最近公司在上《高效能人士的七个习惯》2.0 的课程，第一个习惯「积极主动」里 影响圈和关注圈 这对概念让我觉得非常有趣。
简单来说：关注圈是你在意但改不了的事情，影响圈是你能实际影响的事情。柯维的核心观点是，把精力花在关注圈会让影响圈缩小；反过来，专注于影响圈，它反而会越长越大。
我是一个软件工程师。理论上，这是被 AI 冲击最早、最猛的岗位之一。所以我想用自己过去一年的经历做一个案例，聊聊这个框架在 AI 时代的实际应用。够不上什么洞察，仅仅只是一种个人的挣扎罢了😂
关注圈 - 先说几个我改变不了的事实
编程语言是人类语言中最结构化、最有逻辑的一种（该说是语言么？）。而当前 AI 的核心技术，也就是大语言模型（LLM，Large language model），恰好最擅长处理结构化语言。这意味着，AI 对编程领域的冲击，比对其他领域来得更早、更彻底。
有多彻底？一年前，我大概 80% 的代码是自己手写的，AI 辅助 20%。而现在，100% 的代码由 AI 生成，我负责设计、审查和验证。这不是我一个人的体感，看看 Claude 背后的公司 Anthropic 就知道，去年估值 615 亿美元，今年 2 月已经到了 3800 亿美元 [1]，一年翻了六倍。市场已经在为这个趋势投票了。
《品牌时代》[2] 里有一个很贴切的类比：瑞士钟表匠曾经靠精密制造吃饭，直到石英表出现。当曾经昂贵的东西突然变得便宜时，竞争的轴就会发生位移。 精密制造不值钱了，品牌和身份认同变成了新的竞争力。写代码正在经历类似的事情，它正在从一项昂贵的专业技能变成一种廉价的基础资源。
但有意思的是，Naval [3] 反过来说：软件工程师恰恰是这个时代最具杠杆效应的人群之一，因为「他们用代码思考，所以他们真正了解底层发生了什么。而所有的抽象都是有漏洞的。」这话乍一听跟上面矛盾，但想想也不矛盾。写代码变便宜了，但懂代码的人依然有杠杆，因为瓶颈上移了，从「能不能做出来」变成了「能不能信任它」「该不该做这个」。
所以我个人的判断是：纯软件开发岗位的需求量会逐渐减少，这几乎是确定的。但就像从马车时代到汽车时代，马车夫的岗位确实消失了，但熟悉路况的马车夫反而能成为最早的出租车司机，吃到汽车时代的第一桶金。软件行业的从业者往往也是最懂 AI 的人，即使岗位形态变了，这份理解力依然能结合其他行业产生价值。
当然，这个大方向我看得到，但我改变不了。行业往哪走、岗位怎么变，这些都是关注圈里的事。如果把精力都花在焦虑「AI 会不会替代我」上面，嗯，这有点像在讨论「35 岁危机」，焦虑本身不会让你变得更不可替代。上一年我的 与学习有关的一切-v0.1 分享也有说到这个问题
影响圈 - 既然如此，我能做些什么？
上一周，我梳理了自己在 AI 编程领域走过的路，总结成了下面这张图。你不需要看懂每个技术细节，只需要注意一个趋势：我的角色从「亲手写代码的人」逐步变成了「设计流程让 AI 写代码的人」，而每一次转变都扩大了我的影响圈。
这个过程大致可以分成三个跃迁：
跃迁一：学会向 AI 提问
一开始，AI 编程就像一个自动补全工具，它猜你要写什么，猜对了你按确认，猜错了你忽略。后来有了 ChatGPT，你可以跟它对话了，不满意可以说「不对，我要的是这个」。
这个阶段的影响圈很小，你只能影响「自己怎么提问」。但很多人会在这里停下来，觉得「够用了」。Dan Shapiro [6] 总结过一个规律：「每一个阶段都让你觉得自己已经到了终点。」 免费的觉得够用了，付费的觉得差不多了。这不是懒，是满足感陷阱。而且这个心理跟「35 岁危机」几乎一样，觉得当前的舒适区已经足够好了，直到外部环境告诉你不够。
跃迁二：学会给 AI 提供正确的背景信息
当我开始让 AI 直接在我的整个项目里工作时，迎来了一次痛苦的效率滑坡。就像你招了一个能力很强但完全不了解公司情况的新人，它写出来的东西风格混乱、不符合团队规范，一不小心写出来的问题还会被无限放大。
后来我意识到，问题出在我没有把工作标准写清楚。AI 既不是你脑子里的蛔虫，也只能读懂文字。你过年去亲戚家拜年的步骤文档化了没有？你每周看新闻的流程写下来了没有？你评价一件事「好不好」的标准，能说清楚吗？这些问题，我在编程领域全部遇到了。
于是我开始做一件事：把脑子里的隐性知识变成文档。 编码规范、设计偏好、审查标准、项目约定……这些以前只存在于「老员工的经验」里的东西，第一次被迫写成了白纸黑字。
这一步让我的影响圈显著扩大了。我开始从源头改善 AI 的输入，告别反复修补输出的循环。思维从「下游修补」转向了「上游预防」。
跃迁三：学会设计让 AI 自主完成任务的流程
到了现在这个阶段，我的工作更像一个项目经理，设计流程、定标准、验收结果。AI 是执行者，我是设计者。我当前还在阶段 5.5，并非已经有项目经理、管理者的能力～
前面关注圈里提到瓶颈上移了 [5]，到了这个阶段体感尤其明显。AI 写代码很快，但「该不该写」「写得对不对」「能不能上线」，这些判断它做不了。Thorsten Ball [4] 有一个很有画面感的类比：以前有个开发团队，等电脑跑任务的时候一边用副屏看电视，用余光监控进度。AI 时代也一样，当 AI 自己在跑任务的时候，你的注意力放在哪里才是关键。 知道什么时候该盯着看，什么时候该放手让它跑，这本身就是一种判断力。
有趣的是，我的影响圈比 AI 出现之前反而更大了。AI 让「写代码」这件事从我的影响圈掉进了关注圈；但「理解代码」和「设计让 AI 正确交付的系统」，仍然在我的影响圈里。我能做的事情比以前多，而不是少。
你的影响圈在哪里？
我是软件工程师，但这个模式不只适用于写代码。
当 AI 让某件事变便宜时，核心价值就会上移到「理解为什么要做」和「判断做得好不好」。 写方案变便宜了，但判断方案能不能打动客户的是你。生成报表变便宜了，但看出数据背后问题的是你。
Thorsten Ball [4] 有一句话我很喜欢：深入理解系统的人会有效驾驭 AI，而平庸的从业者会和平庸的 AI 输出一起被淘汰。有人会被替代，有人会幸存，关键在于你有没有在影响圈里做事。
两个问题留给大家：
- 在你的工作中，哪些技能正在变得逐渐廉价？廉价本身不是坏事，但它意味着竞争的轴在移动，而这个趋势你改变不了。那就是你的关注圈。了解它，但别把精力花在焦虑上。
- 当那些技能变得廉价之后，什么是只有你能判断的？你的行业经验、对业务的理解、对质量的判断标准，这些是 AI 读不到的隐性知识。那就是你的影响圈。把它们显性化，你的影响圈就会开始扩大。
柯维说得对，专注于你能影响的，影响圈就会长大。 这在 AI 时代似乎还是如此。
参考资料什么的
[1] Anthropic closes $30 billion funding round at $380 billion valuation | CNBC - Anthropic 于 2026 年 2 月完成 300 亿美元 Series G 融资，估值达 3800 亿美元，较去年翻了六倍。其中 Claude Code 的年化收入已达 25 亿美元。 [2] The Brand Age - 当产品功能趋同时，竞争轴会从品质转向品牌。文中以瑞士钟表匠面对石英表冲击为例，说明「当曾经昂贵的东西变便宜，你需要找到新的竞争力」。 [3] A Motorcycle for the Mind - Naval - Naval 认为软件工程师是 AI 时代最具杠杆效应的人群，因为「他们用代码思考，真正了解底层发生了什么，而所有的抽象都是有漏洞的」。 [4] Joy & Curiosity #77 - Thorsten Ball - 我在关注的一位博主的周记，里面对 [2] 和 [3] 两篇文章的评论非常好，是我写这篇文章的灵感来源。 [5] Zen of AI Coding - 16 条 AI 编程原则。核心观点：代码的边际成本趋近于零，瓶颈从「能不能做出来」上移到了「能不能信任它」，AI 时代需要更多工程纪律而非更少。 [6] The Five Levels: from Spicy Autocomplete to the Dark Factory - Dan Shapiro - Dan Shapiro 提出 AI 编程的五个层级模型（从「辣味自动补全」到「黑灯工厂」）。核心洞察：「每个阶段都让你觉得自己已经到了终点，但你还没有。」