AI 时代重塑工作：拆解思想，按需重组

近年来，生成式 AI 大幅降低了「产出」的门槛——文章、报告、演示稿、代码、设计稿都可以更快地生成。当有形产品不再稀缺时，知识工作者的价值该如何重新定义？本文借用 Figma 取代 Adobe 的逻辑，论证在 AI 时代真正稀缺的不再是「做出成品」，而是把思想拆解为可复用组件、并按场景重新组合的能力。

《洗牌》配套指南：把一本书拆成可重组组件

作者宣布，其著作《洗牌》（Reshuffle）的配套动态指南正式上线。与传统纸质或电子书的线性阅读不同，该指南把书中的核心观点拆成独立组件，再通过三种形式重新呈现：

• 思维导图：清晰展示核心概念及其内在联系，读者可顺特定主线（如「协调」）深入探索；
• 四条研读路径：分别探讨 AI 对岗位、组织、生态系统、宏观经济四个层面带来的冲击；
• 滚动叙事：以 scrolly-telling 形式贯穿全书，适合轻松浏览。

这三种形式实际上是把同一套基础观点组件进行不同打包——书本身只是其中一种特定组合方式。

从 Adobe 到 Figma：工作单元的根本转变

文章把当前很多「用 AI 做内容」的做法比作 Adobe 云端化：只是把同一份文件搬到新管道分发，本质上仍是「产出物」逻辑。而 Figma 的做法截然不同——它彻底抛弃了「文件」作为工作基本单元，改为以「元素」（按钮、图标、字体样式等）为核心。

关键差异在于：

• Adobe 把产品推向新渠道，是关于「分发」的故事；
• Figma 把产品拆解开来，让新产品从重组中诞生，是关于「架构」的故事。

一旦理解这种区分，套用到知识工作上就会发现：书、报告、PPT 等成品本身就是「组合包」，包含框架、论点、案例、证据、反驳、定义、故事和决策等组件。这些组件由「叙事」——即一种特定的排列顺序——熔铸在一起，但叙事只是众多可能重组逻辑中的一种。

拆解与重组：超越「内容改头换面」

文章区分了两种完全不同的做法：

• 改头换面（repurposing）：保留原组合包的外壳，只换包装纸，对应 Adobe 模式；
• 拆解与重组：把观点视为具有独立生命力的个体，针对新场景、新受众、新问题进行全新创作，对应 Figma 模式。

作者认为，这不仅是产品的再利用，更是「观点间内在联系」的再利用。真正的工作不再是生产具体产品，而是设计一个「思想架构」：理解一个观点需要发挥什么作用，将其拆解为可复用组件，并建立相应机制以便针对特定场景重新组合。

文字形式长期以来其实是介于作者理解与读者重构之间的「有损」表达——任何写作技术都无法直接传递网状联想式的想法，必须把复杂的关联压缩成一条线性脉络，再由读者自行解压。

用 GenAI 激活沉睡的知识库

作者透露，过去 15 年里他在 Workflowy 中积累了一个超过 10 万个观点的语料库，但绝大部分从未变成文章或书。手动重新分类和重构的成本随想法数量呈指数级增长，这让「发现组合与因果关系」的能力受到限制。

而生成式 AI 恰好能改变这一点：它能理解语言、识别概念并建立联系，把一个在很大程度上是隐性的工作体系转化为更具模块化、可检索、可生成的东西。

作者目前正使用 Claude Code 以及一些标签分类系统，尝试把这些概念重新打包成全新组合。书籍、newsletter 等叙事形式仍会在最能产生价值的地方继续发挥作用，但当「思想架构」搭建完成后，可做的事情将远不止于此。

他的下一步计划是推出一个「岗位指数」产品——用市场数据应用《洗牌》的论点，评估特定岗位被 AI「洗牌」的程度。