笔者原先做金融软件交付。所谓交付，就是客户说想要什么，我们设法把它做出来。客户未必一开始就说得明白，我们也未必一次就做得明白，所以这门生意一直有得做。
过去五年，吃的主要是这碗饭。如今工作进入第六年，开始担心碗还在，饭未必有原来那么多。
这几年，所在的交付团队陆续缩减，业务也在转移，后来便到了日本。公司正忙着向 AI 转型，至于这些调整究竟有多少出于成本，多少出于政治，又有多少与 AI 有关，坐在这个位置上，不能冒充知道。但有件事越来越值得琢磨：假如原来十个人干的活，今后少几个人也能干完，剩下的人总得重新解释一下，自己为什么值得那份工资。
解释起来可能不太愉快。
不过，对于这个让人不愉快的东西，我自己倒很舍得花钱。从 2023 年开始用对话式 AI，后来又折腾 Agent、API 和 Codex，有点新花样就想试。饭可以少吃一两口，订阅费还是要交。这样做算不算花钱帮助自己贬值，暂时没想清楚；倒是吃饭这件事，先得了它的好处。
吃饭与跑步
熟悉我的人知道，我对牛奶、乳制品和鸡蛋严重过敏。这不是一种饮食品位，是身体不许。
在日本点菜，先得查菜名，再查材料，还得猜做法。菜名查明白了，酱汁没查明白；酱汁查明白了，也未必知道下锅时加不加黄油。别人研究好不好吃，自己研究吃下去会不会惹麻烦，一顿饭吃出了考据的意思。
起初只是把检查报告、饮食限制和生活习惯告诉 AI，请它帮忙整理食谱。后来简单了：菜单拍下来，让它挑候选菜，说明哪些材料需要确认，再写好向店员询问和提出修改要求的日语。分量、营养搭配，也可以一起商量。
查资料、翻译、选菜和组织语言，原先要来回折腾，现在一段对话就能接上。按这种办法辅助点单，到目前还没有吃错过。不过，菜单没写的材料仍得向店家确认。几次顺利的饭，不能证明今后的每一顿都不会出岔子。
吃饭托管给 AI 以后，我又开始试着把日常运动也托管出去。
去年刚到日本，工作压力大，运动少，体检总评得了个 B。此前一直觉得身体在同龄人里算不错，报告却给了我不小反差。
学生时代参加过半程马拉松，进过大学网球队，还考过网球教练证。回想起来都挺像回事，可惜十几年前的腿，并不能借给今天使用。多年不练，该退步的一点没客气。
于是重新拾起耐力训练，目标是十一月的一场全马。把运动底子、停训情况、身体资料和训练反馈逐步交给 AI，一起安排训练、恢复和饮食。临近比赛，配速如何分配，途中什么时候补给，赛前吃什么，也都反复讨论。
最近已经完成了一次三十多公里的模拟训练。比赛尚未举行，成绩先欠着。
这种指导的细致程度和可获得性，是过去向跑友零散请教时很难碰到的。随时有问题，随时可以追问，还能接着之前的情况往下说。在笔者能得到的辅助里，它已经相当好用。至于是否胜过专业教练，没有做过比较，先不替全世界的教练宣布失业。
计划当然可以交给它讨论，路还得自己跑。好在这一点它也没有吹牛，说交了订阅费就可以少跑两公里。
写字这件苦差事
说起这个博客，最初也是为了省事。
小时候就不爱写很多字。学的虽然是简体中文，也没觉得简单到可以白写几千字。工作以后，零碎知识越来越多，靠脑子记不住，靠纸笔又整理不动，才试了些网上的平台，最后索性自己搭一个。
自己的地方，想怎么分类就怎么分类，想加点什么也方便。主要留给以后查阅，偶尔能帮同事解决个问题，就更好。
后来把 GitHub Actions 流水线也做好了，文章推上去，构建、部署、发布一路自动完成。到这里，才发现最麻烦的东西还在原地：文章没写。
这件事多少有点可笑。为了使写文章方便，先写了不少代码，最后写文章依旧不方便。
现在总算有些不同。像眼前这篇，先把话说出来，再和 AI 一起理主线、删废话、改表达，整理成 Markdown，接上原先的发布流程。此前写期权和衍生品交易的知识整理，也已经尝到这个甜头。
原有的东西没白搭，只是缺了最费工夫的一块。过去灵光一现，还要考虑有没有空写，常常考虑着考虑着，灵光就灭了。现在先记下来，整理的阻力小得多。
博客看的人不多，除了作者本人也就身边两三个朋友也许偶尔看一眼。没什么关系。五年、十年以后，自己回头看，发现工作第六年竟在认真发愁这些事，想来也有意思。记忆这东西会替人修饰过去，文字留下来，至少能少吹一点牛。
再谈一点钱
最近还做了个每日投研 Agent。
过去买卖做交易，常凭感觉：听来些消息，读过几条政策，再加一点行业认识，就觉得可以买。理由也有，只是有时候先有了买的意思，再替它找个像样的理由。
这毛病不太体面，承认起来倒不费钱。
饮食和训练既然得了帮助，自然也想把资产配置交给 AI 研究。不过，“能帮忙点菜”与“能帮忙赚钱”之间，隔着的东西恐怕不少。
目前的办法，是先提供家庭资产的大致结构、收入、资金用途、持仓和自己的认识，把允许讨论的范围、数据要求、触发条件都说清楚。它给建议，账户和交易执行还留在自己手里。券商的密码和交易权限，也没有交出去。
光说一句“想赚钱”，并不足以说明问题。谁不想赚钱呢？要紧的是能承担什么，不能承担什么，哪些钱要用，哪些判断有依据，哪些只是胡猜。把这些交代明白，得到的东西才像个能反复使用的工具。
往后的 2027 年，还想继续试，逐步把更多资产配置的分析与判断交给它。能交多少，要看记录和结果。现在兴冲冲地宣布它比自己高明，过些时候再想办法解释亏损，倒也不是很省事。
今年9月开始，无意间又发现可以把一些任务放到云端执行。以前定时任务靠本机开着，关机就歇菜；换到另一台电脑，还要惦记环境和上下文。现在正试着往云端搬，希望 Mac、Windows，甚至手机都能接着用。
这些还在搭建和验证，不敢说已经畅通无阻。不过，短时间内做出个自己满意的小工具，确实使人上瘾。过去觉得麻烦而没做的事情，如今多了个动手的理由。
旧本领与新玩具
这么折腾下来，开头那个关于饭碗的问题，又绕回来了。
说 AI 能抹平差距，大约有道理；说它会拉大差距，笔者也有切身体会。
比如这些小工具，做得快，多少因为以前干过相关的活。没部署过网站，未必知道博客到底缺哪一步；不了解交易和自己的资金状况，也很难把投研任务约束成一个清楚的东西。稀里糊涂地提要求，可能做出一堆很热闹的功能，等想改一点，才发现处处牵扯，像团搅过的面条。
做交付这几年，除了敲代码，总算还留下一些习惯。先调查，再动手；把一个问题拆开，弄清各部分该管什么；经常变的数据和相对稳定的规则分开放；这一次任务的信息，不往全局里乱塞；做完以后，还得能检查、能修改。
听起来没什么惊天动地，都是干活时吃过亏才学来的。如今拿去做 Agent，居然还管用。
所以暂时觉得，说清楚问题、给出相关背景、划定边界、看出结果哪里不对，再一点点改，这些能力会影响 AI 到底能帮上多少忙。不能只看它第一次做出来多么漂亮，还得看看第二次、第三次改动时，会不会把人折腾死。
查资料也碰到了不完全顺着这番感想的结果。某些行业，例如客服，相关研究发现经验较少的人获益更多；另外某些咨询行业的实验结果则提醒，AI 对一些任务很有用，换些任务又未必。因此，这里说的只是几个需要自行组织、判断和维护的个人项目，尚不足以拿去宣布谁的前途比较光明。
至少，过去积累的经验没有随着代码变便宜就一笔勾销。有些本领不大值钱了，有些本领倒找到了新的用场。究竟各占多少，还得接着干，坐着想很容易把自己想得不可替代。
还有一件事想试。
到现在为止，多半是在多少懂一点的地方借 AI 的力。它像个放大器，能放大多少，与原来有些什么关系很大。那么，完全不懂的地方呢？
笔者喜欢摇滚乐，对电吉他却是门外汉，连怎么入门都不知道。也许再过五年、十年，甚至退休以后，可以让它帮忙安排最初的练习，建立一点耳朵和手上的判断。先从零走到一，再看看这个放大器能把一变成多少。
到那时候，它要是真能帮一个门外汉学会玩点音乐，倒比替人多写几份汇报有意思。当然，也可能吉他买回家，最后只学会擦灰。现在还不能排除人的这一部分本领。
眼下的感想，大致如此。对工作的前景有些不安，对生活里的新办法又很起劲，两者暂时相处得还行。先把饭吃明白，把比赛跑完，再把这些话留下来。
至于明年，到时候再说。