AI

今年冬天，我被一场持续的咳嗽折磨了将近两个月。 看了不少西医。做了呼出气一氧化氮检测（专门判断气道有没有过敏性炎症）和肺部CT，结果一切正常。医生也开了不少药：先是抗生素，然后是阿斯美、孟鲁司特钠这类针对咳嗽变异性哮喘的药物，效果都不理想。我一度以为自己产生了耐药性，后来查了才知道这类药根本不存在耐药问题。 奇怪的是，去看中医之后，每次针灸后咳嗽都有明显缓解。我把这个观察告诉西医，对方不出意料地嗤之以鼻：“江湖骗子”。 但如果真的只是安慰剂，为什么缓解效果如此稳定、可重复？这个问题让我一直想不通。 一、咳嗽本身，变成了问题 带着困惑查资料，加上和 Claude 反复讨论，我接触到了一个近年来才逐渐被医学界认可的概念：咳嗽高敏综合征（Cough Hypersensitivity Syndrome）。 它的核心逻辑是：咳嗽久了，气道里的神经会被"训练"得越来越敏感。原本需要一定刺激才能触发的咳嗽反射，渐渐变得一点痒就启动。而咳嗽本身又会继续刺激这些神经——更敏感，更容易咳，形成恶性循环。 这不只是功能上的"过敏"，而是神经发生了结构上的真实改变。2021年，俄勒冈健康科学大学的研究团队对慢性咳嗽患者做了气道活检，发现其气道上皮的感觉神经密度显著高于正常人，且神经分支数量明显增多——这是神经重塑（neuroplasticity）的直接证据。（Shapiro et al., Am J Respir Crit Care Med, 2021） 到了这个阶段，肺部没有炎症是完全正常的——问题的根源早就不在气道，而在于反射弧被"过度训练"了。这也解释了我的两个典型症状：喉咙莫名发痒（刺激阈值极低），以及咳嗽完全不受主观意志控制（自主神经反射，绕过"想不想咳"这个判断）。 这同样解释了为什么那些药没什么用。孟鲁司特针对过敏炎症，抗生素针对细菌，对神经敏化本身都没有作用——就像修一辆刹车失灵的车，却只换了挡风玻璃。 目前对这类慢性咳嗽真正有效的药物，是加巴喷丁——一种原本用来治疗神经性疼痛的药。2012年发表在《柳叶刀》上的一项随机双盲安慰剂对照试验，证实了加巴喷丁能显著改善难治性慢性咳嗽患者的咳嗽频率和生活质量。（Ryan et al., The Lancet, 2012）它直接作用于神经传导，而非气道炎症——这本身就说明了问题的性质。 二、针灸：不只是安慰剂 有了这个框架，我重新审视了针灸的效果。 起初我以为，针灸可能只是通过心理暗示或转移注意力来缓解咳嗽。但查了一些研究之后，发现并没有这么简单。 2025年发表的一篇系统综述汇总了 30 项随机对照试验、共 2835 名患者，结论是：针灸相关疗法在慢性咳嗽患者中能够显著改善咳嗽严重程度和生活质量，证据等级为中等可信度。（Lim et al., Complementary Therapies in Clinical Practice, 2025） 更有意思的是机制层面。针刺特定穴位已被证实能激活自主神经系统中的特定回路，进而调节迷走神经的活动，产生可测量的抗炎效应。（Lim et al., PLOS ONE, 2016）也就是说，针灸并不只是"让人感觉好一些"，它通过皮肤体感输入，真实地调动了神经系统中的某些回路。 当然，心理预期和注意力的参与也可能存在——但这与"纯粹的安慰剂"有本质区别：前者是真实的神经调控，只是路径不同于传统西医的靶点。 三、用 AI 打一个类比 想到这里，我发现这件事用机器学习来类比，出奇地直观。 AI 模型在训练时有一种常见问题叫过拟合：如果在某种数据上训练过久，模型就会对这类数据过度敏感，泛化能力下降——稍微换一种输入，就会给出异常的输出。 慢性咳嗽的神经敏化，本质上就是人体版的过拟合：持续的咳嗽刺激让特定神经通路被过度强化，系统变得"一触即发"，对原本无害的刺激也产生剧烈反应。 为了解决过拟合，工程师会用各种方式来"修正"模型。对应到咳嗽的治疗，可以画出一个粗略的类比： 行为训练（主动练习抑制咳嗽冲动）：类似于对过度激活的神经通路施加持续的衰减约束，慢慢把参数拉回正常范围； 加巴喷丁：类似于直接压制神经信号的传导强度； 针灸：类似于从外部注入一个旁路信号，激活了不同于咳嗽反射弧的神经回路，间接干扰了那条被过度强化的通路。 AI 里有一种技术叫 Dropout：训练时随机屏蔽一部分神经元，强迫模型不过分依赖某条特定路径，从而消除过拟合。针灸的某些作用和这个逻辑有些相似——都是通过干扰特定通路的主导地位，让系统重新找到平衡。 这当然只是类比，不是严格的科学对应。但两件事背后有一个共同的本质：一个系统如果对某种刺激模式过度学习，就需要某种外部干预来重新校准。 结语 这次生病让我更切实地体会到一件事：医学上最常见的误判，是把"我不理解这个机制"直接等同于"这个东西没有效果"。针灸的理论框架也许存在问题，但它在慢性神经性疾病上长期积累的临床经验，可能暗藏着真实的神经调控机制，值得用现代科学的语言认真对待。 我们会发现中医和西医描述的是同一件事，只是用了两种完全不同的语言。 ...

昨晚和老友坐在街角一家有些年头的烧烤摊，炭火氤氲，烟气呛人。肉串的味道大不如前，似乎为了追求出餐效率，少了些许腌制的耐心。这种口感上的“降级”很像我们当晚聊天的底色——在一种不可阻挡的洪流面前，原本精细的手艺变得不再重要。 作为常年与代码打交道的人，在这个新技术以周为单位迭代的时代，我们并没有表现出外界想象的那种亢奋。相反，酒精下去，浮上来的是一种近乎绝望的清醒。老友说，我们现在的处境，像极了工业革命前夕还在挥舞锄头的农民。当内燃机驱动的收割机开进麦田时，你锄头挥得再优雅、再有技巧，在发动机的轰鸣声中都显得滑稽且多余。那些我们曾经引以为傲的 K8s 运维经验、对底层工程细节的掌控，在能自动编排工作流的 AI 面前，正迅速贬值为一种旧时代的“民俗手艺”。 这种无力感，本质上是“工具理性的反噬”。我们制造工具是为了解放自己，但现在的 AI 似乎不是在解放我们，而是在替代我们的思考过程。 聊到现在的 AI 助手，我们都觉得它们还是太“乖”了，乖得有些迟钝。你推一下，它动一下，这种 Passive（被动）的交互模式，依然停留在“搜索引擎”的逻辑里。但真正的智能，或者说一个合格的 Digital Agent，不应该是一个等待指令的终端。我想，未来的 AI 应该是一种“流动的环境”。 当我深陷在复杂的代码逻辑或写作心流中时，它应该像一个懂事的秘书，敏锐地察觉到我的认知负荷已经满了，于是主动在后台静默地处理掉杂务，拦截一切不必要的打扰，而不是弹出一个对话框问我：“需要帮助吗？”——在这个注意力稀缺的年代，不打扰，才是最高级的智能。 顺着这个思路，我们谈到了那个让人头疼的“文件系统”。人类的大脑从来不是按文件夹分类的，我们是按“关联”记忆的。我们会记得“那是去年冬天做的项目”，或者“那个让我熬了三个通宵的 Bug”。但现在的操作系统强迫我们将这些鲜活的记忆压缩进死板的树状目录里。我在想，未来的文件系统应该消亡，取而代之的是一个基于语意的“记忆层”。我不需要知道文件存在哪个盘符，我只需要表达意图，AI 就应该像从深海打捞沉船一样，根据时间、地点、甚至我当时的情绪，把那些碎片拼凑回来。这不仅仅是效率的提升，这是对人类思维方式的某种“回归”——让机器去适应人，而不是人去适应机器的文件协议。 但在巨头的阴影下，这种智能也让人恐惧。既然在大模型上拼不过算力和数据，我们一致认为，“本地化（On-Device）”或许是最后的避风港。这是一个关于尊严的博弈：没人愿意把长达二十小时的生活录音、私密的碎碎念上传到云端供巨头训练。如果能有一个 1.5B 级别的小模型，它只住在我的手机里，只记得我的习惯，只懂我偶尔冒出的灵感，并且在物理上与互联网物理断开。这种极致的隐私和封闭性，可能是我们在数字全景监狱中，唯一能保留的“自留地”。 夜色渐深，话题最终落到了职业的归宿上。未来的程序员，大概率会分化成两类：绝大多数人变成“预制菜加热工”，负责拼装 AI 生成的代码模块，也就是所谓的“调包侠”的终极形态；而只有极少数人，能像坚持古法烹饪的老牌厨师一样，去死磕那些 AI 暂时无法触及的物理边界和复杂系统。 这顿烧烤吃得有些撑，临走时，路边的白炽灯晃得人眼晕。这个世界终究是一个巨大的草台班子，AI 正在重新分配桌上的筹码，而我们是那个看着牌桌规则被改写的人。二十年后，社会分工或许会重构完成，而现在，我们这群“旧时代的农民”能做的，或许就是在巨大的收割机开过来之前，先学会怎么给它写“咒语”。 或者，像老友在微醺中半开玩笑说的那样：“实在不行，就别写代码了，去加仓几手内存厂商的股票吧。”毕竟，在淘金热里，卖铲子的人永远比挖金子的人活得久。