今天是周六。
前几天一直在带OPC营队，没有太多完整的时间处理自己的项目。今天终于空下来，我就想把上一次青年修炼班结束后，大家在复盘中提到的一些平台问题重新优化一下。
这个平台从最开始的PRD、基础框架，到后面的功能研发和不断迭代，基本上都是借助Claude Code完成的。最近几周开始使用Codex和GPT 5.6以后，我也想尝试一下，能不能换一种新的方式，把这个已经做了一段时间的APP重新审视一遍。
原本只是想解决几个小问题，结果一做起来，很多过去觉得麻烦、困难，甚至暂时不可能实现的功能，都开始一点点打开了。
今天先接入了DeepSeek的API，让平台中的文章可以直接进行全文翻译，评论也能够翻译；随后又增加了评论回复、页面中英文切换，把最新版的英文FPA内容集成进来，还用GPT生成了一些新的插图，重新优化了部分页面的显示和排版。
整个过程比我想象中顺利很多。
这些功能完成以后，我开始想：
既然这些过去认为麻烦的事情都可以做，那还有哪些功能，是被我自己提前判断为“不可能”，所以根本没有认真尝试过的？
首先想到的是WebApp的系统通知。
上一次我用OneSignal做过一次，但效果一直不太稳定。测试时偶尔能够收到通知，后面就又没有动静了。当时我也没有继续深入检查，只是隐隐觉得，这个方案可能不太成熟，或者要真正做好会比较麻烦。
这一次，我让GPT重新审查整个代码库和通知配置。它发现里面还有不少环节没有真正配置完整，于是重新梳理了一遍流程。
让我觉得很不一样的是，它不只是修改代码。
它可以进入浏览器，打开网页进行验证，检查通知有没有真正触发；可以截图审查界面的布局、配色和显示效果；还能够让我直观地看到它在浏览器里点击了什么、测试了什么。
过去使用AI编程时，AI更多是在“写代码”；但现在，它开始逐渐进入“操作—验证—发现问题—再次修改”的闭环。
当这个闭环真正形成以后，AI给我的感觉就不再只是一个提供答案的工具，而越来越像一个可以参与执行和验证的伙伴。
后来，系统级通知真的稳定了下来。
OneSignal这个平台我自己并不熟悉，过去一想到需要进入后台、查找配置、获取各种Key，再接回APP里，就会觉得很琐碎。但这一次，AI可以在我登录账号以后，帮助我寻找配置、核对信息，再把相关内容接入项目。
原来让我觉得很有门槛的一件事，真正做起来并没有想象中复杂。
通知做完以后，我又继续尝试私信功能。
之前我一直觉得，在现在这个项目框架下增加私信，负担可能会很重。因为平台暂时没有使用传统数据库，很多数据还是通过JSON文本的方式保存。我会担心一旦加入私信，整个数据结构、消息记录和交互逻辑都会变得很复杂。
但今天真正尝试以后，私信的基本效果也做出来了，运行状态还算稳定。
接下来又碰到了用户注册和登录的问题。
现在注册时使用的手机号和邮箱没有经过验证。用户可能输入错了，自己也没有察觉；等到30天后自动登录失效，才发现密码忘记了，甚至连当初注册的账号都可能是错误的。
过去我一想到密码找回，就会觉得需要另外开通邮件服务、配置发送接口、处理验证码，似乎又是一个很大的工程。
但实际查询以后才发现，邮件发送服务并没有想象中那么难接入，成本和配置门槛也没有我预想中那么高。于是晚上我又开始尝试增加邮箱验证和密码找回功能。
回头看这一天，我最大的感受不是“今天做了很多功能”。
而是我突然看见：在真正开始行动以前，我的认知已经替我淘汰掉了很多可能性。
有些功能不是技术上做不到，而是我在脑海里先完成了一次判断：
太复杂了。
以后再说。
现在的框架不适合。
做出来可能会有很多Bug。
上线以后还不知道会出现多少问题。
这些判断听起来都很理性，也确实包含了一些过去的经验。
但经验有时候会帮助我们规避风险，有时候也会成为新的限制。
心理学中有一个很有意思的现象：当一个人对一件事情形成了固定判断以后，注意力就会自动寻找支持这个判断的证据。
当我觉得某个功能“很麻烦”时，我看到的都是它复杂的地方；当我觉得它“有可能实现”时，我才会开始寻找可以拆解的步骤、可替代的方案和更低成本的路径。
事情本身还没有发生，我的认知已经决定了我会不会走进去。
所以，很多时候真正限制我们的，不是问题有多难，而是我们在接触问题之前，就已经在心里把门关上了。
这也是我今天对“使用者是AI的天花板”更深的一层理解。
所谓“天花板”，不只是会不会写提示词，也不只是懂不懂某个模型的功能。
它首先取决于一个人能不能看见可能性。
假如我根本想不到平台还可以增加系统通知、私信、邮箱验证和密码找回，我就不会把这些问题交给AI。
即使AI本身有这样的能力，也没有机会展现出来。
AI不会凭空替我决定，什么问题值得解决，什么功能真正对用户有价值。它可以沿着一个方向高速前进，但方向首先要由人看见。
同一个AI放在不同人的手里，最后产生的结果会非常不同。
有人用它写一段文案，有人用它完成一个页面；有人让它生成代码，有人会进一步要求它打开浏览器、验证流程、检查界面，再根据结果继续迭代。
这背后的差别，不只是技术水平，更是一个人对于“事情可以做到什么程度”的想象。
我们提出的问题，暴露了我们的认知边界；我们没有提出的问题，也同样暴露了我们的认知边界。
有时候并不是AI回答不出来，而是我们没有能力把真正的问题提出来。
这让我想到，以前大家也常说：“使用者是AI的天花板。”
几年前听到这句话时，我会觉得稍微有一点夸张。因为当时AI本身的能力有限，很多事情不是人不会用，而是模型确实做不到。
但现在，随着模型在编程、多模态、浏览器操作和工具调用上的能力不断提高，这句话开始越来越真实。
当然，AI依然有它自身的能力边界，也会出错，也可能误判。不能因为工具变强，就把所有问题都归因于使用者。
但在越来越多真实的应用场景中，AI能力还没有用完，人的想象力、判断力和耐心就已经先到头了。
我们可能只尝试了一两次，发现结果不好，就判断这个模型不行；可能只用它完成最表层的任务，却没有继续思考如何拆解流程、提供上下文、让它参与验证。
所以有时候，所谓“AI不好用”，未必真的是AI不行。
也可能是我们还没有真正理解它适合做什么，不适合做什么；没有找到恰当的任务结构，也没有给它创造一个能够发挥能力的场景。
哪怕是能力相对小一些的模型，如果放在清晰、具体、边界明确的任务里，也可能做得很好。
反过来，再强的模型，如果需求模糊、方向错误、缺少判断，它也可能只是更快地制造出一堆看起来很完整、实际上没有价值的东西。
所以，AI放大的从来不只是能力。
它也会放大一个人的混乱、偏见、急躁和盲区。
一个人方向清晰，AI会放大他的行动力；
一个人需求混乱，AI也会放大他的混乱；
一个人愿意验证，AI可以帮助他形成更快的闭环；
一个人只相信第一版答案，AI也可能让错误变得更有迷惑性。
这意味着，工具越强，人反而越不能放弃自己的判断。
以前工具能力有限，我们需要亲自完成很多工作；现在工具越来越强，人需要承担的角色也在变化。
我们不一定还要亲手写下每一行代码，但必须知道自己为什么要做这个功能；不一定要完成每一个配置，但必须判断AI配置的结果是否合理；不一定亲自测试每一个按钮，但要建立一套能够验证结果的标准。
AI可以替我们执行，但不能替我们负责。
这可能才是AI时代更重要的能力：
不是比AI做得更快，而是知道什么值得做；
不是比AI记得更多，而是知道什么可以相信；
不是把所有事情交出去，而是能够定义目标、判断结果，并为最终的选择承担责任。
在今天的调试过程中，我还感受到一种自我效能感的变化。
过去之所以不敢一次增加太多功能，是因为担心功能一多，就会出现大量Bug。上线以后只要有一个细节没有处理好，就可能又要花很多时间逐个排查。
于是，我会倾向于谨慎地更新，甚至提前压缩自己的想法。
但当我发现新的工具不仅能够生成代码，还能够帮助我审查、测试和验证时，我对复杂任务的信心开始提高。
不是因为问题从此不会发生，而是因为我知道，即使问题发生，我也有了更强的处理能力。
真正让人敢于行动的，并不是确定自己永远不会失败，而是相信问题出现以后，自己能够继续解决。
心理学上，这种对“我能够处理问题”的相信，会直接影响一个人的行动边界。
当一个人觉得自己无法承担后果时，他会本能地缩小目标；当一个人拥有更强的反馈工具和解决能力时，他就更敢于尝试以前不敢触碰的事情。
所以AI带来的，不只是效率提升。
它也在某种程度上扩展人的心理边界，让一个人从“我不敢做”，逐渐走向“我可以先试一下”。
但这里也有一个需要警惕的地方：
不能因为AI可以快速完成，就陷入功能越来越多、项目越来越复杂的状态。
AI降低了实现成本，却没有自动解决“这个功能有没有必要”的问题。
过去因为做起来困难，我们会谨慎筛选功能；现在实现越来越容易，反而更需要克制。
否则就可能变成：什么都能做，所以什么都想做；功能不断增加，但真正解决的用户问题反而越来越模糊。
所以，“使用者是AI的天花板”并不只是鼓励我们大胆想象，也是在提醒我们不断提升自己的智慧。
不仅要有打开可能性的能力，也要有筛选可能性的能力；不仅要敢于增加功能，也要敢于删除没有价值的功能；不仅要问“AI能不能做”，更要问“这件事为什么要做”。
技术能够回答“如何实现”，但无法独立回答“什么值得实现”。
后者依然需要人的同理心、经验、价值判断和对真实需求的理解。
回头看，今天看似是在优化一个APP，实际上也是在重新认识自己。
我开始看见，自己过去认为的很多“技术限制”，里面也混合了认知限制、经验惯性，以及对于失败和失控的担忧。
新的工具没有直接替我消除这些问题，但它让我有机会重新验证过去的判断。
一些曾经的“不可能”，经过真正拆解以后，变成了“暂时不知道怎么做”；再继续尝试，就变成了“其实可以一步一步实现”。
从“不可能”到“不知道”，再到“可以尝试”，这几个词之间，可能就是一个人的能见度逐渐打开的过程。
所以，我今天真正想记录的，并不是GPT又帮我完成了多少个功能。
而是：
当工具的能力不断提升，我们有没有同步提升自己的认知、判断和愿力？
AI能够把一个人的想法放大，但前提是我们心里先有方向；AI能够帮助一个人走得更快，但前提是我们知道自己要去哪里。
如果我们只把AI当作更快的工具，它带来的可能只是效率。
当我们开始用它照见自己的认知边界、重新审视过去的判断，并把新的能力用于解决真实的问题、帮助更多的人时，它才有可能成为一个成长和创造的伙伴。
每日一句：
AI可以打开技术的边界，却不能替我们打开认知的边界。真正决定AI能够走多远的，不只是模型有多强，而是使用者能够看见多远、判断多深，并愿意为怎样的价值负责。
