Range and Depth on Demand
AI 不选边站专才或通才。它攻击的是交接税——让人与人之间不必要的传递消失，让专家被用于判断而非路由。
Part 1: 核心解读
AI 让专才能扩展广度，让通才能按需深入。目标不是消灭专家，是停止把专家当路由基础设施来用。
很多我们称为"协作"的东西，不过是更有礼貌的延迟。
A lot of what we call collaboration is just latency with better manners.
核心框架：AI 改变的是权衡，不是选择
旧世界：二选一
专才有深度没广度，通才有广度没深度。组织设计围绕这个限制建了一堆交接点：业务→技术→产品→法务→安全→IT，精密但极慢。
AI 改变：两端扩展
AI 给专才更多广度（理解周围业务上下文），给通才更多深度（按需深入技术细节）。更多人能把工作推得更远，直到需要另一个人类介入。
新技能：按需切换
问题需要连接时走广，决策需要专业时走深。知道 AI 何时够了，知道何时需要人类专家，知道工作何时是"穿着体面外衣的半成品"。
TMJ 医生的故事：全文最有说服力的段落
一个颞下颌关节专家的产品创意
他有产品想法很多年——只有浸泡在问题空间几十年的人才会想到的东西。但每个想法都死于同一处：成分研究需要化学家、监管需要合规专家、专利需要律师……每个环节都是一扇他推不开的门。
有了 AI 后，他不需要变成化学家或律师。他只需把每个领域推进到"第一轮"，远到足以判断想法是否值得请真正专家的介入。他的专业知识从来不是瓶颈。瓶颈是对其他人专业知识的获取。
他的专业知识从来不是瓶颈。瓶颈是对其他人专业知识的获取。他们的深度成为锚点。AI 扩展了半径。
His expertise was never the bottleneck. The bottleneck was access to everyone else's. Their depth becomes the anchor. AI expands the radius.
三个层次的反直觉
AI ≠ 任何人都变强
浅薄的通才 + AI = 更快地产出自信的废话。AI 让表面流利变得廉价，区分因素是"你是否知道得足够多，能发现缺失了什么"。AI 提高了下限，没有抹掉上限。
没有广度的深度是瓶颈
如果你的唯一价值是"别人都得等你回答一个问题"，AI 正在直接瞄准那个模型。最优秀的专才会用 AI 扩展到周围业务上下文、竞争动态和运营风险。
螺栓固定 vs 重新设计
大多数公司不会因为缺乏 AI 工具而失败，而会因为把 AI 螺栓固定在不应再存在的流程上而失败。用 AI 让旧流程更快 ≠ 用 AI 删除一半流程。
AI 真正改变什么
- 减少交接税 — 让更多人能在请专家之前把工作推得更远
- 专家用于判断，不是清理 — 审批而非教基础
- 构建者证明 > 学历 — "给我看你构建了什么，不是你简历上写了什么"
- 折腾 > 培训 — 培训告诉你组织已知什么，折腾向你展示现在什么是可能的
文章没回答的三个问题
- "按需深度"出错时 — AI 在专业领域的输出不稳定，自信的错误比无知更危险
- 交接传递的不仅是知识，还有责任 — 法务审批是合规的法律锚点，删除交接需要配套的容错机制
- 组织政治被低估了 — 让部门放弃"必须经过我们审批"的权力，不是展示 ROI 就能做到的
金句
区分因素变成了你是否知道得足够多，能发现缺失了什么。
The differentiator becomes whether you know enough to spot what is missing.
大多数公司不会因为缺乏 AI 工具而失败。它们会失败，因为它们把 AI 螺栓固定在不应再存在的流程上。
Most companies will not fail because they lack AI tools. They will fail because they bolt AI onto a process that should not exist anymore.
如果做工作的成本下降了，但组织保留了同样的交接，瓶颈不再是能力。而是肌肉记忆。
If the cost of doing the work drops but the organization keeps the same handoffs, the bottleneck is no longer capability. It is muscle memory.
Part 2: 苏格拉底对话
AI 不消灭专家——它让专家从"老师"变成"审批者"。
AI 时代到底是专才赢还是通才赢？
你还困在"选边站"的思维里。AI 改变的是权衡本身——它让专才能扩展广度，让通才能按需深入。你不再需要选一个，你需要学会切换。
但"浅薄通才 + AI 还是浅薄"是什么意思？
因为 AI 让表面流利变得廉价。任何人都能五分钟内"听起来很懂"。但真正的专业不是能说出正确的词，是能发现缺失了什么。专家知道哪个细节是错的、哪个假设是危险的。这种判断力 AI 给不了你。
那 TMJ 医生的故事……
他的瓶颈不是自己的专业知识，是获取其他人专业知识的成本。AI 让他自己能走完每个领域的第一步，然后请专家做判断而不是教他基础。专家从"老师"变成了"审批者"。
最难的部分不是技术？
对。最难的是组织变革。大多数公司会用 AI 让旧流程更快，而不是删除一半流程。瓶颈不是能力，是肌肉记忆。
Part 3: 个性化洞察
基于你的技术栈和工作场景，这篇文章意味着什么。
1. 你的 Skill 系统 = "按需深度"的基础设施
Salman 说"架构很重要"——数据模型、权限模型、工作流集成。你的全局 Skill + wiki 知识库本质上是在给 AI Agent 提供可信上下文，让它在交接前把工作推得更远。你比大多数人更接近"AI 原生"的工作方式。
2. Builder > Pedigree 验证了你的方向
做技术自媒体 + 开源 + AI 产品的路径，正是 Salman 描述的构建者画像。不是在等培训，而是在折腾 prototype、实验 workflow、发现 AI 的边界。
3. AI 产品应该瞄准"删除交接"，不是"加快流程"
问用户：工作中哪些环节是在等别人做你其实能自己做的事？那就是 AI 产品的切入点。
4. 知识库 = 你的"发现缺失"能力的外化
区分因素是"你是否知道得足够多，能发现缺失了什么"。你的 wiki 知识库让你在 AI 生成内容时能快速发现错误和遗漏。