从背几页纸提示词才能出一张像样的图，到今天一句话言出法随；
从苦学 Agent 框架，到 DeepSeek 开源 Harness,一条命令跑起完整工作区。
工具换代这么快，早年下的苦功，是不是大多打了水漂？这篇文章拿狼哥自己，也就是我，来分析一下。业余玩图片视频，主业写代码做 AI 开发，两头的苦功我都下过，具体亏没亏哪？
场景一 · 2023 年冬
深夜，狼哥的桌子亮着两块屏幕。左边备忘录里存着七页提示词，主体描述、镜头语言、光照参数、画质咒语，还有一张越拉越长的负面词表，bad hands、extra fingers、deformed……我刚学会一个偏方：把“手插口袋”写进提示词，因为模型画不好手。改到第十一稿，总算有一张能拿出去的图。
右边是我啃了半个月的 LangChain 文档，想搭一个能自动查资料的小 Agent,却被链式抽象和配置格式缠住，只好在 issue 区一路翻到凌晨。
场景二 · 2026 年 8 月
三年后还是狼哥。白天在做自己的 AI 短剧，给一段戏打一句大白话，模型就给足了运镜和光影，分镜直接成片。晚上，我在终端敲下 npx @deepseek-ai/dsh web。三天前 DeepSeek 随 V4-Pro 开源了 Harness,MIT 协议，一切皆插件，两天 star 好几万。浏览器自动打开，一个完整的本地 Agent 工作区就跑起来了。当年翻 issue 翻到凌晨才拼出来的东西，现在是一条命令的默认产物。
同一个人，两段时间，两次苦学被清零的体验，提示词不用记了，框架不用手搭了。于是对应了一种流行的说法，学习越早，浪费的精力越多。
01 一、业余作图做视频那一面，浪费的感受最强
浪费是真的。狼哥 2023 年苦背的那些东西，几乎全线贬值。长提示词模板，现在一句话顶过去一页。负面词表，模型自己学会不画六根手指了。手插口袋之类的偏方，模型一修复就归零。收藏夹里的神器清单，一大半产品已经停止更新。这些东西有个共同点，全是对模型缺陷的补偿，等于提前囤了一批随时会过期的答案。模型每进步一步，答案就错一批，知识就死一批。
但改稿作图的那几个晚上，也顺带练出了别的能力。
一是审美。改稿的过程，其实就是反复回答哪张更好、好在哪。当年只能靠多生成多比较，现在人人都能一键出图，那一键出来的图之间比什么？比谁的挑选眼光准。生成越廉价，判断越稀缺。
二是表达。把脑子里模糊的画面翻译成模型听得懂的话，这件事我练了很久。今天模型听懂人话的本事大了不少，可自己想要什么这件事，模型替不了你。
还有迭代的习惯。不满意时怎么追问、怎么拆问题、什么时候该放弃重来，这是一种手感，或者是经验，不是知识点，不会随任何版本更新作废。
所以业余这部分，囤的固定答案全折旧了。能换来多少东西，取决于改稿时脑子里在想什么。改一稿看一眼效果就接着改，三年下来多半只是某个版本模型的提示词专家，模型一升级，专家头衔跟着作废。只有边改边琢磨这张为什么好的人，才把过程稿真正换成了审美眼光。同样改十几稿，看起来产出都一样，沉淀差着一个数量级。浪费感之所以强，是因为七页备忘录的浪费摆在那，却看不见进步在哪。
02 二、开发者那一面，浪费的绝对量大，但可迁移的比例也高
再看专业这边，浪费清单长得多。AutoGPT 的源码精读，凉了。LangChain 的链式抽象和配置格式，官方自己推翻重写了好几轮。BabyAGI、AutoGen 的多智能体编排，还没捂热就被新范式盖过去。针对旧模型的微调调参手艺，随基座升级大幅贬值。开发领域的工具层，大概是所有行业里折旧最快的，三年换四代，每一代都号称这次是终极形态。
2026 年 8 月那条 npx 命令跑起来的时候，有个细节挺有意思。我一个钟头就摸清了 Harness 的骨架，刚入行的同学面对同一个界面，只看到了好方便呀。我们俩的差别在哪？
Harness 的设计文档里有句话：Harness 本身没有需要打补丁的特权内核。模型对接、工具调用、能力插件、对话会话、代码沙箱、任务调度，甚至 AI 智能体最核心的执行循环，所有部件全部支持替换成自己写的插件。踩过 LangChain 坑的开发者一眼就能读懂这句话的用意：以前老框架会把最关键的内部逻辑写死在库里面。简单 demo 跑起来很爽，一旦业务场景复杂，光靠参数配置满足不了需求。没有正常扩展口子，继承和打补丁都撑不住复杂需求，你甚至要把整个框架代码复制一份，自己修改内部源码打私有补丁。后面框架官方版本更新，你的一堆私有修改要反复手动合并，维护起来非常痛苦。但没经历过这种折磨的新同学，只看到字面描述，体会不到这句话背后是无数踩坑总结出来的架构诉求。
这就是开发者这边的特别之处，失败经验比操作技巧保值。工具调用幻觉、评测难，这类坑每一代都换着马甲出现，踩过的经验跟着涨价。
但是像“上下文窗口爆炸”这种坑，窗口从 4k 拉到 1M,坑自己填上了大半，对应的踩坑手艺也跟着贬值。
还有就是踩坑经验用不好会变成思维定式。被 LangChain 的链式抽象伤过的人，容易见抽象就警惕，轮到“一切皆插件”这种新设计时，警惕心反而挡住了理解。经验是资产，也带一些副作用。最可能保值的是再底下的工程基本功，代码质量意识、系统边界感、安全与权限思维，这些几乎不贬值。
03 三、接下来简单对比一下
业余生图生视频那一面
确实浪费了：提示词模板、负面词表、bug 绕法偏方、工具收藏清单、参数配方。
没有白学：审美判断、需求表达、迭代手感、对新工具的胆量。
开发者工程视角那一面
确实浪费了：框架 API 细节、特定版本 workaround、教程脚手架、旧模型调参、被协议取代的接入方式。
没有白学：Agent 循环与上下文工程、评测体系、失败经验、架构判断、工程基本功。
对比完，规律自己就浮出来了。折旧贬值区里的东西全是些跟随版本的固定答案，保值区里的东西全是长在自己身上的能力，像判断、提问、手感、经验等等。
模板、咒语、API 用法，是对具体问题的具体解，问题一变就作废。审美、表达、原理、踩坑经验，是生成答案的能力，走到哪都随身携带。
而且这两部分在同一个人身上，还会互补。业余练出的审美，让我做 AI 应用时知道什么算好结果，这恰恰是评测体系里最贵的一环。工程那边的自动化能力，又把我的创作流程接成了流水线。两重身份不但没有双份折旧，反而在互相抬价。
04 四、结论：学费交得早，不等于白交
所以“学习越早，浪费越多”这句话，更准确的说法要啰嗦一些：只囤答案的学习，学得越早浪费越多。边做边复盘的学习，学得越早赚得越多。
判断力本身也会折旧，SD 时代练出的静态构图眼光，到视频生成未必全用得上，但它的半衰期比固定答案长得多。同样改十几稿，复盘和不复盘，产出看起来一样，沉淀就差远了。
还有一点常被忽略。狼哥 2023 年的提示词技巧，当年是有真实回报的，早出图，早做出像样的视频。LangChain 时期的功夫，也实实在在撑起了项目。严格说那不叫浪费，叫租用了一段领先优势。租期到了要还，但领先了就是领先了。
不过这笔账也有没算的一面：机会成本。同样一个月，啃 LangChain 还是啃机器学习基础，或者学了别的，哪个更划算，当年没人知道，现在也没人说得清。所以诚实点讲，早学没白学，不等于早学最划算，当然这是事后诸葛亮。
最后别忘了，Harness 的 README 里那句大写加粗的警告：THERE WILL BE COMPATIBILITY-BREAKING CHANGES。今天最起劲研究 Harness 的人，包括狼哥，正站在当年 LangChain 学习者的同一位置上。循环还会继续，唯一确定的，是循环本身。
AI 折旧的从来不是学习本身，而是学习者囤积的具体答案。怕浪费而不学的人，最后两者都没有——答案过期了，判断力和经验这些也没自己长出来。
05 五、延伸：拼出一个完整的框架
学什么，只是问题的一个维度。把它和另外两个大家最困惑的问题，什么时候入场、别人的内容怎么听，放在一起，才算一套完整的应对办法。
规则一 · 学什么
操作浅学，随用随查。原理深学，一次学透。头疼的是怎么判断是不是值得学的原理，可操作的判据是查它的存活记录，一个概念穿越过几次范式更替，就是它作为原理的信用。Agent 循环活了四代框架，提示词模板只活了一代。LangChain 在 2023 年被很多人当原理深学，按这个判据看，它当时才活了一代，信用不够。
规则二 · 何时入场：让子弹飞一会儿
真正有价值的工具不会短期就消失，慢半拍上车几乎零损失。爆火的新东西，先拆它的热度保质期，如果热度全来自蹭前作、猎奇心、科幻叙事这类短保期的燃料，产品本身又没解决真问题，可以放心跳过。
规则三 · 别人的分享怎么听
只教操作、不讲原理的内容，浅看，够用就停。看思路不看操作，看落地不看炫技。验人别只看成绩，成绩可以虚构，早期探索者往往还没有成绩，多问细节，具体踩过哪个坑，哪个环节返工过几次，这都是不好编的，也都是值得学的。
但这三条框架也有一些需要注意的。
一个是把浅看操作当成不练手的借口。回头看狼哥，审美是从改稿提示词里长出来的，读得懂 Harness 的设计，是因为在 LangChain 里打过补丁。保值区的资产，只能用折旧区的实操来换。浅看规则管的是复盘、总结、打磨这些溢价动作，不是第一遍上手。第一遍，必须动手。
另一个是把保值说成永不贬值。创意、审美、叙事、商业转化，确实是折旧最慢的资产，但折旧最慢不等于不折旧，AI 已经在侵蚀选题和爆款结构这些地盘了。同理，提示词工程也可以拆分，方法论，怎么拆解任务、怎么组织上下文，是原理层，长期稳定。具体咒语模板是答案层，过期很快。
工具是拿来用的，不是拿来追的。深钻留给不变量，浅尝留给会过期的。