翻开满屏 AI 生成的精美笔记，我突然有点犯怵

不知从什么时候开始，写代码和排错的习惯被大模型彻底切开了。

以前在 macOS 下面啃一个二进制文件或者改 Hexo 主题，往往要对着反汇编窗口和控制台死磕一整晚。现在很多时候，把报错往终端里一甩，或者让 OpenClaw 的后台跑一圈，几分钟内一屏看似挑不出毛病的脚本和总结就排好了。

效率确实提上去了，但用了一段时间后，我发现自己的状态变得有点不对劲。

最明显的一次是翻自己的 Obsidian 笔记库。过去记笔记，字句都很糙，往往夹着断断续续的寄存器地址、调试断点记录和几句骂娘的排错碎碎念。但那几页东西只要点开，当时在哪个函数卡住、怎么把指令 patch 掉的场景历历在目。

而在过去这几个月里，笔记库里不知不觉多了一堆非常规整、排版精美、挑不出语法毛病但自己完全没印象的“AI 生成摘要”。我把很多原本该在脑子里琢磨推演的过程，全图省事打包外包给模型了。

这就是所谓的提效陷阱：信息的吞吐量大得吓人，但自己的脑子里空空如也。

搞逆向和底层，手艺不能偷懒

逆向工程是个极度讲究物理体感的技术活。

你在 Hopper 或 IDA 里看一段汇编，单步跟一个寄存器的状态变化，或者在 Frida 里挂钩一个私有 API，真正值钱的从来不是写出来的那十几行注入代码，而是你在脑子里建立起来的那个调用栈上下文。

如果一个函数稍微复杂点，你就随手截图喂给模型，让它告诉你“这段逻辑在干嘛”，表面上看你确实秒懂了；但只要对方下次稍微换个混淆壳子、或者把参数做一次简单异或，你当场就又瞎了。因为你省掉的不是敲键盘的时间，而是自己在内存泥潭里摸爬滚打建立直觉的过程。

所以用各类 AI 助手，我给自己定了一条很死板的界限：脏活累活随便它跑，核心直觉必须自己手搓。

具体分工大概是这样的：

查那些文档写得一塌糊涂的第三方私有 SDK，或者在几万行庞杂的配置里找一个报错字段，直接让自动化代理去翻，把相关的上下文切片递给我；
解析网络流量包、提取一堆混淆的 Hex 字符串，让模型写个一次性的 Python 临时脚本去批量解密；
但只要涉及到内核扩展（Kext）的调用链跟踪、Frida 关键逻辑 patch、或者核心业务状态机的推导，代码必须一个字符一个字符自己敲进终端。键盘反馈回来的手感，比屏幕上自动滚出来的 100 行完美代码靠谱得多。

别把知识库当成数据垃圾桶

很多人用 AI，喜欢让它把读过的文章、看过的技术贴全部自动格式化塞进笔记软件里。

两个月过去，知识库看着庞大无比，双向链接密密麻麻像张蛛网。但真要解决一个具体的偶发死锁或者内存泄漏，你在搜索框里搜出一堆正确的废话，依然得老老实实从头排查。

大模型适合当个高密度的信息过滤器，但绝不能指望它替你形成观点。一个真正属于你自己的技术笔记，哪怕只有简短三行——
“某月某日，遇到 XX 错误；官方文档写得像坨屎；最后发现必须先关掉 Gatekeeper 并在恢复模式把某项签名检查关掉；核心踩坑点在第几行”——
这种带着生活泥土气息的真实经验，价值远胜于一万行由 AI 生成的标准说明书。

留一点低效的笨功夫

现在整个行业都在逼着大家追求极速：Prompt 一键生成完整项目、代码 Copilot 实时预测你的下一个词、自动化流水线每秒都在吞吐数据。

但我反倒越来越珍惜那种偶尔关掉 AI、泡杯咖啡、对着静态反汇编窗口慢悠悠盯上一个小时的时光。

工具再聪明，它也是跑在硅片上的概率采样器。它能帮你挡掉 80% 烦人的机械重复，但最后那 20% 真正关于系统本质的直觉、关于代码好坏的审美，必须留在自己的手指和脑子里。

在这个所有人都在急着把思考让渡给算法的年头，有意识地保留一点点笨功夫，才是保住自己技术骨气的唯一办法。