今天，我想聊聊 专注。
在现代信息社会，专注其实是一种非常难得的品质。 抖音上刷不完的短视频，公众号不停推送的文章，小红书看不完的分享。信息流无穷无尽，总有新的内容在争夺你的注意力。
很多时候，我们明明在进行重要工作，却还是忍不住分心，拿起手机刷刷朋友圈。
互联网上很多 UP 主已经从脑科学和多巴胺的角度解释过这个现象。《认知觉醒》一书中提到，专注其实是一件反人类天性的事情。因为专注意味着你的大脑在不停地思考，而思考是一件极为耗能的行为。
人作为一种生物，本能上会抵抗高耗能行为。
相反，娱乐和放空是一种低耗能行为。（别告诉我你刷抖音的时候还在思考。） 所以我们天然会倾向于那些更轻松、更即时带来快乐的事情。这并不是什么羞耻的事情，这是人的本能。
而最近很流行的 Vibe coding，某种程度上来说，其实也是一种分心。
一段时间里，我沉迷于把日常使用的工具都用 AI 重新 vibe coding 一遍。
看着一个个文件被创建，应用慢慢跑起来，界面也像模像样地出现，那种感觉其实挺爽的。仿佛在极短的时间里就做出了很多东西。
但过了一段时间之后，我开始陷入一种 AI 疲劳。
五个 project 同时运行，不停在不同项目之间切换上下文，我的大脑长期处于一种过载状态。 再回头看这些 vibe coding 的项目，我突然发现：
我其实已经看不太懂它们了。
更糟糕的是，我也不知道接下来该做什么。
理论上，我创建了五个新的、可以跑起来的应用。
但回顾起来，我几乎没有真正学到什么东西。
我没有进行太多系统性的思考。大多数时候只是机械地输入一些简单得不能再简单的需求，然后等待 AI 输出结果。
不可否认，Vibe coding 确实有它的价值。
它可以快速验证想法，快速创建小工具。 对于非技术背景的人来说，只需要提出需求，就可以开发出一些应用来自动化重复工作。
在某种意义上，AI 确实降低了软件开发的门槛。
但问题也恰恰在这里。
因为 Vibe coding 让“动手实践”这件事情变得成本极低，它第一次打破了一个原本非常重要的循环：
学习知识 → 产生思考 → 动手实践
在传统的学习路径中，实践是建立在理解和思考之上的。
而在 vibe coding 的模式下，这个过程往往被压缩成：
想法 → AI生成
中间最重要的一步 —— 思考 —— 很容易被省略。
而思考过程的缺失，其实是致命的。
在知识学习的过程中，思考往往是杠杆最高的一环。 如果没有这一环，你以为自己在不断“实践”，但实际上，大部分时间可能只是低效地生成代码而已。
同样的事情，也正在整个软件行业发生。
AI 带来了某种意义上的技术生产力平权。任何人只要有想法，在 agent 的帮助下，就可以做出一个 app 或者网站。
Apple Store 的应用提交数量在不断增加，GitHub Trending 每天也都有新的项目出现。
但这些做出来的东西真的有用吗？
我们真的需要 N+1 个 todo list 应用吗？
很多项目（不管是公司还是个人）其实都面临同样的问题： 因为太专注于“把东西做出来”这个结果，而忽略了前期的思考过程。
于是最后做出来的东西，很多时候其实只是 垃圾。
与此同时，软件行业也确实站在一个历史的转折点上。
从 ChatGPT 时刻开始，到 prompt engineering，再到 agentic engineering，从 MCP 到 Skills。技术的发展速度远超过去二十年的任何一个时期。
而且这一次的发展是 跃进式的，而不是渐进式的。
你可能刚刚掌握了 prompt engineering 的一些技巧，几个月之后，拥有 Skills 的 agent 就可以轻松完成同样的事情。
你搭建的 multi-agent 协作平台，可能几天之后就会被新的工具替代。比如像 Claude Code 这样的工具，已经开始原生支持 agent 团队协作。
在这样的环境下，很容易产生一种感觉：
任何技术投资似乎都变得没有意义。
过去学习一门语言、一套框架，可能可以支撑你好几年的工作。 而现在，你花几天时间搭建出来的系统，很可能过几天就被新的工具原生集成了。
在 Agent 时代，真正重要的其实不是你要做什么，而是你要先想清楚 不要做什么。
你可以指挥一堆 agent，开五个 terminal 窗口，一天之内提交一百个 commit，搭建一个看起来非常复杂、非常“完整”的系统。
但你也可以选择另一条路。
专注于某一个具体场景，只解决一个问题，把体验和交互做到极致。
Unix 的哲学在今天依然成立：
Do one thing, and do one thing well.
也不用太担心 AI 会取代程序员的工作。
改变一定会发生，而且会是很大的改变。
但只要你保持足够的 专注，你往往会成为那个最先感知变化、并且能够拥抱变化的人。