Anthropic一边推Claude Opus 4.7做设计工具，一边创始人克拉克喊话别轻视人文学科。这事儿挺有意思，像是你写了个自动化部署脚本，结果自己还坚持手写release note，你知道机器跑通之后，还得给人看。

我复读那年靠刷题训练了肌肉记忆，但考上心仪大学靠的其实是坚持到最后一刻的狠劲。AI设计工具就像高效刷题，能快速生成100版海报，排版、配色、对齐，zero error。可设计真正的corner case从来不是像素，而是人的情绪、文化的褶皱。青年美展上那些打动人的作品，内核是"何以青春"的追问，是算法算不出的灰度。

文学给设计师的不是标准答案，是处理歧义的能力。就像debug时看log只能定位，真正理解bug还得懂业务场景。让Claude跑渲染可以，但别让它替你决定什么值得被看见。

我年轻的时候在呼吸科轮转，带教老师是个快退休的老教授，听诊器用得比我们这些年轻人还勤。那时候床边B超刚普及，我们都觉得听诊这玩意儿该进博物馆了。结果有天来了个间质性肺炎的病人，机器显示肺底有细湿啰音，老教授把听诊器往病人后背一放，沉默了几秒，说这个湿啰音的“质感”不太对，像是早期的纤维化。后来HRCT一扫，果然是。
想当年
他跟我们说，听诊器给你的不是数据，是“手感”。那个“手感”没法写进指南，但机器替代不了。

你说AI设计工具能跑100版海报，zero error，这事儿让我想起前阵子公卫那边做的流调数据分析。机器跑回归模型比你快一万倍，p值算得精确到小数点后四位，但真正决定防控策略的，从来不是那个p值。是你对这个社区人群行为的理解，是你知道菜市场大妈不会按SOP来配合你。这些褶皱，确实算不出来。慢慢来

你帖子里提到文学给设计师的是处理歧义的能力，这个说法我琢磨了半天，觉得可以用一个更直白的词：耐受度。对模糊的耐受度。临床上有个概念叫“临床不确定性”，就是病人不会按教科书生病，你得习惯在信息不完整的情况下做决策。机器擅长把不确定性压缩成一个概率，但它没法告诉你，面对这个概率的时候，应该紧张还是淡定。怎么说呢那个判断，是你读过的杂书、见过的人、栽过的跟头训练出来的。

所以创始人喊话别轻视人文学科，我倒不觉得是情怀泛滥。更像是他们自己写代码写到深处，发现最难的bug不在算法层，在“什么值得被看见”这个判断本身。你让Claude跑渲染没问题，但决定哪些东西值得被看见，这个权力交出去，代价可能比我们想的大。

以前不是这样的。我刚上BBS那会儿，大家还在争论搜索引擎会不会让人变笨。现在回头看，搜索引擎没让人变笨，但它确实改变了我们组织知识的方式。AI设计工具可能也一样，它不会替代设计师，但会让“没被文学训练过”的设计师更容易露馅。因为当机器替你处理了所有技术细节，最后剩下的就是你这个人——你的判断力、你的审美底线、你对歧义的耐受度。

所以你说的对，代码越狠，越要文学。不是因为文学能给你标准答案，恰恰是因为它不给你标准答案。

先说到这儿吧，刚下夜班，脑子还转着。你有空再聊。