你用 AI 干活的表现在涨，不用 AI 时的表现在悄悄掉——你只看得到第一本账。航空业为此付了六十年学费。
把驾驶舱换成 IDE、把自动驾驶换成 coding agent，你会发现航空业早在四十年前就走完了我们正在走的路。技能衰退不是「会不会」的问题，是「掉多快、先掉哪个」的剂量问题——Arthur 等人 1998 年那篇被反复引用的元分析给出了曲线：训练刚结束时效应量约为 0，停用超过一年掉到约 −1.4 个标准差，而且认知、判断、精度类技能比体力、速度类技能掉得更快。这正是最坏的组合：AI 替你接管的，恰恰是最容易退化的那类判断工作。这一期不讲「AI 会让人变笨吗」这种口水题，讲三件工程上要命的事：技能衰退的剂量规律、你从来看不到的第二本账、以及一张连航空监管都栽过跟头的「剂量核查」处方。
Arthur 等人 1998 年对 50 多篇研究、近 200 个数据点做元分析，把「不用就退化」量化成了一条曲线：技能损失随停用间隔单调加深——刚训练完效应量约 −0.01，停用超过 365 天掉到约 −1.4 个标准差。更关键的是他们的调节变量分析：认知类、精度类、人为（非自然）任务比体力类、速度类、自然任务退化得更厉害。套到 AI 协作上就很扎心：你交给 AI 的从来不是拧螺丝的体力活，而是要不要这样设计、这个边界条件对不对、这段逻辑哪里会炸——全是衰减最快的判断类技能。所以「我天天用 AI 写代码，手感不会生」是错觉：你在练的是指挥和验收，不是亲手推导，而后者才是掉得最快的那本。
先做一次技能盘点，按「外包程度 × 衰减速度」给你的核心技能排个雷区：
# 技能保鲜盘点：越靠右下越危险（外包得深 + 掉得快）
skill 外包给AI程度 Arthur类别 风险
架构权衡取舍 高 认知/精度 → 陡 高危
边界条件/失败模式推演 高 认知/精度 → 陡 高危
从零手写算法 中高 认知 → 陡 警戒
调 API / 查语法 高 记忆 → 可再学 低
命名/格式 高 速度 → 平缓 低
# 规则：低危的尽管全外包；高危的必须留「手动剂量」盘点的意义是分流：查语法、写样板这类「记忆+可即时再学」的技能全外包无所谓；真正要保留手动剂量的，是那些外包得深、又恰好落在陡峭衰减区的判断技能。
航空人机工程给了这两本账一个名字：out-of-the-loop performance problem（脱环表现问题）。Endsley & Kiris 1995 年做了一个干净的实验：让专家系统接管导航任务，操作者当场表现很好；可一旦系统失效需要人接管，那些全自动组的反应时间和情境觉知显著更差。机制是从主动处理退化为被动监视——你不再亲手做决策，只是看着它做，于是既丢了技能，也丢了「现在到底什么状况」的实时理解。这就是两本账：第一本是「有 AI 时你多能干」，天天在涨，是你和老板都盯着的 KPI；第二本是「AI 撤了之后你还剩多少」，从不出现在任何仪表盘上，却决定了 AI 宕机、给你一个超范围任务、或它给出看似合理实则错误的答案时——你能不能兜住。
# 给自己排一个「AI 宕机日」来读第二本账
今天：核心任务全程不开 AI，只记两件事——
1. 卡壳点：哪一步以前顺手、现在要停下来想？ # 这就是退化信号
2. 完成度/耗时 vs 平时开 AI：差多少？ # 这就是脱环鸿沟
# 变体：接一个「超 AI 能力范围」的任务，看你能不能独立兜住
# 记的不是分数，是「哪些判断我已经不敢自己下了」这不是自我惩罚，是给第二本账装一次量表。你不测，它就永远是 0——直到某天被现实强行结账。
航空业早给出了处方，也踩过坑。FAA 2013 年的 SAFO 13002 直说：持续用自动驾驶不会强化手飞技能，反而退化「快速从异常状态改出」的能力，因此要求航司主动创造手飞机会。把它翻译成个人处方，三味药缺一不可：① 定期不带 AI 完成核心任务（对应「手飞」，把陡峭衰减区的判断技能拿回来练）；② 亲历 AI 失效的演习——不是听一句「AI 有幻觉」，而是真的被它一本正经的错误答案坑一次、亲手 debug 出来。航空培训反复验证：口头简报和泛泛的通识课几乎不迁移，唯有亲历性/惊吓性场景训练才留得住；③ 对结果的个人问责——是你签字发布，不是「AI 写的」。这三味药共同对冲 Day 53 的生成-验证倒置：干活模式让 AI 生成、你验证；保鲜必须切回学习模式——你生成、AI 验证。
# 个人手动剂量处方（贴在周计划里）
[ ] 手动剂量：每周挑 1 个核心任务全程不用 AI 亲手做
→ 选「高危」技能（架构/边界推演），不选查语法
[ ] 失效演习：每月故意深挖一次 AI 的错误输出，
亲手复现它错在哪 —— 亲历 > 被告知
[ ] 个人问责：所有 AI 产出，署你的名、你担责，
发布前你能逐行讲清「为什么这样对」
# 学习模式切换：核心技能 = 你生成/AI验证（对冲生成-验证倒置）注意第一味药的选材：手动剂量要花在第 1 点盘出的高危技能上。把宝贵的「无 AI 时间」浪费在查语法这种低危技能上，是最常见的假勤奋。
这是全篇最反直觉、也最值钱的一课。SAFO 13002 发出去并没有解决问题：美国交通部监察长办公室（DOT OIG）2016 年那份飞行甲板自动化审计发现，航司并没有确保飞行员真的获得并使用了手飞机会——处方开了，剂量没落地，技能继续退化。原因很朴素：手飞更累、更慢、当场更容易出小差错，在「准点率」这类第一本账的 KPI 压力下，飞行员和航司都会本能退回自动驾驶。光靠意图和意志力维持正确行为，是所有保鲜处方失败的共同方式。解法是把「核查」从人换成流程（Day 54 的 oracle 盘点、Day 55 的「固化成默认而非靠每天坚持」）：给手动剂量装一个独立于你意志的记录与核查，让「这周的剂量到底发生了没有」变成可查的事实，而不是一句自我感觉。
# 给手动剂量装「剂量核查」——意图 → 可查事实
[ ] 记录发生：手动剂量任务打 tag（git commit / 日志），
月底能数出「无 AI 完成了几个核心任务」
[ ] 独立信号：用第 2 点的「撤后耗时差」当客观量表，
而不是自我感觉「我最近手感还行」
[ ] 固化默认：把它排进固定时段/流程钩子，
别指望临时想起——轻剂量+断续=处方失效的标准死法
# 核查的是「剂量真发生了」，不是「我打算做」核心就一句：开处方是意图，核查是事实。技能保鲜栽的跟头，几乎从不是「不知道该手动」，而是「以为手动了，其实没有」。
① 剂量规律——退化随停用时间单调加深（Arthur 1998，一年掉逾 1 个标准差），认知/判断类比体力类掉更快；先盘点，手动剂量押在「外包深 + 衰减陡」的高危技能上。
② 两本账——在场增益（AI 在手，天天涨）掩盖撤后退化（AI 失效，无人测）；排「AI 宕机日」主动读第二本账，脱环鸿沟不测就是 0。
③ 三味药——定期无 AI 做核心任务 + 亲历 AI 失效（亲历 > 被告知）+ 个人问责；核心技能切回「你生成/AI 验证」。
④ 核查剂量——SAFO 发了、技能照退，因为没核查落地（DOT OIG 2016）。意图不算剂量，装独立记录 + 固化成流程默认。