AI 之后，我获取知识的方式变了

我在极客时间上买过很多课程。刚才翻了一下自己的课程列表，已经有 147 门了。Java 并发、HTTP、Python 自动化、Vue、Spring Cloud、架构、后端工程师进阶、正则表达式、AI 大模型……很多课程我都买过，也有不少认真看完了。当然，也有一些课程只看了一部分，甚至买完之后就一直放在那里。

但即便如此，我并不觉得这些钱白花了。

对我来说，极客时间曾经是一个很重要的学习入口。它上面有很多来自大厂的专家、架构师、一线工程师，他们把自己在真实业务、复杂系统、团队协作、技术演进中的经验整理出来。对于没有机会进入大厂工作的人来说，这些内容其实很有价值。因为你不在那个环境里，就很难自然接触到那些问题。

比如高并发系统是怎么设计的，微服务项目里会遇到什么坑，架构师到底在思考什么，后端工程师的成长路径是什么，大厂工程师如何理解技术深度和工程效率。这些东西，如果只靠自己在普通项目里摸索，可能要走很多弯路。

所以在很长一段时间里，我会把极客时间当成一个“补课”的地方。虽然我没有大厂经历，但至少可以通过这些课程，听听大厂的人是怎么分析问题、拆解系统、总结经验的。

有些课程给我的帮助很直接，比如某个技术点讲清楚了，我马上就能用到工作里。有些课程的帮助则是潜移默化的，它不一定让我立刻掌握某个框架，但会改变我看问题的角度。比如以前看一个功能，可能只关心怎么实现；后来会多想一步：这个设计以后好不好扩展？数据量变大之后会不会出问题？团队协作时别人能不能理解？线上出了问题有没有排查手段？

这些收获，确实来自过去大量课程的积累。

但是这两年，我发现自己打开极客时间的次数越来越少了。不是因为极客时间不好，也不是因为课程没有价值，而是因为 AI 变得越来越智能、越来越好用了。尤其是大模型出现之后，我们获取知识的方式发生了很大的变化。

以前学习一个东西，通常是这样的：先找一门课程，从第一讲开始看，跟着作者的节奏慢慢学习。课程是线性的，老师讲什么，我们就按顺序吸收什么。但现在不一样了。有了 AI 之后，我更习惯直接围绕问题学习。

比如我正在做一个功能，遇到一个不懂的技术点，我可以直接问 AI：这个概念是什么？为什么要这样设计？有没有更好的方案？这段代码有什么问题？如果放到生产环境，需要注意什么？AI 可以根据我的上下文回答，而不是让我从一整门课程里慢慢找答案。

这是一种完全不同的学习体验。

过去，我们更多是在“消费内容”。平台把课程整理好，专家把知识讲出来，我们负责学习和吸收。现在，我们更像是在和一个随时在线的助手对话。它可以解释概念，可以补充背景，可以举例，可以对比方案，也可以直接结合我的代码、我的项目、我的问题来分析。这让学习变得更加即时，也更加个性化。

当然，AI 并不意味着系统课程就没有价值了。系统课程的优势依然存在。它能帮我们建立完整的知识框架，能让有经验的人把多年踩坑总结成一条清晰路径。尤其是对于一个完全陌生的领域，先系统看一门好课，仍然是很高效的方式。

但我必须承认，我现在的学习习惯已经变了。以前是“我想学一个主题，所以去找一门课”。现在更多是“我遇到一个问题，所以让 AI 帮我拆解、解释、延伸”。以前我更依赖专家提前整理好的内容，现在我更依赖问题驱动和即时反馈。

这其实不是某个平台的问题，而是整个知识获取方式的变化。

极客时间曾经帮我跨过了很多认知门槛，让我在没有大厂经历的情况下，也能接触到一些更成熟的工程经验。那些课程里的观点、案例和方法，至今仍然对我有影响。只是到了 AI 时代，知识不再只是被动阅读的文章和课程，它变成了可以随时追问、随时推演、随时结合自己场景的对话。

我依然感谢过去在极客时间上学到的东西。但现在，我越来越清楚地感觉到：学习的中心正在从“内容平台”转向“问题本身”。

我们不再只是寻找知识。

我们开始和知识对话。