Sama那句“我年轻时浪费的技能”，为什么让很多人突然安心了？

如果你最近也有一种感觉：很多以前学过的东西，好像没用了。

会写一点点文案？AI 会。

会做一点整理？AI 会。

懂一点英文？AI 也会。

甚至你苦练多年的排版、摘要、检索、PPT 结构，似乎都在被模型“顺手接管”。

但 OpenAI CEO Sam Altman（很多人直接叫他 Sama）最近那句带着怀旧感的话，反而像一盆冷水浇醒了我：

“The skills I wasted time on when I was young are the ones that make me feel most at ease now.”

“我年轻时‘浪费’时间学的那些技能，恰恰是现在最让我安心的东西。”

这句话最有意思的地方，不是“怀旧”，而是它给了 AI 时代一个很重要的判断：真正稀缺的，不一定是全新的技能，而是那些曾经被低估、现在却能和 AI 叠加放大的旧技能。

换句话说，你以为自己落后了；其实你只是还没把手里的资产接上电。

配图建议：

1. Sama 原话截图（英文原文）

2. 原帖/来源页截图（保留发布时间或平台信息）

---

先把这句话翻译成人话：被你嫌“没用”的东西，可能正在升值

这类话为什么会让人有共鸣？因为它戳中了今天很多知识工作者最真实的焦虑：不是不会学，而是不知道该不该继续学那些“看起来不值钱”的基本功。

过去，大家习惯把技能分成两类：

• 一类是“硬技能”，比如编程、建模、数据分析；
• 另一类是“软技能”，比如审美、表达、判断、沟通。

但 AI 出现以后，边界变了。模型负责大面积生产，人负责筛选、判断、组织、校准。

你会发现，真正拉开差距的，越来越不是“能不能生成”，而是“能不能选对”。

这也解释了为什么 Sama 的这句话不是鸡汤，而是一个信号：很多曾被认为“没用”的能力，在 AI 时代开始重新变值钱。

---

一张图看懂：AI 时代，哪些旧技能正在重新定价

这张表的核心只有一句：AI 不是把技能清零，而是在重排技能的价格。

---

第一类正在升值的“旧技能”：判断力、审美和取舍能力

AI 最强的地方，不是“给你一个答案”，而是“给你很多答案”。

你让模型写一个标题，它能给你 10 个。

你让它做一版海报文案，它能给你 5 种风格。

你让它规划产品方案，它甚至能顺手把竞品、用户痛点、功能列表都列出来。

问题来了：哪一个更好？

这时候，真正有价值的不是“谁写得更多”，而是“谁更会选”。

在设计里，审美是最后的决策器

AI 可以出图，但出图只是开始。

真正决定作品高级不高级的，往往是字体、留白、色彩、层级、节奏这些“看起来说不清”的东西。你看的是一张图，实际上在做一次审美决策。

在写作里，判断力比产量更重要

AI 很擅长出初稿，但初稿往往最大的问题不是“不够长”，而是没有重点。

标题该往前推，还是把结论先亮出来？

这一段该删，还是该后置？

哪里要加案例，哪里要收一点？

这些都不是“写出来”就能解决的，而是“判断出来”才行。

在产品和运营里，取舍比堆功能更关键

很多团队现在都有同样的体验：模型能快速生成方案，但方案越多，越容易乱。

这时候，真正稀缺的人不是“再补一个想法的人”，而是能把几十个想法收束成一个方向的人。

会生成，不等于会决策。

能辨别好坏的人，反而更稀缺。

---

第二类正在升值的“旧技能”：搜索、整理、表达、翻译这些“杂活能力”

很多人过去不太看得起这些能力：

查资料、做摘要、记笔记、整理文档、读英文、跨语言沟通……

它们琐碎、分散、没有“高科技感”，像是办公室里的杂活。

但 AI 一来，这些“杂活”突然变成了工作流的中枢。

1. 搜索能力，不只是“会搜”

以前搜资料，靠的是关键词、经验和耐心；

现在搜资料，靠的是你能不能把问题描述清楚，能不能问到点子上。

比如同样是“帮我找一下某个行业的资料”：

• 低水平提问：给我一些 AI 行业资料。
• 高水平提问：按“市场规模、主要玩家、典型应用、国内外差异、未来风险”五个维度，筛选近两年最值得看的公开资料，并按优先级排序。

你会发现，不是 AI 让搜索变简单了，而是好的搜索能力让 AI 变得更有用。

2. 整理能力，是把信息变成成果

很多人用 AI 的第一步，是“让它帮我总结一下”。

但真正能拉开差距的，不是总结，而是整理出结构。

比如一堆会议纪要、访谈记录、会议录音转写，普通人看完还是一堆散点；

而会整理的人，会把它变成：

• 结论
• 争议点
• 待办事项
• 风险项
• 下一步行动

这就是从“信息”到“行动”的跨越。

3. 表达能力，决定 AI 输出能不能落地

AI 写出来的东西，经常有个问题：看着都对，但就是不够像人话。

这时候，表达能力就是最后一公里。

它不是“把字写漂亮”，而是把复杂内容变成别人能理解、能执行、能转发的版本。

一个能把 AI 产物改成汇报稿、公众号、PRD、邮件的人，远比只会“复制粘贴”的人更值钱。

4. 翻译能力，正在从语言技能变成信息技能

以前学英文，是为了能读懂英文资料。

现在更进一步：你要把英文资料变成中文可执行的结论。

不是逐句翻译，而是把跨语言信息重新组织成可用知识。

一个很普通的工作流，正在变得非常强

举个最常见的例子：

1. 先把 20 篇资料丢给 AI 做初筛；

2. 再让 AI 按主题聚类；

3. 然后提取每组里最关键的结论；

4. 最后人工只做校正和决策。

过去这可能要花你半天；

现在，如果你会提问、会整理、会二次编辑，可能几十分钟就能跑完。

一个可直接套用的 Prompt 模板

请把下面这批资料按 3 个层级整理：
1. 核心结论
2. 次级观点
3. 值得继续追问的问题

要求：
先按主题聚类，再做摘要
标出最值得关注的 5 个信息点
用中文输出，尽量简洁
如果内容存在冲突，请单独列出争议点

这类模板看起来朴素，但它本质上是在把你的“整理能力”嵌进 AI 工作流里。

---

第三类正在升值的“旧技能”：动手折腾、基础编程、流程感和系统感

很多人会把“会写脚本、会改配置、会接表格”看成小技能。

但在 AI 时代，这些“小技能”往往是把效率拉开的分水岭。

因为 AI 最怕的，不是难题，而是没有流程。

你会不会把 AI 接进工具链，决定了你是不是生产力用户

只会聊天的人，通常停留在“问答层”。

而会折腾的人，已经开始把 AI 接到：

• Excel / 表格
• 文档系统
• 知识库
• 自动化工具
• 简单脚本
• API 工作流

这就是两个完全不同的层级。

一个很现实的例子：会议记录自动变待办

你可以把会议纪要扔给 AI，让它帮你：

• 提炼结论
• 拆分任务
• 标出负责人
• 输出待办清单

如果你再往前走一步，把它接到表格或文档流里，就能做到：

• 每次会议结束自动生成摘要
• 自动分类到对应项目
• 自动提醒相关负责人

这时候，AI 不再只是“一个聊天框”，而是一个真正参与工作的引擎。

非技术用户也能做的“轻自动化”

很多人一听“自动化”，就以为那是程序员专属。

其实不一定。

你哪怕只会一点点 Excel、Notion、飞书表格，甚至一点点 Python，都能做出非常明显的增益：

• 批量整理资料
• 自动生成周报
• 分类归档邮件
• 将长文压缩成摘要
• 让英文资料自动变成中文要点

下面这段伪代码，表达的就是这个思路：

# 伪代码：把一批文本自动摘要后输出到表格
texts = load_texts("folder/")
results = []

for t in texts:
summary = call_ai(
prompt=f"请把这段内容压缩成 5 条要点，并指出最重要的结论：{t}"
)
results.append(summary)

save_to_sheet(results, "summary.xlsx")

这段代码不复杂，但它背后的思路很重要：

---

你不是“落后的人”，你只是有一批还没接上电的资产

这就是 Sama 那句话真正有力量的地方。

它不是在说“年轻时学的都没白学”，

而是在提醒我们：很多你曾经以为没用的能力，只是还没找到与 AI 连接的方式。

你会整理，不代表你落伍；

你会表达，不代表你保守；

你会做表格、改脚本、读英文资料，也不代表这些技能过时。

恰恰相反，这些能力一旦接上 AI，就会变成非常实在的生产力。

所以今天最值得做的，不是重新焦虑“我还要学什么全新技能”，而是问自己一句：

我手里已经有什么能力，能不能先接上 AI，先帮我省 30 分钟？

如果你已经有一项“看起来没用”的旧技能，不妨先把它接到一个能直接调用的 AI 工作流里，试着把它变成效率。

你可以先去 api.884819.xyz 跑一个最小任务：摘要、翻译、分类、提纲生成，先验证“技能 + API”到底能放大多少价值。

注册也很简单，用户名+密码即可注册，不需要邮箱验证。新用户注册即送体验token。

而且国产模型（Deepseek、千问等）完全免费，没有月租、没有订阅，按量付费，注册后就能直接用平台内置 AI 对话功能。

先拿一份资料、一个会议纪要、一个英文文档试试，你会很快明白：所谓“旧技能”，只是还没被重新定价。

#AI教程 #人工智能 #Sama #Prompt技巧 #AI工作流 #效率工具 #8848AI #AI学习