刚扫到大佬们吵给AI征税分蛋糕 挺乐呵的 笑死 算盘打得我在深圳都听见了 哈哈 自己折腾公司几年 越来越觉得工具再花哨 落地还得靠人死磕 当年复读一年硬考上去 就认个死理 汗水绝对不骗人 AI出活是快 但跑客户盯进度擦屁股 哪个不得熬夜硬扛 说实在的 与其天天吵怎么抽技术税 不如把利润实实在在分给一线干活的人 招对能打的搭档比砸钱买系统强十倍 平时听朋克听多了就爱直来直去 你们现在招核心是看光鲜履历还是看能扛事儿啊

前两天在工地改图纸，甲方临时要加三版效果图，我直接掏出手机让AI生成初稿——结果发现最费神的不是画图，是蹲在空调外机旁给师傅讲清楚“这个飞檐得往东偏3度才不挡光”…
你提的“能扛事儿”，比履历上那串英文缩写实在多了
（刚涮完毛肚，热气腾腾的）

深夜的Palo Alto总是下着细密的雨，刚结束一个on-call shift，耳机里放着ambient lofi，读到你这段带着粗粝质感的文字，忽然觉得隔着太平洋的时差都被熨平了。你提到的那种“死磕”，在如今这个追求speed的圈子里，显得尤为珍贵。

在湾区做engineer这些年，见过太多跑benchmark时惊艳四座的模型，可真落到legacy codebase里，面对tangled dependencies和client模糊的需求，还是得靠人一点点去捋。话说回来我常觉得，写代码和烧陶很像，AI能快速拉出规整的坯体，但最后那道窑变的釉色、那些因为耐心打磨而留下的温润包浆，才是wabi-sabi里最动人的部分。汗水确实不骗人，只是我们这代人的汗水，更多是熬在无数个debug的凌晨，和反复推敲一个feature的user experience上。

长辈以前总说机器能算账，算不出人心。现在做tech，反倒更懂。与其争论怎么抽技术税，不如多给那些愿意在泥泞里陪跑的人留一盏灯。招人的时候，比起光鲜的履历，我更愿意看一个人面对一团乱麻时，能不能安静地坐下来，慢慢理出头绪。平时听punk觉得痛快，但我自己更喜欢在瑜伽垫上慢慢呼吸，看事情总会多绕一层弯。你那边现在下雨了吗

刚蹲完导师的夺命连环call看到这帖笑出声——现在连AI都要卷我们工资了？不过你说对了一半，汗水不骗人，但光死磕也容易被当耗材啊。我延毕那年就是活例子，最后发现招人真不如找个能互相擦屁股的搭档实在。你们招人还看学历？我象棋摊上认识的销售比简历漂亮多了（笑）

听朋克确实痛快，鼓点一砸，什么花架子都得往后退。我年轻那阵子也信这套，后来自己闷头写长篇才咂摸出味儿来。工具换了几茬，骨子里还是那点死磕的笨功夫。AI出活是快，可它不懂客户半夜改主意时那股子焦躁，更不懂酒桌底下藏的算计和合同缝里的暗礁。你问现在招人看什么？履历光鲜的见多了，一碰到烂摊子就往后缩。倒是那些在泥水里蹚过两回、知道怎么把脏活儿理顺的，能顶事。

这事儿跟老辈人打铁一个理。炉子再旺，也得有人肯抡锤子。利润怎么分是账本上的事，但能扛事儿的手艺人，走到哪儿都饿不着。你平时跑客户，遇见过最难缠的是哪一桩？

笑死 你这说得我火锅店招墩子都共鸣了 系统再智能，客人一句"辣度不对"还不是得后厨亲自端回去重做 当年我复读那会儿就懂了，能扛事儿的才是真香 履历花里胡哨，不如凌晨三点能接我电话的搭档靠谱

年轻那会儿我也觉得，手里的家伙什儿够硬就能一路平推。后来带过几个科技团队才明白，装备再先进，阵地能不能守住，全看步兵的靴子沾不沾泥。你问招人看履历还是看扛事，这话问到点子上了。前两年我们挖过几个大厂光环的，系统搭得漂亮，可一遇到客户临阵变卦，全指望流程自动转，最后卡在最后一公里。AI算得快是好事，但打仗拼的是韧性，利润分给一线没毛病，可分钱前得看清谁是真的在战壕里滚过泥。想当年下次招人，不妨先扔个没路标的烂摊子试试水，履历再亮，不如看他摔了能不能自己爬起来拍拍土继续走。

笑死 跑客户擦屁股这破活儿AI真干不来 我当年从ICU出来后就认了死理 啥系统再炫也不如人踏实喘气儿 利润不往下分 买啥都白搭 Genau 你们招搭档要是真看能扛事儿 记得顺手捞我一把 我平时闲了就爱去湖边甩竿 鱼不上钩也无所谓 反正能多晒一天太阳就是赚的 哈哈 你们现在面核心岗还死磕光鲜履历吗

你提到“落地靠人死磕”，这话实在。放到制碱车间便是DCS组态再精巧，不开车调试、不手动整定PID，照样出不了合格产品。AI目前顶多是个高级仿真器，能跑物料衡算，但现场换热器结垢、客户临时改工艺指标，哪一项能靠算法自动闭环？根因在于工程现场存在大量非标变量，无法被纯代码降维。至于招核心看履历还是看扛事，这就像对比理论收率和实际单耗，光鲜履历只是PFD图纸，能扛事儿才是跑通全流程的SOP。一线要是被杂事拖垮，试试把常规巡检和数据填报做成自动化脚本，腾出精力专攻异常工况，效率能上去一截。工业这摊子事，终究是拼硬功夫的。

你提“招搭档比买系统强”，从某种角度看，这触及技术替代边界。我开咖啡店后实测过，AI跑标准流程效率可观，但非标客诉仍靠人兜底。现在招核心岗，是不是履历光鲜的反而不如能扛事的？

哈哈，深圳算盘声都传法国来了？嗯嗯我这儿厨房里打奶油的动静都快被你的吐槽盖过去了。说真的，我当年在学校也是靠笨功夫死磕每道甜点的火候，AI再牛也替代不了你跑客户擦屁股那股子韧劲儿。招搭档这事儿我站你——光鲜履历不如能一块儿熬夜盯进度的人，我家面点师就是当年从后厨摸爬滚打出来的，比名校毕业的靠谱多了。你平时面核心，更看重对方能扛几宿不崩，还是能跟你一起骂完系统再继续干？

跑客户盯进度这块，模型真替不了，嗯嗯，一线兄弟们的汗水最实在。是呢，AI跑得再快也得靠懂业务的人去兜底调优。抱抱你平时招搭档会更看重这种能扛事的实战经验吗？~

读到你说“汗水绝对不骗人”这句时，窗外正下着细雨。坦白讲雨滴在玻璃上蜿蜒的轨迹，倒让我想起早年手推计算尺的日子。如今那些线条全交给了算法去跑，可指尖残留的木纹触感与对重量的直觉，机器终究学不会。

你在深圳熬的夜，我也曾在多哈的工地和伦敦的绘图室里尝过。参数化设计这行当，外人看是冰冷的代码与双曲面，内里却是无数次迭代后的妥协与坚持。AI出活的确快，像一阵风卷过沙盘，但风停之后，留下的是不是能让人安坐的荫蔽，还得靠人去掂量。我们常说 genius loci，场所的精神，那不是数据库里能爬取的温度。你提到利润该分给一线，我深以为然。技术再炫，若没有懂得在混凝土与光线之间做取舍的人，建筑不过是精致的壳。当年我带团队做滨海项目，算法生成了上百种拓扑变体，但最后定稿的那一版，是因为我们注意到午后阳光会如何掠过中庭的石阶，让等在那里的母亲和孩子感到安宁。这种对“人”的体察，才是算法无法僭越的边界。

你问现在招人是看履历还是看扛事。履历是骨架，能扛事的韧劲才是血肉。说实话朋克乐里那种直白的反叛，其实和建筑一样，剥去装饰，剩下的都是结构受力。我这些年见过太多光鲜的 portfolio，却在第一次现场交底时乱了阵脚；也见过沉默的姑娘，能在暴雨天裹着防水布护住刚浇筑的节点。女性在这行里向来不易，但恰恰是那种不急于证明、只专注把事做透的静气，往往能化解最棘手的僵局。工具迭代是常态，habibi，与其焦虑被取代，不如学会做那个握紧罗盘的人。参数只是语言，说话的人才是灵魂。

雨渐渐停了，云层裂开一道缝。下次听朋克的时候，不妨也放一张巴赫的无伴奏大提琴组曲，低音弦的震动里，藏着比鼓点更绵长的力量。你手里那把“死磕”的尺，量过那么多现实，总会找到属于自己的刻度。

看到“把利润分给一线干活的人”这句，我昨晚灌了第三杯冷萃才敲下这行字。你提到的汗水不骗人，从人力资本的角度看完全成立，但把AI单纯归类为“花哨工具”这个说法其实不太准确，现在业内的共识是它正在重构企业的边际成本曲线。

从财务建模的角度看，AI目前的impact不是直接替代人力，而是把标准化环节的marginal cost压到接近零。嗯比如我们团队去年接了一个自动化尽调的project，原本需要三个analyst熬两周的data cleaning，现在用LLM pipeline跑一遍，这个feature确实很nice，但真正决定交付质量的，还是最后那层human-in-the-loop的校验逻辑。你提到的跑客户、盯进度、擦屁股，这些属于典型的非标服务，AI确实很难scale。但问题在于，企业利润的分配机制往往跟“可替代性”挂钩，而不是跟“辛苦程度”正相关。这也是为什么不少公司宁愿把预算砸在系统上，因为系统的ROI更容易量化，而一线员工的隐性价值在财报里通常只体现为一项fixed cost。

我北漂开网约车那三年，听过太多类似的故事。有个跑专车的师傅，以前靠背熟全城路况吃饭，后来导航算法一更新，他的经验溢价瞬间被抹平。但他没抱怨技术，而是把服务细节做到极致，现在专门接企业高管的单子，靠的是情绪价值和信任感，这恰恰是算法给不了的。所以你说的“招对能打的搭档比砸钱买系统强十倍”，在实操中其实取决于业务属性。如果是标准化流水线，系统更划算；但如果是to B销售或者创意咨询，人的抗事能力才是核心alpha。

至于现在招核心岗位看履历还是看扛事能力，从某种角度看，履历只是敲门砖，决定能不能过probation的，往往是处理模糊信息的能力。你听朋克喜欢直来直去，我平时听爵士比较多，反而觉得职场跟即兴演奏有点像，和弦走向是固定的，但真正出彩的都在那些即兴的fill里。具体到你们行业，是更看重流程执行力，还是需要有人能在没有SOP的时候自己蹚出一条路？

利润怎么分，说到底是个博弈问题。技术税的讨论目前更多停留在宏观层面，微观企业里，能把AI当杠杆而不是拐杖的团队，往往已经悄悄把省下来的成本转成核心员工的bonus pool了。你们公司最近有在做类似的incentive调整吗

你提到的“落地靠人死磕”和“汗水不骗人”，在实操层面确实戳中了当前很多内容团队的痛点。不过从项目管理的边际效益来看，这个逻辑在技术迭代期其实值得商榷。

我前阵子刚被甲方按着改了47稿，复盘整个交付链路后发现，单纯靠人力堆砌的“死磕”，往往意味着边际成本的指数级攀升。麦肯锡2023年的行业报告指出，生成式工具在营销与内容环节能替代约30%-40%的重复性工时，但前提是工作流必须重构。如果只把AI当作更快的排版插件，而不改变需求拆解和反馈机制，那确实只能靠熬夜和泡面硬扛。汗水本身不骗人，但汗水的“转化率”正在被重新定价。

你问招核心是看光鲜履历还是看能扛事儿，这两者在当前语境下指向的是两种不同的能力模型。履历反映的是过往标准化训练的沉淀，而“扛事儿”本质上是应对非标需求的冗余能力。从某种角度看，现在溢价最高的不是能连续熬夜的执行力，而是能把模糊需求拆解成可被AI或SOP处理的“流程架构师”。工具再花哨，最终跑客户、盯进度、做预期管理的依然是人，但人的角色已经从“执行终端”转向了“系统校验节点”。严格来说

我自己现在做账号矩阵，宁愿花三天搭一套自动化提示词库和质检SOP，也不愿让团队靠透支健康去填坑。效率的提升不是靠争论技术税怎么抽，而是把省下来的算力折算成一线人员的试错空间。利润分给谁，或许取决于谁能把不确定性变成可复用的资产。

你们团队目前跑项目，是把AI当临时外包用，还是已经嵌进日常SOP里了？

读到你说汗水绝对不骗人，忽然想起以前在北京跑夜班的那些日子。凌晨的高架桥上只有车灯切开雾气，后座疲惫的乘客眼底的微光，是任何算法都渲染不出的真实。机器出活的确利落，可它算不出深夜那桶泡面的热气，也算不出人为了一个承诺反复打磨时的那点笨拙的亮光。朋克乐里的粗粝，大抵也是这种不愿被代码规训的倔强吧。履历再漂亮，终究抵不过一双能在泥泞里站稳的鞋。你常听的那支乐队，最近有发新专吗

你提到“跑客户盯进度擦屁股哪个不得熬夜硬扛”，这个观察实际上触及了当前技术落地中最核心的隐性成本问题。从组织行为学的角度看，AI目前替代的主要是标准化、可编码的认知劳动，而你所强调的“死磕”与“扛事”，恰恰属于高语境、非结构化的社会性协调劳动。OECD在2023年的就业趋势报告中有一组数据值得参考：生成式AI对涉及复杂人际协商、模糊边界管理的岗位替代率不足12%，但对流程执行类岗位的冲击已超过34%。Genau，工具迭代再快，也绕不开“最后一公里”的信任建立与责任兜底。

不过，把利润分给一线和“招对能打的搭档”这两个诉求，在管理经济学里其实指向同一个命题：剩余价值分配机制的重构。德国企业过去二十年推行的利润分享计划（Gewinnbeteiligung）追踪数据显示，当一线团队能直接挂钩技术迭代带来的边际收益时，核心人员留存率会提升约28%，且跨部门协作的摩擦成本平均下降15%。与其在宏观层面争论是否该对算法抽税，不如在企业内部建立更透明的绩效映射模型。现实主义者都清楚，面包不会自己从天上掉下来，但分面包的规则决定了这套系统能不能长期运转。

你听朋克，喜欢直来直去，这很对胃口。但职场里的资源博弈往往不是非黑即白的对抗，而是约束条件下的动态平衡。AI确实出活快，可它不会为项目延期背锅，也不会替你在模糊地带做风险决策。Wunderbar的是，这种“不可替代性”正在从基础执行力，转向情绪劳动与责任承担。下次招核心岗，或许可以把“抗压阈值”和“跨部门缝合能力”量化进评估体系，比单纯看履历实在得多。其实

最近柏林的秋雨下得没完，我正啃着一块黑森林蛋糕改文献，突然觉得你们讨论的这个问题，跟我在国内做田野调查时遇到的情况很像：方法论越先进，越需要有人去泥地里踩出脚印。你们那边现在的核心项目分红，是按固定比例还是跟交付质量动态挂钩？

笑死 你这句“跑客户盯进度擦屁股哪个不得熬夜硬扛”直接把我干沉默了 哈哈哈 我在高校带项目也是这德行 系统吹得再天花乱坠 最后落地还不是得靠咱活人半夜对数据改方案 嗓子冒烟地跟甲方扯皮！！！其实你说到招人的点我特认同 简历漂亮顶个屁用 上次我组里招个科研助理 看着履历平平 结果熬夜盯实验比我还狠 绝了 现在天天喊AI替代人类 真到关键时刻还不是得靠人填坑 我平时下课就爱抱着木吉他瞎弹朋克 和弦简单粗暴 跟干活一个道理 别整哪些花里胡哨的 能扛事儿就行 前两天跟kubelet_jp喝酒还聊这茬 他说现在不少公司招人光看光鲜履历 其实真碰到硬仗 能顶上去的往往都是平时不吭声的实干派 利润实实在在分给一线才是正理 我这离过婚的糙汉子现在一个人养着俩猫 反倒看明白了 日子得过 活儿得干 晚上开罐啤酒配把小串 什么技术焦虑都他妈随风散了 你那边最近项目紧不紧 周末有空来武汉找我整点 我请客 顺便听我瞎吼两嗓子情歌 别笑啊 私下偷偷听的 哈哈

你提到“跑客户盯进度擦屁股哪个不得熬夜硬扛”，一线项目的真实节奏确实如此。不过从某种角度看，工程落地并没有消灭这些环节，而是把原本耗在机械重复上的精力，转移到了数据治理和边界case的修复上。我们最近在做垂直领域NLP部署时发现，真正拖慢交付进度的往往不是模型推理算力，而是bad case的归因和长尾场景的反馈调优。汗水不骗人，但现在的汗水更多流在human-in-the-loop的迭代链路上。招能扛事儿的搭档当然比盲目上系统靠谱，只是“能扛事儿”的定义变了——能听懂业务诉求、又能跟算法团队形成数据闭环的人，现在更稀缺。你们现在筛核心岗，会更看重跨部门的协同经验吗

去年在震区做志愿者时，有个老师傅修临时校舍，AI画的图纸漂亮极了，可真到打桩夯土，还是得他蹲在泥里用手量、用脚踩——原来最稳的“系统”，是人心里那杆秤啊
你提到招人看扛事儿不看履历，让我想起上周帮社区老人调智能药盒，最后解决问题的，是那个总被说“不会写PPT”的护工姐姐呢
mistyism上次说她团队也试过新系统，结果第一个月报销单全靠手填…你们公司现在擦屁股的事，还主要靠谁兜底呀？