judgment

这条推文指出，尽管AI代理擅长回忆过去的互动，但由于缺乏明确信号，它们难以判断什么对用户重要，凸显了个人AI发展的一个关键局限。

本文探讨了AI代理懂得何时不采取行动的重要性，认为对自主性的更好判断可能是其未来实用性的关键。

Addy Osmani 反思了在以AI驱动的世界中品味和判断力的作用，认为尽管AI可以习得品味，但植根于责任感和主人翁意识的人类判断力仍然不可替代。

作者认为，关于AI的对话应少关注更好的模型，多关注利用AI发展人类的专业知识、判断力和批判性思维，重新定义AI素养，帮助人们超越单纯的提示词使用而成长。

Adam Mosseri 透露，工程招聘已从编程能力转向判断力，Instagram 不再要求完整的技术面试流程。他承认自己是一名平庸的工程师，这突显了行业的变化——工具判断力比技术深度更重要。

本文讨论了福特和Klarna等公司如何裁员以支持AI，却又悄悄重新雇回许多员工，并指出AI不能替代人类的判断力和情境理解力，创始人应该用AI赋能他们最优秀的人才。

使用Fable和Opus等AI编码工具的实用技巧：让它们自行判断而不是规定行为，并通过子代理将较小的任务委托给较低功耗的模型，以节省token并提高效率。

文章讨论AI自动化将导致大多数高收入技能过时，提出未来所需四项核心技能：主观能动性、品味与独特视角、判断力、深度通才，强调人类需主动适应以成为“主权个体”。

本文认为，公司真正的判断力并非藏于存档文件中，而是体现在资深员工在工作最终定稿前所做的编辑（差异）中；AI 应学习这些差异以捕捉机构知识。

Hiten Shah 反思了 AI 如何将 GitHub 从证据库转变为非编码人员可以直接将产品判断应用于软件工作流程的环境，从而弥合客户理解与代码之间的鸿沟。

Kent C. Dodds 分享了 Grady Booch 的建议：阅读你技术栈之外的源码（例如 MacPaint、Linux、MediaWiki），通过跨领域的好奇心培养独特的判断力。

本文对比了两种AI用户：一种使用AI完成任务但不理解输出结果，导致收入上限受限；另一种则花时间学习AI的解释，逐步构建判断力，这种能力随时间累积，从而获得更高收费和客户推荐。

本文认为，AI代理需要更好的判断力来决定何时避免行动，特别是在数据不完整或结果不可逆的情况下。同时，受控的自主性对公司来说更值得信赖。