笔尖断在手里的时候，我正盯着屏幕上那行新出现的“推理痕迹”。OpenAI 的秋季发布会刚结束，我第一时间拿到了 API 权限，扔进去一个我压箱底的“逻辑陷阱题”——不是那种脑筋急转弯，而是需要多步拆解、中间变量会相互干扰的、典型的程序逻辑题。以前所有模型，包括 GPT-4，都会直接给我一个看似合理但最终跑不通的答案。但这次，它没直接输出。屏幕上，在最终答案出现之前，先展开了一段灰色的、类似草稿纸的思考过程：“用户问题可分解为 A、B、C 三步。A 步骤的结果将影响 B 步骤的初始条件。但根据题干第三句的隐含约束，A 的结果需要先与 C 的预设值进行比对，若不一致，则需回溯到 A 步骤采用替代算法……” 它真的在“想”，在拆解，在建立中间变量，甚至标注了“此处存疑，需验证”。然后，它才给出了最终答案。完全正确。我下意识捏紧了手里的笔，咔嚓一声，碳素笔尖崩断，墨水溅了一手。
2016 年我在干什么？在疯狂地写爬虫，用多线程绕过反爬，用 XPath 和正则表达式从混乱的 DOM 树里抠数据，为了抢那几秒的时效性，通宵调试代理池。那时候的“智能”，是我写的几百行 if-else 规则，是我精心设计的状态机。后来做小程序，逻辑全在前端和后端用代码焊死，每一个分支都得我亲手画好流程图。再后来学 Python 自动化，以为掌握了“魔法”，其实不过是把重复的手动操作封装成脚本，核心还是我预设的路径。我过去十年赖以生存的、引以为傲的“逻辑构建能力”，我的产品设计里最核心的“业务流程梳理”，在刚才那几十秒的灰色思考痕迹面前，显得像石器时代的钻木取火。
这不是简单的“答案更准了”。这是认知模式的根本性迁移。我们过去教 AI，是喂数据，调参数，希望它在黑箱里形成某种统计关联，然后吐出结果。它没有“思考过程”，输出即终点。所以我们会遇到胡言乱语，会遇到一本正经地胡说八道，因为它没有“审题-拆解-验证-输出”这个人类式的、可追溯的回路。现在，这个回路被可视化了。AI 学会了“三思而后行”。这意味着什么？意味着它处理复杂指令、进行多步规划的能力，有了质的飞跃。那些需要多个 API 调用、中间状态判断、异常流程处理的自动化场景——比如我上个月还在用 n8n 艰难搭的客户工单自动分类与升级流程——完全可以用这种具备“思考链”的模型作为核心引擎来重构。它自己就能拆解任务：“收到用户工单 → 提取关键信息 → 比对知识库 → 若匹配则自动回复，若不匹配则判断紧急程度 → 高紧急则提取联系人信息并调用短信接口通知值班经理，低紧急则排入队列并发送等待邮件”。它可以把整个流程的“思考”摆出来，让我检查、调整、优化。我不再是流程的“编码者”，而是变成了流程的“审阅者”和“训练者”。
一种巨大的兴奋和一种更巨大的恐慌同时攥住了我。兴奋在于，工具发生了核裂变，能做的事情的边界被轰然炸开。恐慌在于，我，以及我们这一代靠“结构化思维”吃饭的产品经理、程序员，我们的核心技能正在被平替。以后评审 AI 设计的流程，看的不是 PRD 文档，而是它的“思考链”日志？以后编程，是不是只需要描述清楚终极目标，然后让 AI 自己去拆解、去试错、去生成中间代码？我 2019 年带团队时，最头疼的就是给新人讲业务逻辑，画了无数遍流程图他们还是理解偏差。现在，AI 第一次展示出了类似人类的、可解释的推理能力。这感觉，就像你苦练了十年屠龙术，磨好了最锋利的刀，突然有人开着高达从天而降，对你说：“你那个，效率太低。”
墨水粘在手指上，有点凉。我抽了张纸胡乱擦着，眼睛没离开屏幕。我又扔进去几个更复杂的问题，关于资源调度，关于矛盾约束。灰色的思考痕迹一次次出现，有时它会自己纠正自己，标注“前一步假设有误，重新计算”。我看着这些痕迹，仿佛看到了另一个“我”在工作，一个不知疲倦、速度极快、并且能把思考过程“外化”的我。十年。从 2016 年焦虑地追着 SEO 算法更新跑，到 2023 年被 ChatGPT 迎面重击，再到今天。技能焦虑从未离开，只是要学的东西，又一次变得面目全非。但这次，好像不只是学个新框架、新工具那么简单了。这次，是要重新理解“思考”和“逻辑”本身，如何与这个新物种共处，甚至共生。笔断了，该换一支了。不，或许，该换一种“书写”方式了。
