人的优势 Skill（Human Edge）

适用场景

• 担心被AI替代，寻找不可替代的价值
• 想建立长期竞争优势
• 理解"标准"比"作品"更难被复制

输入

字段	说明
ai_capability_gap	AI在哪些方面已接近或超过人
personal_strengths	个人独特优势
long_term_goal	长期职业/业务目标

输出

• 不可替代性清单
• 个人标准升级计划
• 护城河巩固策略

工作流程

1. 能力对比：列出AI强项（效率/规模）与人强项（标准/情感/意义）
2. 标准识别：个人/团队的审美标准是什么？能否清晰表达？
3. 优势聚焦：在哪些领域人的判断是不可替代的？
4. 护城河设计：如何将个人标准转化为竞争壁垒？

核心观点

• 作品可复制，标准不可复制：AI能模仿输出，但难以复制你的判断标准
• 美感是护城河：在AI时代，审美能力是最难被替代的职业能力
• 持续进化标准：护城河不是静态的，需要持续提高标准

注意事项

• 人的优势不是"比AI做得快"，而是"比AI判断得准"
• 标准是内化的，无法直接提取——这是AI的短板，也是人的机会

核心概念

概念一：从执行价值到判断价值

以前的价值分配：会做=有价值，做得快=更有价值，做得好=最有有价值。现在的价值分配正在改变：会做=基本门槛（AI也会做），做得快=AI更快，做得好=取决于你能不能判断什么叫"好"。

真正的分水岭不再是执行能力，而是判断能力。以前客户找设计师是因为他能把东西做出来，现在客户找他是因为他能从一堆AI生成的方案里选出最成立的那个，并且能说清楚为什么。这个转变的核心：真正值钱的从来不是技术本身，而是知道什么值得做、什么值得留下的判断力。

概念二：AI最容易替代的 vs 人最难被替代的

AI擅长替代的：可重复的执行（同样的任务做一百次不累不降质）、已知模板的复现（把已有风格快速复现）、大量变体的生成（一次几十个版本）、通用解法的提供（常见问题的"差不多对"答案）。这些能力的价格正在快速下降。

人真正难被替代的：

1. 标准的建立与提升——谁来定义什么是高分？谁来决定昨天的高分今天是否还够？
2. 在大量可能中做出准确选择——哪个最符合这个品牌、这群人、这个时刻？
3. 对"成立"的感知——技术上没问题但仍然不成立的那种"说不清但能感觉到"
4. 对文化、语境、共同语言的理解——AI没有真正活过，没有在某个文化里成长过
5. 持续提高"够好"的定义——今天的高级感可能三个月后就变成陈词滥调

概念三：作品可以被复制，标准不能

在AI时代，单一作品、表面风格、prompt技巧、一次性成功案例的复制成本正在快速降低。但以下东西难以被复制：审美标准（你对"够好"的定义是内化的）、判断的敏感度（能感知什么时候好东西开始变平庸）、持续产出高水准的能力、对深层逻辑的理解、对人和文化的理解。

标准是内化的判断系统，不是外显的规则集。别人可以看到你选了什么，但很难理解你为什么选这个而不选那个。而且标准是动态的——你今天学会了他的标准，明天他的标准可能已经往前走了。

概念四：美感建立在人的感受结构之上

美感从来不是孤立的形式判断，而是深深嵌入在文化、语境、共同经验和人类感受结构之中。什么是"高级"在不同文化里定义完全不同；什么是"俗"也是文化定义的。AI可以学习某种文化里的"高级"长什么样，但很难真正理解为什么这种形式在这个文化里被认为是高级的。

人类的感受结构——身体经验、社会经验、文化浸润、生命历程——是AI目前无法真正拥有的。AI不知道什么叫"累了一天之后回到家的放松"，不知道什么叫"被理解的轻松"。这些感受不是数据可以给出的，而是需要真正活过才能拥有。

概念五：持续提高标准——人的进化速度可以比AI快

AI的进化依赖训练数据更新，需要大量新数据和时间。人的进化可以是即时的——今天看到一个新作品，感受到一种新可能性，明天就可以融入判断系统。而且人可以从非常少的样本里学习（小样本学习），可以跨领域学习（从电影学叙事节奏用在品牌视频里）。

AI追的是已有答案，人可以改写题目。五年前"高级感"意味着深色调低饱和度，AI学会了这种风格。但当这种风格变得随处可见，它就不再是高级感。有判断力的人会说：现在的高级感是另一种东西。AI会学习这个新模式，但等它学会时，标准又变了。人不是和AI在同一条跑道上赛跑，而是在不断移动终点线。

深入核心概念

深入一：从执行价值到判断价值——正在发生的职业重构

"以前客户找他，是因为他能把东西做出来。现在客户找他，是因为他能从一堆AI生成的方案里，选出最成立的那个，并且能说清楚为什么。" ——《AI Beauty》第8章

以前的价值分配：会做=有价值，做得快=更有价值，做得好=最有价值。现在的价值分配正在改变：会做=基本门槛（AI也会做），做得快=AI更快，做得好=取决于你能不能判断什么叫"好"。真正的分水岭不再是执行能力，而是判断能力。这个转变一开始让人不安，因为感觉技术优势在被削弱。但真正值钱的从来不是技术本身，而是知道什么值得做、什么值得留下的判断力。

应用：在能力对比中，帮助用户把"我的价值"从"我能做出来"重新定义为"我能判断什么值得做"。如果用户的核心焦虑是"被替代"，应从判断力的角度重建信心——你的判断力不是被削弱了，而是变得更加稀缺。

深入二：AI追的是答案，人可以改写题目

"这不是人和AI在同一条跑道上赛跑，而是人在不断移动终点线。" ——《AI Beauty》第9章

AI的进化依赖训练数据更新，需要大量新数据和时间。人的进化可以是即时的——今天看到一个新作品，感受到一种新可能性，明天就可以融入判断系统。五年前"高级感"意味着深色调低饱和度，AI学会了这种风格。但当这种风格变得随处可见，它就不再是高级感。有判断力的人会说：现在的高级感是另一种东西。AI会学习这个新模式，但等它学会时，标准又变了。

应用：在护城河设计中，强调"进化速度"而非"当前水平"。让用户建立定期回顾习惯：每3个月问自己"如果现在重新做，我会怎么做"——如果答案和3个月前不同，说明标准在提高。标准的提高速度就是护城河的深度。

深入三：美感建立在人的感受结构之上

"AI可以学习某种文化里的'高级'长什么样，但它很难真正理解为什么这种形式在这个文化里被认为是高级的。" ——《AI Beauty》第11章

美感从来不是孤立的形式判断，而是深深嵌入在文化、语境、共同经验和人类感受结构之中。什么是"高级"在不同文化里定义完全不同；什么是"俗"也是文化定义的。人类的感受结构——身体经验、社会经验、文化浸润、生命历程——是AI目前无法真正拥有的。AI不知道什么叫"累了一天之后回到家的放松"，不知道什么叫"被理解的轻松"。这些感受不是数据可以给出的，而是需要真正活过才能拥有。

应用：在优势聚焦中，帮助用户识别自己的"文化理解优势"——你对哪些文化/群体有深度理解？你对哪些情绪有特别准确的感知？这些来自真实生活经验的理解，是AI本质上无法替代的。

分步执行

步骤一：能力对比——列出AI强项与人强项

建立清晰的能力对比框架：

1. AI的强项：效率（速度）、规模（批量生成）、一致性（不疲劳）、复现（已知模式）
2. 人的强项：标准（定义好）、选择（判断准）、情感（感受真实）、意义（理解深层）
3. 交集区域：哪些能力AI正在逼近？人的优势是否在收窄？
4. 安全区域：哪些人的能力AI本质上难以替代？

输出：能力对比矩阵，含威胁评估。

步骤二：标准识别——你的审美标准能否清晰表达

帮助用户识别和语言化自己的审美标准：

1. 标准提取：你过去做的选择里，反复出现的判断维度是什么？
2. 标准语言化：你能不能用3-5句话说清楚你对"好"的定义？
3. 标准检验：你能不能用你的标准解释为什么这个好、那个不好？
4. 标准边界：你的标准在什么情况下会调整？什么情况下会坚持？

输出：个人审美标准文档。

步骤三：优势聚焦——哪些领域人的判断不可替代

识别用户的核心不可替代领域：

1. 文化理解：你对哪些文化/群体有深度理解？
2. 情感敏感度：你对哪些情绪有特别准确的感知？
3. 领域专长：你在哪些领域有比AI更深的判断力？
4. 跨领域迁移：你能从哪些领域借用判断力？

输出：个人优势地图。

步骤四：护城河设计——将标准转化为竞争壁垒

设计个人护城河：

1. 作品思维→标准思维：不是做出一个好作品，而是建立一套能持续做出好作品的判断系统
2. 标准显性化：把内化的判断变成可表述的原则，但保留核心判断力的"不可见性"
3. 进化机制：建立定期回顾、标准更新、跨领域学习的习惯
4. 输出壁垒：让每次输出都体现你的标准，形成辨识度

输出：护城河设计方案。

步骤五：持续进化——保持标准领先的方法

建立持续进化机制：

1. 定期回看：每3个月回看自己的作品，问"如果现在重新做，我会怎么做"
2. 主动找不舒服：不只看你喜欢的，也看那些让你不舒服的新作品
3. 把"为什么"说清楚：每次判断都逼自己说清理由
4. 观察文化和人的变化：不只看作品，也看人——受众在关心什么、期待什么
5. 敢于定义新的好：不要只跟随已有标准，要敢于说"这个方向才是对的"

输出：持续进化计划和检查清单。

示例 1

场景：一个设计师担心被AI替代，想找到自己的不可替代价值。

执行过程：

步骤1 - 能力对比：

AI的强项（威胁）：
- 生成速度：1分钟生成50张 → 我1天做5张
- 风格复现：给参考就能生成类似风格 → 我需要研究+练习
- 变体生成：一次出大量版本 → 我只能出2-3个方案

人的强项（机会）：
- 标准定义：我知道这个品牌"对"的样子是什么 → AI不知道
- 选择判断：50张里我能选出最成立的那1张 → AI选不准
- 品牌气质：我能感知"不像我们" → AI只能感知"好看不好看"
- 文化理解：我知道这个受众对什么有警觉 → AI只能学表面模式
- 情感准确：我知道什么会让人感到"被理解" → AI只能模拟情感

威胁评估：执行层面正在被替代，判断层面安全

步骤2 - 标准识别：

从过去一年的选择中提取标准：

反复出现的判断维度：
1. 呼吸感——信息不压迫，有留白
2. 分寸感——不过度设计，不讨好
3. 真实感——不像是模板，有温度
4. 气质匹配——"像这个品牌会做的事"

标准语言化：
"好的设计应该是：让人第一眼感到被理解，而不是被打动。
克制比华丽更难，留白比填满更需要判断。
如果一个设计需要解释'它好在哪里'，那它可能不够好。"

标准边界调整：
- 高端品牌：更克制，留白更多
- 年轻品牌：可以更活泼，但不能失去分寸
- 功能性产品：清晰优先于美感

步骤3 - 优势聚焦：

不可替代领域：
1. 品牌气质判断——10年品牌设计经验，对"像不像"有直觉
2. 受众心理——长期做用户研究，知道什么会让人感到"被理解"
3. 分寸感——知道什么时候该做减法，这是AI最难学的
4. 跨领域迁移——从电影和建筑借用叙事和空间感

步骤4 - 护城河设计：

从作品思维转向标准思维：
- 不是"做出一张好海报"，而是"建立能持续产出好海报的判断系统"
- 把判断标准写成文档，但保留核心判断力的"直觉部分"
- 每个项目结束做复盘：选择是否正确？标准是否需要更新？

进化机制：
- 每月花2小时看"让我不舒服的新设计"
- 每季度回看自己的旧作品
- 每年更新一次个人审美标准文档

输出：能力对比报告 + 个人审美标准文档 + 护城河设计方案。

示例 2

场景：一个产品经理想理解为什么"美感"在AI时代比以前更重要。

执行过程：

步骤1 - 能力对比：

以前的产品经理价值：
- 需求分析：理解用户要什么 → AI可以辅助但不能替代
- 功能设计：把需求变成方案 → AI正在逼近
- 项目推进：协调资源完成目标 → 人的能力
- 质量把控：判断产品是否达标 → 取决于标准

现在的变化：
- 功能设计层面AI越来越强（生成原型、写PRD）
- 但"什么样的体验让用户感到被理解"AI判断不了
- "这个功能该不该做"比"怎么做"更重要
- 产品经理的价值从"把事情做对"转向"做对的事情"

步骤2 - 标准识别：

产品经理的美感标准：

"好的产品体验是：用户不需要学习就知道怎么用。
不是因为引导做得好，而是因为产品'懂'用户的直觉。

好的功能设计是：用户说'终于有人做了这个'。
不是因为功能多，而是因为功能准。

好的取舍是：砍掉80%的功能，只留下最核心的20%。
不是因为技术做不到，而是因为判断力告诉你'这些不需要'。"

步骤3 - 优势聚焦：

产品经理独有的不可替代能力：
1. 用户心理理解——长期做用户研究，对"什么让人感到被理解"有准确感知
2. 取舍判断——知道什么该做什么不该做，这是AI最难学的
3. 体验节奏——知道什么时候该快该慢，什么时候该给信息该留白
4. 跨功能视角——能把技术、设计、商业综合判断

美感在产品工作中的体现：
- 信息架构的秩序感 = 结构美感
- 交互流程的节奏感 = 节奏美感
- 功能设计的分寸感 = 分寸美感
- 整体体验的被理解感 = 体验美感

步骤4 - 护城河设计：

护城河策略：
1. 深化用户理解——不只做调研，还要真正和用户生活在一起
2. 锻炼取舍判断——每个功能决策都逼自己说清"为什么做/不做"
3. 建立体验标准——把对"好体验"的判断写成可复用的原则
4. 保持进化——每季度回顾：我的标准有没有在提高？

关键认知：
"产品可以被复制，标准不能。
别人可以抄你的功能，但抄不了你对'什么值得做'的判断。
这个判断，就是你的护城河。"

输出：能力对比报告 + 产品经理的审美标准文档 + 护城河设计方案。