Aust Winner 澳洲长风论坛

[巫朝晖]

[科技]我用老工具吊打 AI


过去几年，我持续用一些最基础、最被低估、甚至被淘汰的旧工具完成大量结构级工作。严格来说，我并不是“对抗人工智能”，也不是要用情绪化语言控诉时代变化。但在操作与观察过程中，我一次又一次发现一个清晰事实：并不是AI能力不够强，而是它解决不了我真正要解决的事情。而这些事情，我用自己搭建的老工具体系，反而做到了。

我一直使用旧的软件，版本并不新，配套的函数体系、模块结构、脚本环境也几乎没有升级。更早之前，我也用其他工具搭结构，甚至用最简单的表格嵌套建立逻辑层。最关键的不是工具性能，而是我是否清楚“这件事需要被如何解决”。很多人盲目追求工具升级，却完全不理解任务真正的结构入口与逻辑闭环，从而导致系统结构越来越复杂，交付时间越来越长，操作者越来越无所适从，结果反而效率下降。

很多所谓“智能平台”越来越倾向于做表面上的流程协作与界面设计，但这些系统没有真实了解使用者的行为动线，也没有能力判断哪些环节必须人工介入、哪些信息需要提前显性、哪些逻辑可以预置。于是，系统在形式上看起来完整，实用中却步步扭曲。我要处理的问题通常是高密度、跨层级、带有系统反馈特性的结构型任务。我的方式不是交给AI处理文本，也不是使用可视化软件堆叠流程，而是自己在工具内部建立出闭环结构，让工具变成结构的载体，而不是功能的堆砌容器。

我从不使用AI来凭空生成写作、计划、决策，也不依赖它完成任何系统性任务，因为AI不可能完成我的目标。原因非常直接：AI虽然可以生成内容，但没有办法基于真实上下文做出结构判断，它无法对错误做出责任划分，也无法理解流程错乱背后的因果动因，更无法在信息不全的情况下主动完成系统级修复。而我日常所做的大部分任务，恰恰需要处理这类“非结构化信息下的结构整合”。

我不认为人工智能是威胁，但我非常清楚：工具正在带动结构异化。人们因为AI可以“快速生成”，所以就开始减少对结构构建的耐心；因为AI可以“自动回答”，所以就不再关心答案背后的层级与误差路径；因为AI可以“模拟语言”，所以许多人放弃了自己构建逻辑模型的能力。我看过太多内容生产、项目计划、系统设计全面依赖AI生成，结果外形整齐，结构混乱，错漏叠出，最后还不知道问题出在哪。

我用老工具“吊打AI”，我只是在做我原本就擅长并且坚持的事情：用结构性思维完成结构性任务。过程不依赖最新工具，也不需要协同团队，不用平台支持，更不追求界面炫技。我只需要：一个清楚的问题、一个完整的逻辑链、一套能承载它的工具——哪怕是最老旧的版本。

如果一定要说“吊打”，我所吊打的，并不是AI本身，而是那种不经思考、盲目依赖、幻想技术万能、不断堆叠功能却放弃结构认知的思维方式。不是AI能力不行，而是使用它的人放弃了判断，也放弃了责任。而这，恰恰是系统退化、工作失败、决策混乱的根本来源。

当系统越来越大，却越来越不可用；当流程越来越智能，却越来越难修正；当输出越来越多，却没有一个能解决真正问题，我们就该反问一句：到底是工具太差，还是结构早就失控？在这一点上，我始终相信：哪怕用最老旧的工具，只要结构清晰、路径闭环，它就能跑得比任何AI更稳、更快、更精准。

这不是炫耀旧工具，而是坚持基本功；不是反对新技术，而是避免工具代替思维。结构才是力量的源头。
我至今仍在使用的“老工具”包括：
• 我独立设计的全自动财务系统
• 自建网页系统（FrontPage 时代起始，仍稳定运行）
• 手工编码的数据库查询/接口联动程序
• 不依赖任何第三方API的物流调度平台
• 纯本地运算+离线容错的零云依赖系统架构
• 无需升级的“静态安全结构”网站，至今未被攻破