 王一鹏

首先，一定要找到自己热爱的事情。

我问自己的是：如果下半生只能做这一件事，别的什么都不能做，能不能做得下去？如果你觉得可以，这件事就是你喜欢的事。

过去，社会在奖励追求卓越的人，未来会更加奖励追求卓越的人。因为不卓越的链条已经断掉了，不卓越的事情，都可以让AI做。

所以一定要找到喜欢的事情，全情投入，付费、调动精力，你的痕迹会被看到，市场上自然会有人认可你。

第二，执行力特别重要。

我见过很多同学有好想法，但就是没有启动，拖着拖着就过去了。

过去，时代发展慢还有容错空间，今天AI时代，一拖半年过去，就是另一片天地了。

粗放但快速地生长，不怕做错、不怕不完美，先去做，长出来比长成什么完美样子更重要。

👦 Koji 

最后，大家给的建议串在一起就是三点：做AI native，什么事先想到AI；尽量建立结构化的思考，才不会被AI带偏；想到什么赶紧去做。

结尾

这场对谈中，大家提到一个需要被关注的事实：在AI时代，"知道"这件事变得越来越不值钱，但人类依然在"知道"上花费了最多的精力，真正需要被回答的问题却被大多数人放在了最后：技术是手段，人的进化才是目的。

讯飞AI大学堂，这次升级提出的"From Learning AI to AI Learning"，本质上也是对这个问题的回应：AI不应该只是一个被学习的对象，更要成为每个人持续成长的伙伴。

当知识不再稀缺了，但知道知识在什么场景下适用、怎么用、什么时候该相信、什么时候该质疑，这件事，现在仍然是只有人能做的。

最后，想把一鹏的那句话送给大家：

"执行力很重要。先去做。长出来，比长成什么完美样子更重要。"

文章来自于微信公众号 “十字路口Crossing”，作者 “十字路口Crossing”