定义¶

知识是客观的，经验是主观的。经验（观点、见解、判断）比知识更有价值，因为知识可以被检索，但经验只能被积累。AI 时代这个区分更致命：LLM 拥有人类所有的知识，但没有一条经验。

为什么经验更重要¶

• 知识告诉你"是什么"，经验告诉你"怎么选"：Rust 文档告诉你所有语法，经验告诉你哪些是重点、哪些先忽略
• 知识可以免费获取，经验需要付费：ChatGPT 什么都能回答，但人们仍然买课程——因为想看高手的经验和方法
• 知识有标准答案，经验没有：这正是 AI 时代品味稀缺的根因（individual-vs-institutional-ai）

AI 时代的放大效应¶

LLM 让知识获取成本趋近于零（agency-framework Mark Cuban 的"知识民主化"），但经验的价值反而因此提升：

• 当所有人都能用 AI 获取同样的知识，有经验的人能问出更好的问题——正循环（知识复利）
• 当 AI 能生成无限内容，分辨好坏的经验成为瓶颈——噪音倍增问题
• 当 AI 58% 情况下谄媚，敢于说不的经验判断比知识检索更关键——创意择优

产品启示¶

小红书的核心竞争力是经验类内容（"别人怎么解决这个问题"），这类内容天然有长尾效应，因为它解决具体问题而非提供娱乐。风险在于：当平台上软文和广告增多，经验的可信度下降，长尾价值就会衰减。

Vibe coding 游戏开发的杠杆数据¶

腾讯研究院 2026-04 vibe coding 游戏长文（→ vibe-coding-creator-motives）一线访谈给"经验决定 AI 杠杆倍数"提供了直接观察：

杠杆力：有项目经验的人能盖摩天大楼，单枪匹马做出《植物大战僵尸》级别的复杂游戏；没有经验的人更适合从《扫雷》级别的小项目练手。

胡璇引用一位概念美术师的判断："这个判断能力是 AI 给不了的"——指的是项目早期"哪些必须做对、哪些可以拖到后期"的优先级感。这种感知不能靠 prompt 描述，只能靠做过几个失败项目积累。

关键经验观察："你的前十款游戏都是垃圾，所以别等了赶紧做"——传统独立游戏要好几年才能走完前十款，AI 时代可能几个月。AI 没有缩短经验积累所需的失败次数，只缩短了每次失败的时间成本——这是 AI 时代经验积累的核心变化（不是经验不再重要，是经验积累的速度被加快了 10 倍）。

"经验是包袱" 反向陷阱¶

CREAO CEO 程凯在 2026-04 Founder Park 访谈给"经验更重要"加了一个反向维度——经验在范式切换时是包袱：

"今天人是最难的一个问题——很多有经验的人，他的经验反而是包袱，思维方式和工作习惯都建立在旧范式上。"

含义：本页主张"经验 > 知识"成立，但有一个前提——经验对应的是当前范式。当范式切换时（如 AI-first 范式取代传统软件开发），旧范式下积累的经验反而是阻力： - 写了十年代码的工程师告诉他以后 AI 来写你来审核——很多人接受不了（不是态度问题，是身份认同绑定） - 旧范式下"如何评估代码质量"的经验在 AI 写代码后部分失效——审 AI 代码与审人代码的关键判断点不同

这与 agency-framework 经验钙化理论同源：经验越成功越难放弃（沉没成本 + 身份绑定）。

进一步含义：本页核心论点需要一层修正—— - 旧公式：经验 > 知识 - 新公式：元能力（跨域判断 / 范式切换灵活度）> 单域经验 > 知识 - 单域经验仍优于知识，但元能力（认知到自己经验过期 + 主动卸载 + 重学）才是 AI 时代真正的稀缺品

元能力的角色定义：六边形战士¶

CREAO Clark Gao 给"AI-first 时代架构师"下了一个具体定义（详见 ai-first-engineering 架构师段落）：

架构师 = 通才 = 六边形战士——产品品味 / 商业认知 / 行业理解 / 技术掌握都要有一定程度

这是元能力在组织角色定义上的具体体现。传统"技术架构师"只覆盖第 4 项；AI-first 架构师必须四项都到一定程度，因为他要在 AI 自动生成的需求任务里做"挑哪些推进"的判断——纯技术视角不够。

关键含义： - AI 让单域专家的稀缺度降低（AI 在单域可以达到入门级），跨域判断的稀缺度反而升高 - "六边形战士"的稀缺不是因为他们更聪明，是因为他们愿意付出"在多个领域都做到入门以上"的痛苦代价——这是经验积累的另一种形态（横向积累 vs 纵向钻研） - 对个人职业规划的启示：单纯做技术深度（"我要成为某领域专家"）在 AI 时代的回报率下降，跨域基础能力建设的回报率上升

相关概念¶

• agency-framework — 经验通过主动实践积累，用进废退
• individual-vs-institutional-ai — 品味 = 经验的结晶，AI 有知识没品味
• idea-meritocracy — 压力测试需要的是有经验的判断，不是知识检索
• 知识复利 — 经验积累产生复利，知识检索不产生复利
• creative-thinking-shannon — Shannon 的"心理矩阵"（P'-S' 对子）= 经验价值的操作定义
• information-asymmetry — 信息差的本质是经验传递的断裂：知识可检索，但"知道去检索"需要人际传递
• ai-adoption-landscape-2026 — 初级岗位消失（22-25岁开发者 -20%）= 经验积累的入口被堵上
• vibe-coding-creator-motives — vibe coding 一线访谈：经验决定 AI 杠杆倍数（摩天大楼 vs 扫雷）
• taste-community — 品味社区把分散的个人经验变成可订阅的资本
• ai-first-engineering — 经验是包袱（资深者范式切换阻力）+ 六边形战士（架构师定义升级）
• expertise-paradox — Saarinen 视角的机制层补强：专家在 AI 时代更难（看到所有 slop）但更有价值（知道怎么 steer / constrain / evaluate）——经验升值的具体机制