Firmato il contratto alle 9:00, consegnato alle 21:00.
Un progetto di outsourcing completo. Front-end, back-end, deployment, testing. Abbiamo persino pranzato e chiacchierato per due ore nel mezzo. L'AI ha effettivamente lavorato per 7 ore e 20 minuti.
Non ho scritto una singola riga di codice di vincolo. Nessuna collaborazione multi-agente. Non ho nemmeno ottimizzato i parametri.
Ho dato all'AI tre cose: un demo front-end con ogni pulsante e pagina chiaramente etichettati; un contratto che definiva l'ambito e gli standard di consegna; e un documento di sviluppo—non un PRD di 50 pagine, solo qualche paragrafo che spiegava la logica principale. Poi l'ho lasciata trovare gli strumenti giusti su skills.sh, cercare le librerie corrispondenti su GitHub e decidere da sola lo stack tecnologico.
In passato, un progetto del genere avrebbe richiesto almeno una settimana. Anche un lavoro urgente avrebbe richiesto tre giorni.
Ora, ci vogliono 7 ore.
Perché? Prompt buoni? Il modello giusto?
Niente di tutto ciò.
È stata la knowledge base che ho costruito negli ultimi tre anni a fare il lavoro. Io bevevo tè mentre lei lavorava.
Ne ho parlato con amici che lavorano nell'outsourcing. Le loro reazioni si dividono in due categorie. Uno pensa che mi stia vantando. L'altro resta in silenzio per qualche secondo e poi chiede quali strumenti uso.
Il secondo gruppo capisce. Il primo gruppo non ha ancora realizzato il problema—non è l'AI a rubarti il lavoro; è la persona con una knowledge base a rubarti il lavoro.
La tua 'Knowledge Base' è probabilmente un Magazzino Morto
Lascia che ti faccia una domanda: La tua knowledge base può essere trasformata direttamente in denaro in questo momento?
L'ho chiesto a molte persone. La maggior parte rimane sbalordita e poi risponde di no.
Perché le cosiddette knowledge base della maggior parte delle persone sono cimiteri digitali. Duecento note non finite in Notion che iniziano con 'Da organizzare' e che non vengono mai più riaperte. Segnalibri 'Da guardare più tardi' di tre anni fa che sai che non guarderai mai. Una dozzina di file markdown sparsi in cartelle diverse, ignari l'uno dell'esistenza dell'altro.
Un amico mi ha detto che la sua 'knowledge base' ha oltre 3.000 articoli nei segnalibri. Gli ho chiesto quando è stata l'ultima volta che ne ha usato uno per risolvere un problema reale. Ha pensato a lungo e non ha saputo rispondere.
Quella non è una knowledge base. Quella è spazzatura digitale. Stai gettando cose in un buco nero da dove non possono mai più essere ritrovate.
Una knowledge base veramente monetizzabile non è un magazzino; è un ecosistema.
Un magazzino è morto. Le cose gettate dentro non cambiano; il loro unico destino è essere dimenticate. Un ecosistema è vivo. Entrano cose nuove, quelle vecchie vengono eliminate e diversi strati si alimentano a vicenda, facendo evolvere l'intero sistema. Quello che getti oggi si connette con quello che hai gettato ieri, e domani cresce in qualcosa che non ti saresti mai aspettato.
Un ecosistema di conoscenza vivente ha tre strati.
Strato 1: Il Pool Genetico Tecnico. Non è il numero delle tue Stelle su GitHub. Sono tutti i progetti che hai realizzato, tutti i codici sorgente che hai comprato e tutte le trappole in cui sei caduto, tutto mappato e modularizzato. L'AI non si limita a copiarli e incollarli; ne capisce la struttura e li riassembla. Come un gene biologico, non è un manuale, ma un insieme di programmi che possono essere riespressi.
Strato 2: Il Terreno Dati Vivo. Le tue chat, i video che hai guardato, le note che hai scritto, i tuoi discorsi nei gruppi e le registrazioni delle tue discussioni con i clienti. Nessun produttore di modelli può ottenere questo; solo tu ce l'hai. Il terreno non è buono o cattivo; dipende solo da cosa ci seppellisci.
Strato 3: Le Radici Cognitive. Ogni articolo che hai scritto e ogni giudizio che hai espresso non è 'finito' una volta pubblicato. Sono taggati, collegati e strutturati. Più profonde sono le radici, più stabile è la crescita fuori terra. Non importa quanto forte soffi il vento, non cadrà.
Quando tutti e tre gli strati funzionano insieme, la tua knowledge base non è morta. Cresce da sola. Cresce anche mentre dormi.
Strato 1: Pool Genetico Tecnico—La Verità tra 50.000 e 200
Ecco una statistica: Il prezzo per lo sviluppo di mini-programmi in outsourcing è sceso da 50.000 RMB a 200 RMB in tre anni.
Da 50.000 a 200. Stessi requisiti, stesse funzioni. Non è uno scherzo; sono preventivi reali da Zhubajie e Taobao.
Quando l'ho visto per la prima volta, ho avuto un brivido. Poi ho capito che non era che le mie competenze si fossero svalutate. Era che le persone senza un pool genetico venivano escluse dal mercato da quelle che ne avevano uno.
Due cose sono successe che hanno capovolto la logica sottostante del mercato dell'outsourcing.
Primo, i pacchetti di codice sorgente sono diventati economici. Puoi comprare il codice sorgente completo di un mini-programma su Taobao per poche decine di yuan. Di ogni tipo: consegna cibo, centri commerciali, sistemi di prenotazione, acquisti di gruppo comunitari. Le persone capaci li comprano, li mappano e li gettano nel loro pool genetico tecnico. La prossima volta che prendono un ordine, l'AI estrae i moduli dal pool per assemblarli, finendo il lavoro in poche ore.
E quelli senza un pool genetico? Scrivono da zero. Quando finiscono, scoprono che il loro lavoro non è buono come la versione assemblata dall'AI. L'altro impiega 7 ore; tu impieghi 7 giorni. Lui fa profitto a 2.000; tu perdi soldi a 20.000.
Secondo, l'AI ha fatto crollare il prezzo della 'capacità di scrivere codice'. Prima, saper programmare era prezioso perché pochi lo sapevano fare. Ora, anche chi non sa programmare può farlo fare all'AI. Quindi cosa fanno i programmatori? Si spostano verso l'alto. Non si tratta di scrivere codice; si tratta di accumulare codice. Non si tratta di esecuzione; si tratta di accumulazione.
L'AI non ha sostituito gli sviluppatori. Le persone che usano l'AI hanno sostituito quelle che non la usano. E tra coloro che usano l'AI, la competizione non è su chi scrive prompt migliori, ma su chi ha un pool genetico più denso. I prompt cambiano ogni mese; i pool genetici diventano solo più preziosi.
Come si fa? Tre cose, in quest'ordine specifico.
Primo: Mappatura del Codice. Usa strumenti come CodeGraph per chiarire le relazioni tra ogni progetto, modulo e funzione. Lascia che l'AI veda una mappa navigabile piuttosto che file isolati. Se hai fatto un modulo di pagamento, lei lo sa. Se hai fatto un sistema utente, lei lo sa. Se hai usato la stessa architettura in tre progetti, lei lo sa.
Per essere specifico: Il mese scorso ho preso un lavoro per generare immagini e-commerce. Il cliente voleva un sistema per produrre in serie poster di prodotti. Sembra complesso, ma il mio pool genetico aveva già tre moduli correlati: un motore di workflow ComfyUI, uno script di auto-deployment Cloudflare e un'integrazione WeChat Pay. L'AI li ha assemblati, ha scritto uno strato di collante e in poche ore era funzionante. Senza il pool genetico, solo per impostare l'ambiente ci sarebbero voluti due giorni.
Secondo: Rendere il Pool Genetico un'API. Trasforma i tuoi asset di codice in interfacce richiamabili. Sia che si tratti di Claude Code, Codex o altri strumenti AI, dovrebbero essere in grado di chiamarli direttamente. Fai il salto da 'uso personale' a 'consegnabile'. Questo è un salto qualitativo. L'uso personale fa risparmiare; la consegnabilità fa guadagnare.
Terzo: Il Pacchetto Quattro del Pool Genetico. La struttura di knowledge base più potente ora è: Codice + Articoli Scientifici + Report di Settore + Documenti Politici. Il codice è il mattone, gli articoli scientifici sono i progetti, i report di settore sono le mappe di mercato e i documenti politici sono le banderuole. Con tutti e quattro, il tuo progetto non è solo 'aiutami a costruire un sito web', ma 'aiutami a costruire un sistema che possa richiedere copyright software, superare audit ed essere commercializzato'. Il prezzo unitario del secondo ha due zeri in più del primo.
Conosco un ragazzo nel settore della digitalizzazione della sicurezza antincendio. Il suo pool genetico contiene non solo codice, ma anche tutti i documenti politici relativi agli incendi, gli standard di settore e le interpretazioni degli esperti degli ultimi tre anni. Quando un cliente chiede un sistema, lui può dirgli per quale progetto governativo speciale fare domanda, quali sussidi sono disponibili e quali audit sono necessari. Lui non vende un sistema; vende un piano di implementazione completo. Il suo preventivo è cinque volte quello dello sviluppo puro.
Questo è l'interesse composto di un pool genetico. Non è addizione; è moltiplicazione.
Strato 2: Terreno Dati Vivo—Il Tuo Asset Più Sottovalutato
Lascia che ti chieda: Quanto vale la tua cronologia chat di WeChat?
Non scorrere via. Pensaci davvero.
Il tuo modo di esprimerti, il tuo vocabolario, la tua logica, il tuo senso dell'umorismo. Cosa ti fa arrabbiare, come persuadi gli altri, se guidi con i dati o con le storie. Cosa dici per consolare un amico rispetto a come liquidi qualcuno.
Tutto questo è sepolto nella tua cronologia chat. Centinaia di migliaia di messaggi, ognuno un punto campione della tua personalità.
Nessun modello generale di grandi dimensioni può imitare questo. Può imitare Lu Xun o Jin Yong, ma non può imitare te perché non ha i tuoi dati.
Google Colab ha crediti GPU gratuiti. Puoi gettare i tuoi articoli, le chat e le trascrizioni vocali per fare fine-tuning di un piccolo modello che appartiene solo a te. Non hai bisogno di esperienza nell'addestramento di modelli; dagli solo il materiale. Il suo output porterà la tua essenza. I tuoi amici diranno 'sembra proprio te', non 'sembra AI'.
È così che la qualità 'umana' accade realmente. Non è tecnica; sono dati.
Il novantanove percento dei contenuti AI sul mercato è riconoscibile a prima vista. Non per parole strane, ma perché manca di supporto di dati personali. Mangia corpus generali e sputa estetiche mediocri. Se vuoi che non sembri AI, l'unico modo è dargli in pasto dati che solo tu hai. I tuoi pregiudizi, i tuoi punti ciechi, le tue stranezze: l'AI non può impararli a meno che tu non glieli mostri.
Da dove viene il materiale? Quattro direzioni, in ordine di priorità.
Primo, la miniera d'oro più trascurata: le sezioni commenti di Bilibili e YouTube.
Il video in sé è ovviamente prezioso—usa Whisper per trascriverlo. Ma l'oro vero è nei commenti. Il testo principale è la visione di un creatore; i commenti sono le reazioni reali di una folla. Cosa li interessa, cosa discutono, cosa fraintendono, cosa li fa ridere o arrabbiare. Leggere cento commenti è meglio di dieci report di settore per sapere cosa preoccupa le persone in quel circolo.
Quando scrivo contenuti tecnici, controllo spesso prima i commenti dei grandi influencer. Non per copiare opinioni, ma per capire: Dove si bloccano i lettori? Le loro domande sono i prossimi argomenti. Le loro discussioni sono i punti dolenti più acuti.
Seconda miniera d'oro: Il tuo ambiente di lavoro locale.
Quali strumenti AI hai installato, quali CLI hai configurato, quali MCP usi, in quali trappole sei caduto e come le hai risolte. L'AI può leggere tutto questo. Quando scrivi un tutorial, non ha bisogno di inventare casi o cercare 'problemi comuni'. Legge i tuoi registri di operazioni reali, i tuoi log di errori reali e le tue soluzioni reali.
Le buche in cui sei caduto sono naturalmente i percorsi che gli altri non possono evitare. Non hai bisogno di inventare storie; la cronologia del tuo terminale è il miglior materiale.
Terza miniera d'oro: Le chat di gruppo.
Argomenti interessanti, discussioni e lamentele che vedi in gruppi tecnici, di settore o informali—questi sono tutti argomenti. Molte persone faticano a sapere cosa interessa ai lettori; la risposta è nelle chat che scorri ogni giorno. Devi solo fare una cosa: fare screenshot o annotare le cose che ti hanno fatto fermare e guardare due volte.
Ho creato un canale privato su Telegram e WeChat solo per me chiamato 'Materiali'. Quando vedo una discussione interessante, la inoltro lì, a volte aggiungendo un pensiero che ho avuto in quel momento. Riesco a raccogliere oltre duecento voci al mese. Quando scrivo, le sfoglio e non mi mancano mai argomenti.
Quarta miniera d'oro, a cui molti non pensano: La tua stessa voce.
Pensieri che ti vengono in mente mentre guidi, cammini o fai la doccia. Apri il telefono, registra per un minuto e usa Whisper per trascrivere. È dieci volte più vivido di quello che pensi stando seduto al computer perché quando parli non lucidi, strutturi o autocensuri. L'AI non potrebbe mai scriverlo.
Una sensazione umana non si recita. Si nutre con i dati. Qualunque cosa seppellisci nel tuo terreno, quella crescerà.
Strato 3: Radici Cognitive—Tu Hai Dimenticato, Ma l'AI No
La maggior parte delle persone scrive articoli uno per uno. Una volta pubblicati, sono finiti.
Com'è? Un albero che fa solo foglie ma nessuna radice. Ogni foglia cade e scompare, come se non fosse mai cresciuta. La volta dopo, ricominci da capo. Quello che hai scritto dieci anni fa e quello che scrivi oggi non si conoscono.
Le radici cognitive risolvono questo problema.
Nel marzo 2024, hai scritto un articolo con un giudizio: 'L'AI sostituisce i lavoratori della catena di montaggio dei contenuti, non i creatori di contenuti. I lavoratori della catena di montaggio non producono opinioni; eseguono solo formati.'
Nel luglio 2026, stai scrivendo sulle knowledge base. L'AI tira fuori automaticamente quel giudizio di due anni fa e ti dice: L'hai detto allora, e può supportare l'argomento principale di oggi—'Una persona con una knowledge base è come avere un team guidato dall'AI.'
Non è un superficiale elenco di 'letture correlate'. È un vero supporto argomentativo. Quando l'hai detto, in che contesto, come si collega all'argomento di oggi e come la catena di prove si connette. Come un assistente di ricerca che non se ne va mai, ogni volta che ne scrivi uno, te ne archivia uno. Dieci anni dopo, hai un pedigree cognitivo completo, vedendo come hai capito queste cose passo dopo passo.
Questa non è una fantasia. L'ho testato nel mio sistema di scrittura.
Ho un file di piano di creazione nella mia directory di lavoro. Una volta, quando ho chiesto all'AI di generare un'immagine di copertina, mi ha chiesto attivamente: Vuoi collegare questo con il piano di creazione? Poi ha letto automaticamente i tag di opinione di tutti gli articoli passati per abbinare i materiali argomentativi per l'articolo di quel giorno. Quella sensazione è difficile da descrivere. Non era 'l'AI è così intelligente', ma 'ho pensato a così tante cose negli ultimi tre anni che io stesso le ho dimenticate'.
Tu hai dimenticato cosa hai detto, ma lei no. Hai dimenticato le verità che hai realizzato due anni fa, ma lei le ricorda per te. L'unica cosa che devi fare è continuare a seppellire cose nuove nel terreno. Le radici cresceranno da sole; devi solo essere responsabile del vivere.
Una Persona, Una Macchina, Un Team
Torniamo alla domanda iniziale. Come si consegna un progetto completo in 7 ore?
La risposta ora dovrebbe essere chiara.
Il pool genetico tecnico funziona. Asset di codice modularizzati e mappati significano che l'AI non scrive da zero; ricombina geni esistenti. Come i Lego, i pezzi sono già nel tuo magazzino; l'AI li mette insieme in modo diverso. Hai risparmiato per tre anni proprio per questo momento.
Il terreno dati vivo funziona. Esperienza e giudizio personali insostituibili assicurano che la consegna non sia un modello generico. Il cliente non compra codice; compra la tua esperienza incapsulata. Per lo stesso requisito, altri consegnano codice; tu consegni una soluzione che può superare audit, essere richiesta e commercializzata. La differenza di prezzo è nel tuo terreno.
Le radici cognitive funzionano. Connessioni cognitive attraverso il tempo fanno sì che le accumulazioni passate siano automaticamente usate per il presente. Non cadrai due volte nella stessa buca. La prima volta che sei caduto, l'AI lo ha registrato. La seconda volta che ci passi vicino, ti ricorda: Sei caduto qui prima; gira intorno.
Tre strati dell'ecosistema funzionano simultaneamente. Una persona opera, ma essenzialmente un team consegna.
E questa equazione diventerà solo più esagerata. Gli strumenti front-end esplodono. Google Stitch, Figma AI, vari generatori di demo—non hai nemmeno bisogno di sapere come scrivere codice front-end per creare un prototipo interattivo. L'effetto di ogni pulsante e la logica di salto della pagina sono chiaramente marcati. Poi, il demo più il contratto più il documento di sviluppo vengono dati all'AI. Il resto è solo aspettare.
Il futuro del servizio personale è questo: Un annuncio su Xianyu, un mini-programma WeChat e un host AI a casa. Il cliente ordina sul mini-programma, l'host esegue l'AI e la consegna è completata automaticamente. Un host con 128 GB di RAM esegue inferenza locale e workflow ComfyUI, producendo un'immagine in 3 secondi. Con un pannello Pagoda distribuito e nomi di dominio risolti su Cloudflare, l'AI scrive plugin per gestire l'auto-deployment.
Un'intera linea di assemblaggio. Una persona. Una macchina.
Non è fantascienza. L'hardware è qui, gli strumenti sono maturi. Cosa manca? Non è tecnologia; è che il tuo ecosistema di conoscenza non è stato ancora costruito. Il tuo pool genetico è ancora sparso, il tuo terreno è ancora una terra desolata e le tue radici non hanno ancora iniziato a mettere radici.
Tre Cose Che Puoi Iniziare Oggi
Non aspettare. Prima costruisci un ecosistema di conoscenza, maggiore è l'interesse composto. Puoi fare tre cose oggi.
Primo: Dedica un'ora a mappare i tuoi progetti di codice. Non puntare alla perfezione. Elenca solo i progetti che hai realizzato, gli stack tecnologici usati, i problemi risolti e i moduli riutilizzabili. È solo una tabella. Una volta fatto, ti renderai conto che mentre pensavi di aver scritto dieci progetti, i moduli principali erano solo quei quattro o cinque, solo con involucri diversi.
Secondo: Crea un canale di materiali solo per te. Telegram, WeChat File Transfer, Note—qualsiasi cosa va bene. Da oggi, quando vedi qualcosa di interessante, gettalo lì. Non serve categorizzare o taggare; gettalo e basta. Mi ringrazierai tra un mese.
Terzo: Trova un articolo che hai scritto in passato e rileggilo. Estrai le opinioni e vedi se possono supportare qualcosa che vuoi scrivere dopo. Se possono, hai iniziato ad avere le tue radici cognitive. Se no, significa che il tuo lavoro passato è stato buttato via dopo essere stato scritto. Da oggi, non buttare via nulla.
I Modelli Scadono, Il Terreno No
Ho visto troppe persone ansiose. I modelli si aggiornano, le tecniche di prompt diventano obsolete, gli strumenti iterano. Non puoi stare al passo. Non raggiungerai mai la velocità degli aggiornamenti degli strumenti, e non dovresti provarci.
Ma pensa a una cosa.
I modelli cambiano. Gli strumenti vengono sostituiti. Gli stili di prompt cambiano ogni mese. Una tecnica di prompt di un anno fa probabilmente è inutile oggi. Solo i tuoi dati sono tuoi.
La tua accumulazione di codice. Le tue chat. Le tue opinioni in evoluzione. Le buche in cui sei caduto. Gli articoli scientifici che hai letto. I prodotti che hai criticato. Le discussioni che hai avuto con i clienti. Una verità che hai realizzato alle 3 del mattino. Una frase che hai registrato mentre guidavi.
Queste cose non scadono. Nessuno può rilasciare una 'nuova versione' che renda i tuoi dati invalidi. Sono i tuoi asset personali insostituibili, che diventano più preziosi col tempo.
Una knowledge base non si accumula; si alimenta. Cosa le dai da mangiare ogni giorno determina cosa il tuo ecosistema AI potrà far crescere tra tre anni.
Alcuni la alimentano con segnalibri. Tra tre anni, l'AI può solo aiutarli a cercare pagine web, e potrebbero non aver nemmeno letto cosa trova.
Altri la alimentano con dati vivi. Tra tre anni, l'AI li aiuta a consegnare, creare e prendere decisioni. Loro bevono tè mentre l'AI lavora.
Due vite. La differenza è cosa inizi a seppellire oggi.
Cosa stai alimentando?
