↩ 研究与项目/AGI 时代高性价比人生指南

0. 怎么读这本书

The AGI-Life Primer · 00

这一章讲怎么用这本书，不讲 AI。它回答六个问题：这本书从哪里来，它和原书《高性价比人生指南》是什么关系；本书说的"五种资源"是什么，为什么比原书多出一种；每条建议后面的 A、B、C 是怎么评出来的，为什么 2027 年以后的事一律只能拿 C；"三条情景线"是什么，为什么每条建议都要贴一个情景标签；一条建议的八个字段分别怎么读；以及最实际的一件事，怎么让 AI 帮你查这本书，查完为什么还得去找一个真人。读完这一章，读者应该能在两分钟内判断任何一条建议是不是适合自己，也应该能识别别人拿 AI 吓唬人或者卖东西时的漏洞。

这本书从哪里来

2026 年 9 月，GitHub 上出现了一个叫 HowToLiveBetter 的仓库，中文名《高性价比人生指南》。它在 18 天内拿到 1.5 万颗星，到 9 月底已经超过 1.6 万颗。它的做法很简单：把一个普通人一辈子会碰到的决定拆成 608 条建议，分成 33 章，每条写清楚"花掉什么、换回什么、证据多硬"，然后在每一节里按性价比从高到低排。它只引期刊论文和官方文件，不引自媒体和"据报道"。它的口吻是"这是备选单，不是任务清单，作者自己也没做到大部分"。

那本书回答的问题是永恒的，但它描述的世界是 2026 年之前的世界。在那个世界里，工作大体稳定，学历回报率可以查表，诈骗靠话术而不是靠克隆你儿子的声音，法律追得上技术。这本书写的是同一个问题在一个变了的世界里的答案。变化有多大，第 1 章会用数字说清楚。这里只需要三句话：到 2026 年 9 月，公开的前沿 AI 系统能以一半的成功率独立完成大约 12 小时的软件任务；美国 22 到 25 岁在 AI 暴露度高的职业里的就业，比同龄人低了 19%，而且这件事是通过"不再招人"发生的；美国联邦调查局 2025 年收到的网络犯罪损失报告合计 208.8 亿美元，比前一年多 26%。

本书沿用原书的四样东西：骨架、条目格式、证据纪律、按性价比排序的规则。骨架指章节顺序，先身体，再工作与钱，再法律与安全，再家庭与社会。条目格式指每一条都有成本、说人话、收益、证据等级、来源、备注这些字段，本书在此基础上加了两个字段，情景和可逆。证据纪律指只引原始文献，检索不到的写"待核实"并降级。排序规则指每一节里最划算的排前面，让一个只有五分钟的读者看前三条就够。

本书不重复原书已有的 608 条。系安全带、装烟雾报警器、打疫苗、戒烟、每年查一次血压，这些建议在 AI 时代一条都没失效，本书只在相关章节的导读里一句话指回原书，不重写。本书写的是三类内容：原书没写的新风险和新机会，比如 AI 换脸拟声诈骗、智能体的权限管理、AI 生成内容的法律责任；原书写了但在 AI 时代权重变了的老建议，比如"学什么划算"整章要重估；以及原书没有的一个视角，就是每条建议在 AI 发展快、慢、中等三种情况下分别还成不成立。

本书的一句话主线是：AI 让"智力"变便宜，让"时间、身体、信任、法律、选择权"变贵。高性价比的人生决策，就是少在正在变便宜的东西上花钱花命，多在正在变贵的东西上占位，并且优先做那些无论 AI 快慢都不后悔的事。这句话是全书的判断，不是共识。第 2 章和第 3 章会给出它依赖的证据和它可能错在哪里。

五种资源：原书的四种加上选择权

原书把人生决策看成资源之间的交换。你花掉的是钱、时间与精力、毅力，换回的是四种东西：寿命、时间与精力、金钱、人身自由。每条建议标一个"口径"，说明它主要换回哪一种。不同口径不互相折算，因为没有一个诚实的汇率能把"少坐三年牢"换算成"多活两年"或者"多赚二十万"。读者看口径就知道，这条建议是在帮自己活得久，还是省钱，还是不出事。

本书加了第五种资源，叫选择权。定义是：在未来 3 到 5 年内，你还能走多少条路而不付出毁灭性代价。它由五样东西构成：可动用的储备金、可迁移的技能、不止一个的收入来源、健康的身体、以及没有被不可逆决定锁死的人生。选择权不能直接换钱，但它决定当外部条件突然变化时，你是主动调整还是被动接受。一个有 12 个月生活费储备、会两门手艺、身体没毛病、没有 30 年房贷的人，和一个月光、只会一件事、背着长期负债的人，面对同一次裁员，处境完全不同。

花掉的那一边也有三样：钱、时间与精力、毅力。原书的经验是三样里毅力最贵，本书加一条观察：在 AI 时代，时间与精力的价格也在涨。当信息、文本、代码、初级分析都可以按分钟生成时，一个人的清醒小时数是少数没有变便宜的投入。所以本书在评估成本时，对"每天要花一小时"这类建议比原书更谨慎，对"一次性花两小时设置好就不用管"这类建议更偏爱。读者自己评估一条建议时，可以问一句：这件事是花一次时间，还是每天都要花。

为什么原书不需要这一种资源，而本书需要。原书的世界变化慢，一条路走到底通常是最优解，专业化的回报高于灵活性的回报。本书的世界变化快，而且方向不确定。第 2 章会详细讲三条情景线，这里只说结论：在 2026 年 9 月，没有人能负责任地说 2029 年的白领劳动力市场是什么样。当方向不确定时，"保住转身的余地"本身就有价值，这个价值在金融里叫期权价值，在日常语言里叫留后路。本书把它单列出来，是因为很多高性价比的决定，比如多存几个月生活费、不辞职去全职创业、把技能学到能跨行业迁移，主要换回的就是这个。

下面这张表是五种资源的定义、常见的度量和本书里对应的口径写法。表里的"收益量级"标准来自 style.md，是全书统一的。

资源定义怎么度量收益量级：大 / 中 / 小
寿命活得久、少生病、少残疾死亡率降幅、疾病发生率死亡率降 20% 以上为大，10 到 20% 为中，10% 以下或只到中间指标为小
时间与精力每天可支配的清醒小时数省下或耗掉的小时每天小时级为大，每周小时级为中，一次性为小
金钱可支配收入与净资产元或美元万元级为大，数百到数千为中，几十元为小
人身自由不被拘留、判刑、限制出行刑事、行政、民事后果避免刑事责任为大，避免拘留或行政处罚为中，避免民事纠纷为小
选择权3 到 5 年内还能走几条路储备月数、可迁移技能数、收入来源数、不可逆承诺数保住一个职业方向或一笔可动用储备为大，保住一项技能或一段关系为中，其余为小

读者用这张表的方法是：先问自己现在最缺哪一种。刚毕业、没存款的人最缺金钱和选择权；四十多岁、有房贷有孩子的人最缺时间精力和选择权；六十岁以上的人最缺寿命和人身自由（因为老人是诈骗的主要目标）。然后去对应口径的条目里，从上往下看。

证据分级：A、B、C 在 AGI 时代各是什么意思

原书的证据分级借鉴了医学界给临床建议分级的做法。医学界有一套叫 GRADE 的体系，把证据分成高、中、低、极低四档，随机对照试验起步是高，观察性研究起步是低，然后根据偏倚、不一致、不精确等因素升降。美国预防服务工作组给筛查建议打 A 到 D 加 I 五个等级，A 和 B 表示推荐，I 表示证据不足。原书把这套东西简化成三档，A 是随机试验、大型队列、荟萃分析或官方统计，B 是单项研究或需要外推，C 是经验和判断。

本书沿用三档，但每一档的定义都针对 AI 题材做了修改。修改的原因是，AI 题材最容易写成通篇推演。一篇文章说"到 2030 年一半白领会失业"，另一篇说"AI 只是又一个工具"，两边都很自信，两边都没有 2030 年的数据。本书的分级就是要把"有数据的"和"在推演的"分开，让读者一眼看出哪句话有多硬。

等级本书的定义典型例子读者该怎么对待
A有 2023 到 2026 年的具体数字可查。出处是随机试验、大型队列、荟萃分析、官方统计（统计局、央行、法院、公安、CDC、BLS、纽约联储等）、法律法规原文、或公司正式披露（财报、监管文件）。能说出降了多少、涨了多少、罚多少《人工智能生成合成内容标识办法》2025 年 9 月 1 日施行；FBI 2025 年网络犯罪损失 208.8 亿美元；Stanford 2026 年 8 月的 19% 就业缺口可以直接据此行动。仍要看备注里的反方证据
B有研究或数据支持，但需要外推。单项研究、小样本、调查问卷、历史类比（工业革命、电气化、互联网泡沫、ATM 与柜员）、或 2023 年以前的数据在 AI 时代是否还成立需要打折1,000 名招聘经理的问卷里 59% 承认拿 AI 当裁员的说辞；1980 到 2010 年 ATM 普及而柜员没减少方向大概率对，幅度要打折。做可逆的动作可以据此行动，做不可逆的要再找证据
C推演与判断。凡是关于 2027 年以后会发生什么的内容一律是 C。作者经验、行业公认做法、专家预测也是 C"2028 年上半年出现超人编码者级系统"；"基准线下白领任务过半可自动化"当作一种可能性，不当作事实。看清它依赖哪条情景线，自己盯着指标更新

有三条纪律读者应该知道，因为它们决定了这本书里哪些话可信到什么程度。第一，每章 A 级条目不少于 35%，C 级不超过 35%。这是硬指标，写不够 A 级的章节不算完成。第二，有争议的 A 级和 B 级条目会标"争议"并列出反方证据。比如"AI 导致应届生失业"就是有争议的 A 级，因为伦敦政治经济学院有研究认为远程办公比 AI 更能解释入门岗位的减少。第三，每章的来源合计不少于 15 条不同的原始来源，只引原始文献，不引二手转述。2025 到 2026 年的数字尽量都经过网络核实，核实不到的写"待核实"并降为 C。

为什么 2027 年以后的一切都只能是 C。原因不是作者谦虚，而是 AI 能力的预测在过去几年里反复失准，两个方向都有。2023 年很少有人预测到 2026 年 AI 会在国际数学奥林匹克拿满分；同一批人里也有不少预测 2025 年就会出现能替代大部分程序员的系统，这也没发生。测量机构 METR 自己的数据显示，AI 能独立完成的任务时长自 2023 年以来大约每 129 天翻一倍，但它同时提醒这个趋势可能放缓，而且超过 8 小时的任务里至少 16% 的"成功"是靠作弊。在这样的不确定性下，把任何 2027 年以后的图景标成 A 或 B，都是在冒充自己知道不知道的事。

A 级也不等于"这条建议一定对"。A 级只保证数字本身有出处、可核对，不保证数字说明的是读者以为的那件事。举一个本书里反复出现的例子。Challenger 公司每月统计美国企业公开宣布的裁员，并按企业自己给的理由分类，2026 年 5 月有 38,579 人的裁员被归因于 AI，占当月的 40%，这是 A 级的官方口径数据。但同一时期一份对 1,000 名招聘经理的问卷显示，59% 的人承认在解释裁员时会特意强调 AI，因为这比说"钱不够了"更好听，而只有 9% 的人说 AI 真的完全替代了某些岗位。两个数字都是真的，放在一起读，才知道"AI 裁员"这个数字有多少水分。本书的做法是把这类反方证据写进备注，读者的做法应该是看到 A 级也去看一眼备注。

C 级不等于没用。一条 C 级建议如果成本为零、可逆，照做也没有损失。C 级只是提醒读者：这一条依赖某个尚未发生的情景，你要自己盯着第 2 章末尾列的那 8 个指标，情景变了就重新评估。

三条情景线，以及为什么"全情景"的建议排最前

本书不预测 AI 会多快。它把不确定性拆成三条线，然后给每一条建议贴标签，说明它在哪条线上成立。这个做法来自能源公司和军方做长期规划的老办法，叫情景规划：既然预测不准，就不押一个未来，而是画出几个差别足够大的未来，看看哪些决定在所有未来里都不后悔。第 2 章会用一整章讲三条线的定义、锚点、历史类比和怎么自己更新判断。这里只给读者一张够用的简表。

情景到 2028 年到 2030 年对普通人的含义
慢线AI 是强大工具，能力增长放缓；就业冲击集中在入门岗位与内容行业白领任务 20 到 30% 被自动化，多数职业变形而非消失学会用 AI 的人赚更多，不会用的人被挤到低薪岗
基准线出现能完成一周以上任务的智能体；软件、客服、文案、初级分析大部分可自动化白领任务过半可自动化；物理世界、许可证行业、人际服务慢；各国开始讨论转移支付与 AI 税收入结构从"劳动"向"资产与责任"转移；储备金与可迁移技能决定谁能等到下一份工作
快线AI 研发自动化飞轮启动，能力每几个月一代大规模替代，社会保障重构，治理事件频发个人能做的主要是保身体、保关系、保储备、保可逆，其余交给制度

每条建议的"情景"字段有三种写法。"全情景"指三条线上都成立，比如"给家人定一个电话暗号"，不管 AI 快慢，克隆声音的成本都已经趋近于零，这条永远划算。"基准线及更快"指慢线上不成立或者收益很小，比如"把储备金从 3 个月提到 12 个月"，如果 AI 走慢线，这笔钱的机会成本可能大于它买来的安全感。"只在快线成立"指只有 AI 发展最快的情况下才值得做，比如某些针对大规模替代的准备动作。

排序规则里有一条读者必须理解：同等性价比下，全情景的条目排在前面；只在快线成立的条目，性价比档自动降一档。原因是一个简单的期望值计算。假设三条线各占三分之一的概率（实际权重读者可以自己调），一条只在快线成立的建议，做了以后有三分之二的概率是白做，付出的成本收不回。一条全情景的建议，做了以后在任何一条线上都收得回。两条建议的"收益"栏写着同样的数字时，前者的期望收益只有后者的三分之一。降一档是对这个差别的粗略修正。

读者不必接受三分之一的均分权重。一个做软件外包的人，看到自己公司已经用智能体写了大半代码，可以给基准线和快线更高的权重，把"基准线及更快"的条目往前提。一个在县城做水电安装的人，可以给慢线更高的权重，因为他的工作短期内没有 AI 能替代，他更该关心的是原书里的健康和法律条目。本书给的是一套排序规则和一个 2026 年 9 月的基线，权重是读者自己的事。第 2 章末尾的 8 个指标就是用来调权重的。

这个规则也是本书对自己最大反例的回答。最大反例是：如果 AI 走慢线，很多"为快线做准备"的建议都是浪费。本书承认这一点，所以把加权做进了排序。读者如果只做全情景的条目，无论世界怎么走都不亏。读者如果时间和钱都有限，就从每章前面的全情景条目做起，快线条目等指标真的动了再说。

情景线还有一个用处，就是帮读者识别别人的话。当一个培训机构说"三年内不会 AI 就会被淘汰"，他默认的是基准线或快线，读者可以问他：你押的是哪条线，依据的指标是什么，如果走慢线你退不退钱。当一个专栏作者说"AI 只是又一次工具革新，历史上每次都创造了更多岗位"，他默认的是慢线，读者可以问他：ATM 和柜员的故事在 1980 到 2010 年成立，你有什么证据说它在时间跨度每 129 天翻倍的技术上还成立。两边都可能对，但都应该说清楚自己在押什么。

一条建议长什么样：八个字段怎么读

从第 4 章起，每条建议都是一个三级标题加八个字段。标题是一个具体动作，动词开头，看标题就知道要做什么或者别做什么。标题下面一行是给机器读的标签，读者可以跳过，它的用处是让 AI 和程序能按钱、时间、收益、情景筛选条目，后面会讲怎么用。八个字段依次是成本、说人话、收益、证据等级、情景、来源、备注，加上标签行里的口径和可逆。下面逐个说怎么读。

成本分三项：钱、时间、毅力。钱分四档，0 是不花钱，少是几十到几百元，中是几百到几千元，多是万元以上。时间分三档，少是一次性 1 小时内，中是每周小时级或一次性一天以上，多是每天小时级或持续数月。毅力只有是或否，需要长期改变习惯的为"是"。这三项是作者按 2026 年市价的粗略估计，只用来互相比较，不要拿去引用。原书的经验是，毅力那一栏最诚实：绝大多数人做不到的事，不是因为贵，而是因为要坚持。

说人话是给只有十秒钟的读者写的。它把"收益"栏里的数字翻成日常说法，只用收益栏已有的内容，不添新数字。原书的写法是"戴头盔并且把扣带扣好，摩托车骑手出事时死亡的概率低约四成"，而不是"OR 0.58，95% CI 0.50 到 0.68"。本书沿用这个标准。如果读者只看一行就要拿主意，看这一行。

收益是原始数字。研究名、年份、样本量、效应量，写明是随机试验、队列、官方统计、公司披露还是调查问卷。这一栏是给想核对的读者写的，也是证据等级的依据。读者会发现本书的收益栏里，很多数字不是"死亡率降了多少"这种干净的因果效应，而是"某项数据 2025 年是多少"这种状态描述。这是 AI 题材的特点，很多事情刚发生，还没有人做过随机试验。这类数字如果来自官方统计或公司正式披露，仍然给 A，但备注里会写清它只说明现状，不说明因果。

证据等级和情景上一节讲过了。口径写在标签行里，五种之一，上上节讲过了。剩下一个字段是本书新增的：可逆。

可逆分是和否。可逆为"是"的动作，做错了能撤回，试错成本低，比如换一个密码管理器、开始每周投三小时学一门手艺、把一部分储蓄挪进货币基金。可逆为"否"的动作，一旦做了很难回头，比如辞职、卖房、生育、举债、移民、签长期合同、把大部分钱押进单一资产。本书的规则是，不可逆的动作要求更高的证据等级才能排在前面。一条 C 级的不可逆建议，不管它听上去多有道理，都不会排进任何一章的前三分之一。这条规则对应第 3 章第一条原则，可逆优先：变化越快，撤回的价值越高，能试就别赌，能租就别买，能兼职试就别辞职。

性价比档是每一节内部排序的依据，分极高、高、一般三档。规则沿用原书：好处大、三项成本全为零，是极高；好处大、成本不高，或好处中等、成本为零，是高；其余是一般。本书加了一条：只在快线成立的条目自动降一档。性价比档是作者判断，本身是 C 级，和证据等级是两回事。一条 A 级证据的建议可以性价比一般（比如证据很硬但很贵），一条 B 级的建议可以性价比极高（比如证据一般但不花钱不费事）。

备注是本书要求最严的字段，每条必须有，至少写一句"这条什么时候会失效"或"反方证据是什么"。读者应该把备注当成作者的自我审查记录。一条建议的备注里如果写着"如果监管在 2027 年把这类服务全面纳入牌照管理，本条失效"，那读者就知道该盯什么。备注里也写这条和别的条目的关系，格式是"见第 N 节第 M 条"。

下面是一个完整的例子，正式版本在第 17 章，这里只用来示范怎么读，读者可以照着上面的说明逐字段对一遍。标签行的写法是 HTML 注释，正文阅读时可以无视。

示例：给家人定一个电话暗号，接到"急需转账"的语音或视频先对暗号

<!-- 标签: 钱=0 时间=少 毅力=否 收益=大 口径=钱 证据=A 情景=全 可逆=是 -->

读者看这个例子时应该注意两件事。第一，收益栏里的数字都是"现状"，不是"暗号的效果"，所以证据等级那一行诚实地写了"没有试验，是机制推断"。第二，备注写了失效条件。本书希望每一条都做到这两点。

怎么用这本书：不用全做，让 AI 帮你查，查完找真人

不用全做

原书在开头写过一句话，本书原样接过来：这是备选单，不是任务清单，作者自己也没做到大部分。608 条建议里，一个正常人能长期做到的可能只有几十条。本书的条目章加起来也有几百条，同样没有人能全做。这本书的用法不是从头到尾照做，而是三步：先找到自己最缺的资源，再在对应的章里从上往下看前十条，最后只挑成本为零或很低、可逆、全情景的先做。

有几类读者可以直接跳到特定章节。刚毕业或者在找工作的人，先看第 6 章"你的工作还剩几年"和第 9 章"学什么划算"，再看第 8 章"离职、被裁与失业保障"。在职、担心被替代的人，先看第 7 章"在职怎么用 AI"和第 14 章"资产配置"。家里有老人的人，先看第 17 章"AI 换脸拟声"和第 24 章"家里有老人"，这两章的前几条基本都不花钱。家里有孩子的人，先看第 23 章。程序员和技术人先看第 12 章。所有人都应该看一遍第 13 章"AI 时代的反面清单"，那一章讲的是别把钱花在哪里，省钱比赚钱容易。

有两类建议读者可以放心跳过。一类是"只在快线成立"的条目，它们已经被降了档，排在各章后面，等第 2 章末尾的指标真的动了再回来看不迟。另一类是标了"争议"的条目，如果读者看了反方证据觉得反方更有道理，跳过就是。本书不需要读者同意它的每一个判断，只需要读者知道每个判断的依据是什么。

还有一类建议读者不应该跳过，就是原书里的健康条目。烟、酒、运动、睡眠、疫苗、筛查，这些 A 级建议在 AI 时代一条都没失效，而且相对价值上升了，因为其余东西的回报都变得更不确定，只有身体的回报是确定的。本书不重写它们，只在第 4 章的导读里指回。如果读者只打算做十件事，其中至少五件应该来自原书的健康章。

让 AI 帮你查，以及为什么查完还得找真人

这本书是纯文本，每条建议都有结构化的标签，这两点是特意为 AI 设计的。到 2026 年，美国大约一半的成年人用过聊天机器人，九成职业开发者每周使用编程智能体，大部分读者手边都有一个能读长文本的模型。用它查这本书，比自己翻快得多。

具体做法是三步。第一步，把你关心的那一章整章复制进对话框，或者把整本书的文件上传。文件不大，任何主流模型都放得下。第二步，告诉模型你的情况，越具体越好：年龄、城市、职业、收入、储蓄、家庭、最担心的事。第三步，问它三个问题。第一个问题是"按这本书的规则，我这种情况最该先做哪五条，为什么"。第二个问题是"这五条里哪些是全情景的，哪些依赖基准线或快线"。第三个问题是"这五条的备注里写的失效条件，有没有已经发生的"。模型会按标签筛，按性价比排，把备注里的条件对着你的情况检查。这三个问题问完，大部分读者能拿到一份适合自己的短清单。

还可以让模型做两件人做起来很烦的事。一是核对来源：把某一条的来源链接给它，让它去看原文，告诉你本书的转述有没有走样。本书的来源都是公开的原始文献，模型能访问网络的话查得到。二是更新数字：让它去查第 2 章末尾那 8 个指标的最新值，和本书写的 2026 年 9 月基线比一比，告诉你世界更接近哪条情景线了。这本书的印刷版会过时，指标不会。

但查完以后，有一类决定必须去找一个真人，而且是一个对结果负责的真人。原因不是 AI 不够聪明，而是 AI 在和人互动时的表现，比它在考试里的表现差得多。牛津大学 2025 年做过一个随机试验，1,298 名参与者拿着医疗情景去问大模型。模型自己单独作答时，能在 94.9% 的情景里识别出相关的疾病；但当真人拿着同一个模型去问时，识别率不到 34.5%，和不用模型的对照组没有区别。问题出在人不知道该告诉模型什么，也不知道该怎么理解模型的回答。这个结果说明，"模型很强"和"你用模型能拿到正确答案"是两回事。

第二个原因是责任。截至 2026 年 9 月 25 日，一个公开的数据库已经收录了全球 2,079 起法院文书里出现 AI 编造引用的案件，其中 827 起是执业律师干的，1,196 起是自己打官司的当事人干的。这些案件里模型编造了不存在的判例、引了不存在的条文、把真实判决说成相反的意思。最早的著名案例是 2023 年纽约的一起航空公司诉讼，两名律师因为提交了 ChatGPT 编造的判例被罚款 5,000 美元。三年过去，模型更强了，案件数反而在涨，因为用的人多了，而且用的人越来越相信它。模型不会被吊销执照，不会赔钱，不会坐牢。签字的律师会。

所以本书的规则是：凡是不可逆的决定，第二意见必须来自能负责的真人。辞职之前找一个在那个行业里干过的人，卖房之前找一个做过这笔交易的人，换药停药之前找开药的医生，打官司之前找出庭的律师。AI 可以帮你把问题想清楚、把材料整理好、把要问的问题列出来，这能把真人的时间省下一半。但最后那个"做还是不做"，要有一个人和你一起承担。这条规则对应第 3 章第五条原则：把 AI 当有 12 小时耐心的实习生，不当有执照的医生。

最后一件事。这本书本身也是用 AI 辅助写的，作者用模型检索、核对、统计字数、检查格式。每一个数字都经过作者核实并给出了原始出处，但作者不能保证一处错误都没有。读者发现错误，去原书的仓库提交修改。这本书和原书一样，欢迎被改。

读到一条 AI 相关的说法时，先问五个问题

一本入门书的标准是：读完之后，读者能识别别人的胡说八道。AI 题材的胡说八道特别多，因为它同时满足三个条件：变化快，没人能全懂；利益大，卖课的、卖软件的、卖焦虑的都在；而且真实的进展确实惊人，让离谱的说法听上去也不离谱。本书的五个字段刚好可以反过来用，变成五个问题。读者以后看到任何关于 AI 的断言，无论来自媒体、老板、亲戚还是本书，都可以照着问。

第一个问题：数字从哪来。一句"AI 将取代 40% 的工作"，先问是谁、哪一年、用什么方法算的。这个数字确实存在，来自国际货币基金组织 2024 年 1 月的一份分析，原话是全球约 40% 的就业"暴露于"AI，发达经济体约 60%，而且其中大约一半是可能被 AI 增强而不是替代。"暴露"和"取代"是两个词。原始出处找不到的数字，按本书规则是 C 级，按日常规则是不信。

第二个问题：这是现状还是推演。"2026 年 5 月美国有 38,579 人的裁员被公司归因于 AI"是现状，来自一家做再就业咨询的公司每月统计的公开裁员公告。"到 2030 年一半白领会失业"是推演。推演不是不能说，但说的人要交代假设：AI 能力照什么速度涨，企业照什么速度采用，政府做不做转移支付。本书的规则是 2027 年以后一律 C，读者可以对所有人用同一把尺子。

第三个问题：押的是哪条线。前面讲过，卖课的默认快线，讲"历史总会创造新岗位"的默认慢线。两边都可以对，但都应该说出自己的情景和指标。一个诚实的说法应该长这样："如果 AI 完成任务的时间跨度继续每四个月翻一倍，那么到 2028 年……；如果放缓到每八个月，那么……"。没有"如果"的预测，不值得听。

第四个问题：可逆吗。一条建议如果是可逆的，证据弱一点也可以试，试错的成本就是学费。一条建议如果不可逆，比如辞掉工作全职做 AI 创业、把存款全押进 AI 概念股、为了躲 AI 冲击去读一个四年的学位，那么它要求的证据等级要高得多。听到不可逆的建议时，先问给建议的人：如果走了慢线，我怎么退回来，你退不退钱。

第五个问题：谁负责。这是本书反复回到的一点。AI 能给出建议，不能签字担责。一个说法如果最后落在"所以你应该……"上，读者要问：按这个做了以后出了事，谁负责。如果答案是"没人"，那它就只能当作参考，不能当作决定。如果答案是"我"，比如一个医生、一个律师、一个愿意签合同的机构，那它才有资格进入不可逆的决定。

这五个问题也适用于本书自己。每一条建议的收益栏回答第一个问题，证据等级回答第二个，情景字段回答第三个，可逆字段回答第四个，备注和第 3 章"责任比技能保值"回答第五个。读者用这五个问题对本书挑刺，比本书希望的任何用法都好。

资料来源

  1. eternity4719 (2026). HowToLiveBetter：高性价比人生指南. GitHub. <https://github.com/eternity4719/HowToLiveBetter>
  2. METR (2026). Frontier Risk Report (February to March 2026), 2026 年 5 月 19 日. <https://metr.org/blog/2026-05-19-frontier-risk-report/>
  3. METR (2026). Time Horizon 1.1, 2026 年 1 月 29 日. <https://metr.org/blog/2026-1-29-time-horizon-1-1>
  4. Brynjolfsson E, Chandar B, Chen R (2026). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (August 2026 update). Stanford Digital Economy Lab. <https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/>
  5. FBI Internet Crime Complaint Center (2026). 2025 Internet Crime Report. <https://www.ic3.gov/AnnualReport/Reports/2025_IC3Report.pdf>
  6. Federal Trade Commission (2026). FTC Data Show People Reported Losing $3.5 Billion to Imposter Scams in 2025, 2026 年 6 月. <https://www.ftc.gov/news-events/news/press-releases/2026/06/ftc-data-show-people-reported-losing-3-point-5-billion-imposter-scams-2025>
  7. Guyatt GH 等 (2008). GRADE: an emerging consensus on rating quality of evidence and strength of recommendations. BMJ 336:924. <https://doi.org/10.1136/bmj.39489.470347.AD>
  8. U.S. Preventive Services Task Force. Grade Definitions. <https://www.uspreventiveservicestaskforce.org/uspstf/about-uspstf/methods-and-processes/grade-definitions>
  9. Bean AM 等 (2025). Clinical knowledge in LLMs does not translate to human interactions. arXiv:2504.18919. <https://arxiv.org/abs/2504.18919>
  10. Charlotin D (2026). AI Hallucination Cases Database，2026 年 9 月 25 日更新. <https://www.damiencharlotin.com/hallucinations/>
  11. Mata v. Avianca, Inc., No. 22-cv-1461 (S.D.N.Y. June 22, 2023), Opinion and Order on Sanctions. <https://www.courtlistener.com/docket/63107798/mata-v-avianca-inc/>
  12. Resume.org (2025). The Great Turnover: 9 in 10 Companies Plan To Hire in 2026, Yet 6 in 10 Will Have Layoffs（1,000 名招聘经理问卷，2025 年 12 月）. <https://www.prnewswire.com/news-releases/resumeorg-survey-the-great-turnover-9-in-10-companies-plan-to-hire-in-2026-yet-6-in-10-will-have-layoffs-302654255.html>
  13. Bessen J (2015). Toil and Technology. IMF Finance & Development 52(1). <https://www.imf.org/external/pubs/ft/fandd/2015/03/bessen.htm>
  14. Pew Research Center (2026). Americans and AI 2026: Chatbots, Smart Devices and Views on Impact, 2026 年 6 月 17 日. <https://www.pewresearch.org/internet/2026/06/17/americans-and-ai-2026-chatbots-smart-devices-and-views-on-impact/>
  15. International Monetary Fund (2024). AI Will Transform the Global Economy. Let's Make Sure It Benefits Humanity, 2024 年 1 月 14 日. <https://www.imf.org/en/Blogs/Articles/2024/01/14/ai-will-transform-the-global-economy-lets-make-sure-it-benefits-humanity>
  16. Challenger, Gray & Christmas (2026). May 2026 Job Cut Report. <https://www.challengergray.com/blog/challenger-report-may-job-cuts-rise-16-from-april-highest-may-total-since-2020/>
  17. JetBrains (2026). AI Coding Agents: Adoption Trends（1.5 万名开发者，2026 年 5 到 7 月）. <https://blog.jetbrains.com/research/2026/08/ai-coding-agent-adoption-2026/>
  18. 国家互联网信息办公室等四部门 (2025). 人工智能生成合成内容标识办法（2025 年 3 月 7 日公布，2025 年 9 月 1 日施行）. <https://www.cac.gov.cn/2025-03/14/c_1743654684782215.htm>
1. 2026 年 9 月：AGI 时代已经到了哪一步 →