核心结论： 当具体问题可以直接交给 AI 解答，只负责提供标准答案的教学内容会越来越不值钱。真正稀缺的，是经过实践验证，能说清取舍、失败和适用边界的判断。
为什么不再看“保姆级教程”
之前想跟着卡帕西的 GitHub 项目学习时，我找过几个“保姆级教程”，但每个视频看完开头就放弃了。
视频必须从创作者设定的起点出发，按固定顺序讲给所有人。我真正卡住的，却只是其中几个具体问题。为了找到答案，我得先看一遍已经知道的内容。
所以，直接问 AI 更适合我。我可以先告诉它自己已经知道什么、哪里看不懂、最后想做到什么，再沿着回答继续追问。它不必从头讲一套完整课程，可以直接从我卡住的地方开始。
刚接触 AI Agent 时也是如此。MCP、token、CLI 等术语一起出现，我最初会找短视频理解。现在我会直接问 AI：这个概念解决什么问题，和相近概念有什么区别，再让它结合我正在做的事举例。
标准答案型内容正在贬值
如果一条内容只负责解释“什么是 MCP”“某个项目怎么安装”或“提示词怎么写”，用户已经可以直接问 AI。AI 不只会给出答案，还能根据用户的基础调整解释，跳过已经掌握的部分。
AI 的答案未必可靠，但用户可以继续追问、要求对比，再核对关键事实。相比之下，视频只能沿着固定路线往下讲。过去，创作者的价值是替用户找到并整理答案；现在，这部分工作的成本已经大幅降低。
这不意味着教学视频会消失。人仍然不知道自己不知道什么，一段演示可能第一次提醒他：原来 AI 还能参与这类工作。但用户知道“可以做”以后，往往会直接找 AI 解决自己的具体问题。只提供新鲜用法，能获得一时的注意力，却很难积累长期信任。
真正有价值的是经过验证的判断
AI 可以整理信息、比较方案，却不能替创作者完成实践并验证结果。创作者真正能提供的，不是“我知道答案”，而是“我做过，并且知道它在什么情况下有效”。
这样的内容要回答几个具体问题：为什么选择这个方案，为什么放弃另一个；哪些尝试失败了，付出了什么代价；条件发生什么变化时，原来的结论就不再成立。
失败和中间过程也很重要。看到别人未经美化的输出、返工过程和最终结果，读者才知道“好”大概是什么水平，也更容易判断这套方法是否适合自己。商单喜欢展示稳定、顺畅的结果，但对读者更有用的，往往是不够漂亮的部分。
删掉真实处境，内容还剩下什么
我现在会用一个简单的标准判断内容：删掉创作者的真实处境，这些话是否仍然成立？
如果删掉之后几乎没有损失，它大概率只是一份通用答案，直接问 AI 通常更快。如果删掉具体处境，取舍就失去依据、失败无法解释、结论也不再可靠，创作者才真正提供了增量。
AI 不会让教学内容消失，但会让只负责传递标准答案的内容更难留下来。比多知道几个工具和术语更重要的，是公开自己的选择、限制和不完美过程。