鼠标垫边缘起毛了，我用 800 目的细砂纸沿着边沿打磨，磨下来的白色粉末落在深色的桌面上特别显眼。这个动作让我想起今天下午调试 n8n 工作流时，那个死活对不齐的按钮间距——我花了四十分钟，就为了把两个按钮的垂直间距从 12px 调整到 8px，因为 8px 在视觉上更符合黄金分割的近似值。团队里的小孩不理解，说用户根本不会在意这 4 个像素的差别，AI 生成的前端代码更是粗暴，能跑就行。我没办法跟他们解释，这种对物理细节的偏执，是 AI 暂时还学不会的肌肉记忆，也是我们这种老派产品经理在 2026 年还能喘口气的狭小缝隙。
AI 现在能干什么？能瞬间吐出十套 UI 方案，能根据模糊描述生成完整的前端代码，能自动适配响应式布局。但它理解不了“手感”。不是触摸屏的手感，是那种你用了十年鼠标，手腕在某个特定材质的垫子上以固定频率滑动，日积月累形成的磨损模式。AI 不知道这个磨损的边缘会偶尔钩住你的袖口，带来一瞬间的烦躁，而这烦躁可能打断你刚刚串联起来的、关于某个 API 鉴权流程的逻辑链条。它更无法复盘，为什么三年前用 Flask 写的一个临时数据看板，因为当时偷懒没做异常捕获，会在某个深夜因为数据库连接池耗尽而默默崩溃，而那次崩溃间接导致你丢了一个重要的客户。AI 能生成完美的、教科书式的错误处理代码，但它无法赋予那段代码以“痛感”，无法让你在每一次写 try-catch 时，后背都掠过一丝曾经冷汗浸湿的凉意。
这就是我现在死磕的东西。我不再跟人比拼谁能更快地调通 GPT-4 的 API，或者谁能用更炫的提示词生成更花哨的页面。那些都烂大街了，门槛低到令人发指。我带着几个铁了心要深挖的学员，做的事情极其枯燥：把过去十年经手过的、有代表性的失败项目，一个一个拿出来做尸检。不是那种“复盘五步法”的套话，是真正的尸检。打开当年的代码仓库（如果还在的话），看提交记录，看那些因为赶工而写死的配置项；翻出已经失效的 Axure 原型链接，试图回忆当时为什么要把那个关键按钮藏在三级折叠菜单里；找到早已解散的微信项目群聊天记录，搜索关键词“算了”、“先这样”、“回头再改”。然后，用现在的技术栈和认知，去重建当时的决策现场，画出完整的逻辑因果图。这个过程痛苦至极，像是在给自己的技术青春做一场没有麻药的解剖。
但价值就在这里。当所有人都在用 AI 批量生产“未来趋势解读”、“十大颠覆性技术”这种塑料含量 99% 的内容时，你拿出一个 2018 年做死的微信小程序项目复盘，详细拆解你当时如何误判了微信官方对诱导分享的规则更新节点，如何因为过度依赖某一种爬虫策略（当时用 Puppeteer 硬刚，没考虑备用方案）而在一次反爬升级后全盘崩溃，现金流如何在一周内断掉——这种带着血腥味和具体技术名词（像是 DOM 结构变动、请求头校验、单 IP 请求频率阈值）的细节，AI 编不出来。它没有在凌晨三点因为服务器流量异常报警而惊醒过，没有体会过那种喉咙发紧的恐惧。它生成的“失败案例”完美得像教科书，每个错误都恰到好处地引出一个正确的教训，假得令人作呕。
打磨鼠标垫边缘和打磨 UI 间距，在底层是同一件事。都是在对抗系统的熵增，都是在用微不足道的、看似无意义的体力劳动，来维系一种对真实世界的触感和控制力。AI 正在把整个世界抽象成符号和概率，它处理的是“概念上的按钮”和“统计意义上的用户”。而我的工作，就是死死拽住那些硌人的、起毛的、不对齐的物理细节，告诉愿意听的人：看，问题曾经在这里，血肉模糊。解决方案不是一句“调用大模型优化用户体验”，而是从这里，到这里，一共十七个步骤，其中第八步有个坑，我摔进去过，这是当时拍的 X 光片。
砂纸磨下的粉末积了一小堆。鼠标垫边缘变得光滑，不再钩袖子了。我把粉末扫进垃圾桶，就像把那些复盘出来的、陈年的技术债务标记为“已清偿”。明天给学员讲的案例，是 2021 年那个因为健身教练 SaaS 交付过重而差点拖垮我的项目。我得找出当时那份不合理的合同，还有那版为了赶工而牺牲了安全性的用户数据同步方案。AI 泛滥的年代，浮夸的技巧一文不值，唯有真实伤疤的经纬，才能织出一点真正的护甲。
