AI浪潮下普通人焦虑何解？花叔、“五道口纳什”等UP主分享学习路径

AI浪潮下普通人的焦虑与应对：花叔、“五道口纳什”等UP主分享学习路径

焦虑、好奇和真实问题把普通人带向了新的临时课堂，焦虑如同一团火。6月22日晚九点左右，花叔v关于女娲skill的视频，有126个人正在观看。

花叔v（下称花叔）是B站上AI相关的内容创作者，俗称“UP主”。4月上旬，他在github上开源了项目“女娲.skill”，4天就收获了6000+ Star。在他看来，与其蒸馏身边普通的同事，不如蒸馏更大佬级别的人物，乔布斯、马斯克、罗永浩等名人都在名单之上。

而这个发布于4月11日的视频，两个多月后，依旧还有观众陆续观看。花叔也关注到了流量的起伏和变化：“从我自己的感受和数据来说，工作日是上下班的时间节点，周末偏晚一些观众更多一些。”

这不是他一人的感受。同时间段，UP主“秋芝2046”也有同样的情况。发布于5月16日关于Codex的视频里，1000+人同时正在观看；发布于5月5日关于Claude Code的视频里，1000+人同时正在观看。

UP主“五道口纳什”对数据的观察更为细致，他告诉盒饭财经：“晚上10点是一个小高峰，中午12:30左右是个小高峰，就是大家休息的时候。”

流量中的每一个数字，便是一个真实的个体，数据的变化，承载的是他们在焦虑和需求中的摸索。

2024年，王小川在接受媒体采访时表示：“去年焦虑买不到卡，今年焦虑有卡不知道该干吗。”这种FOMO情绪中诞生的焦虑，如同一团火，随着AI行业的发展，也在逐渐破圈蔓延。ChatGPT、DeepSeek、Claude Code、Gemini、Seedance，新的产品带来新的震撼后，原本习惯了的工作土壤就松动一分。

旧秩序开始崩塌，新的城池还未确定，行动是这片混沌中少有缓解焦虑的办法。

CNNIC第57次《中国互联网络发展状况统计报告》显示，截至2025年12月，生成式人工智能用户规模达6.02亿人，较2024年底增长141.7%；普及率达42.8%，大幅提高25.2个百分点。生成式人工智能正加速融入日常生活与生产领域，成为推动社会数字化、智能化转型的重要引擎。

AI浪潮太快，但传统“货架”模式的课程追不上更新迭代速度。焦虑需要一个出口，现实工作中的应用需要方法。

于是，一批内容创作者成了普通人和年轻技术学习者的“临时老师”：他们不提供完整课表，却提供路径、经验和正在发生的试错。

困境

B站相关的AI学习内容里，“五道口纳什”不是那种提供速成感的UP主。

他的视频更接近一间开放的实验室：问题被拆开，概念被重新排列，工具背后的原理被反复追问。相比告诉观众“怎么立刻用起来”，他更关心另一件事：建立对Agent黑盒背后的基本概念与原理的认知，也就是所谓的知其然知其所以然。

2017年，“五道口纳什”还在西安读研究生。当时的他，一直想去北上广，尤其是北京，原因很简单，因为北京距离技术更近。后来辗转在华为、杭州工作后，他终于来到北京。那时，还没确定工作，就把住所定在了清华斜对面。而清华所在地，便是五道口。

而“纳什”来自一种熟人间的联想。因痴迷数学算法，有朋友想到了《美丽心灵》里的纳什，于是这个名字后来被保留下来。早期做视频时，数学也贯彻视频。他像是把自己的学习笔记公开：推公式、读论文、学模型，再把这些过程整理成内容。

2019年10月19日，“五道口纳什”在B站上更新了他的第一条视频。他会在视频标题的最前面加上一个分类，比如《BERT、T5与GPT》《分布式训练》《RL4LLM》《LLM Architect》《Agentic RL》《探索智能的边界》等，试图在覆盖，Modern AI从原理到应用的诸多方面。

他告诉盒饭财经，早期在B站当UP主主要有两个原因：一是遵循费曼学习法，通过讲而学，二是，可以将自己的学习笔记和学习过程数字化沉淀下来。

“自学的，倒不是学AI，只是在学用AI工具。”今年年初，刚换了工作的刘盛因工作需要，开始进一步学习AI相关的内容。

刘盛（化名）是国内某互联网企业的后端程序员，之前入行看的是慕课网，现在却找不到这类系统的学习平台。比较幸运的是，公司内部会提供学习资源，也会有相关的讲座和指导群。于是，他要做的就是结合公司提供的技术文档，在各大平台寻找一些补充，比如看B站上有没有能白嫖token的方法。

学习是方法，也是解药，同时也会因此带来新的问题。

2026年3月，一个国内某知名大学刚进组的研究生，给“五道口纳什”写了一封千余字的信。信中主要表达了两个观点：第一，学不过来，AI的东西太多了，且每天都有新的进展，乱花渐欲迷人眼，其中的学习路线和全貌是什么？第二，不知道学的东西有没有意义。

这封信让“五道口纳什”印象深刻。“他说，他即使花了很长时间学完后，发现问了AI，AI可以5分钟就帮他去写完一个非常完备的‌PPO的算法。”更深层的迷茫来自价值感，“五道口纳什”转述，“如果保持着那种纯手工或者古法编程的方式，效率非常低。周围的人也已经开始用AI写代码了，他在一段时间的适应后，发现自己特别容易被取代。”

在广州从事食品饮料行业的乔真（化名）也有同样的感受，他告诉盒饭财经：“偶尔会想，这段话如果让我来写，是不是写得没有他好。AI做得很好，有时会忍不住去用，但去用的时候，又很担心。那我以后怎么办？我会不会就一直flop？如果都用AI来生成，那我的价值在哪里？”

乔真缓解这种情绪的办法，也是行动。让AI制定学习方案告诉他该怎么学，没事就跑跑步，学一些不需要脑力的技能，让他感到踏实，“行动起来是真的可以缓解焦虑。”

于是，或学习需要，或工作需要，或情绪需要，工作时间、上下班的间隙都成了他们“补课”的时间。

先用起来，解决真实问题

花叔的账号轨迹，几乎踩在这两年普通人学习AI的情绪节点上。

2022年11月30日，ChatGPT发布，OpenAI这个曾经更偏研究气质的机构，一跃走到舞台中央。它掀起的人工智能、AGI之火，一路从硅谷烧到了国内。2023年2月初，ChatGPT的月活用户两个月突破一亿。

瑞士银行巨头瑞银集团的一份报告显示，在ChatGPT推出仅两个月后，它在2023年1月末的月活用户已经突破了1亿，成为史上用户增长速度最快的消费级应用程序。根据Sensor Tower的数据，TikTok达到1亿用户用了9个月，Instagram则花了2年半的时间。

此时，较为敏感的那批人突然意识到，AI不是一个只供围观的新技术，而是一套可能立刻进入工作的工具。2016年，AlphaGo战胜韩国传奇棋手李世石，那时讨论的便是“人工智能是否会战胜人类”。

相比7年前，此时的焦虑更具体：看得懂热闹，却不知道第一步该怎么做。

花叔给出的路径不是报一个班或者买一套课程，用传统学习的方式补齐一整套理论。他通常把AI拉进一个具体任务里，让结果暴露问题，再回头补知识、改提问、调方法。

对许多被AI信息流裹挟的人来说，这比“从零系统学习”更容易启动。2023年4月9日，花叔更新了第一条视频，名为《AI基础课01：ChatGPT prompt Engineering实战，中文提示词工程学教程，从入门到精通》。

因看到AI出现，觉得有趣和好奇，成为他做这件事的原点。这条视频里，他分享了自己的使用经验，也明确表示想用这种输出的方式倒逼自己的输入，“在疯狂学的过程中也会有很多想法感想，感觉通过这种方式输出还蛮好的，然后也获得了一些正反馈，所以让过程能够继续。”

好奇是最好的老师，也是优秀选题的来源。“2024年8月29日。”时隔近两年，花叔依然能准确快速报出准确的日期。这是他第一次接触AI编程。

“那会应该是Cursor再加claude 3.5 Sonnet，因为产品形态和AI模型两个因素的发展，让AI编程，让我这类不懂技术的人，真的能靠它去开发产品。”花叔回忆那天他非常兴奋，在接触AI编程后的第三天，他就在B站发布了一条相关视频，“名字好像叫‘人人都都是P8工程师’，那条视频应该也有十几万的播放量，也成为很多人接触AI编程的一个起点。”

这个节点，大众因AI产生的焦虑已发生变化：2023年，人们担心自己不会用ChatGPT；到2024年，焦虑变成了更直接的问题，AI已经进入写代码、做产品、搭工具的环节，普通人还能不能跟上这种生产方式的变化？

如果说早期AI学习者的焦虑来自“我不知道怎么学”，那么后来它逐渐转向“我学了以后能做什么”。

2026年开年，因OpenClaw这只“龙虾”，焦虑来的更猛、影响范围更广。AGI不再满足于停留在对话框内，能帮你点奶茶，能帮你回消息，它们似乎开始“长出手脚”。不久后，“同事.skill”在社交媒体引起关注和讨论。

此时的焦虑更加直观——我会不会被蒸馏，会不会被取代。

花叔注意到了一个现象：“同事.skill”爆火后，github上冒出了一整个蒸馏宇宙：前任.skill、反蒸馏.skill、老板.skill等等。花了一个晚上，他把这些全刷了一遍，越刷越觉得荒诞、有意思。

于是，他决定做一个“女娲skill”。

github上“女娲skill”开篇的介绍就是“同事.skill证明了蒸馏一个人是可行的。那何必蒸馏同事？去蒸馏芒格、费曼、马斯克。只需要输入一个名字，女娲自动完成调研、提炼、验证全流程。”

“女娲.skill”在github上的星标已超26.4k。

2026年4月初，花叔在github上开源了“女娲.skill”。4月11日，在B站发布了相关的视频《我蒸馏了17个大佬给我打工（开源免费）》。

“录视频时大概的六千多，随着内容的传播，它更出圈了，这是我原本没意识到的。”花叔并不是技术出身，没想到能在GitHub这种技术圈里产生影响，是他意料之外的事。

花叔并没有把自己放在“老师”的位置上。他认为，自己更像一个把新工具试过一遍后，回到人群中展示路径的人。他的视频并非只是在解释概念，而是在展示一种学习姿态：先承认自己也在摸索，再把摸索过程拆开给别人看。

对用户而言，这种身份感比“权威教学”更接近他们面对AI时的真实状态。他们也曾和自己一样，原来别人也是这样试错的，原来不懂并不意味着被淘汰，原来一个真实问题可以成为学习的入口——这样的叙事，更容易让点进视频的人放下情绪关注问题本身。

被切碎的课本，把黑盒变白

如果说花叔代表的是“先用起来”的路径，“五道口纳什”代表的则是另一条路：把黑盒尽量变白。

“五道口纳什”是幸运的，这一轮AI周期里，他几乎都经历了。

读研时，就对深度学习有很大的好奇，加上自2022年以来ChatGPT的崭露头角后的持续密切关注和探索，他几乎亲历整个Modern AI 4年来所有大的进展。这也解释了为什么他的内容更加前沿和底层。

2025年年底，“五道口纳什”意识到周围清华、北大相关专业的学生已经不手写代码了，“这是一个巨大的、时代的变化。”

作为经历过正经软件工程训练的他当时就在琢磨，如果大家都不手写了，那可能会遇到两个问题：第一，如何保证你的代码是对的；第二，如何保证你写的代码是可维护的。

“当时我就抛出了这两个问题，还找到了一个特别好用的skill。”为此，他特别做了一期视频介绍这个skill，“这个视频播放量最开始不行，现在也不算高，4万多。”

因为内容的难度和连续性，天然就会成为一部分学习的壁垒。

这也是五道口纳什内容里的一个隐含分界：他并不把AI学习简化成和模型多聊几轮。相反，他反复强调，重要知识本身就有学习曲线。微积分、数学基础、系统原理，这些东西不会因为大模型出现就自动消失，也很难靠几次轻松对话直接获得。

他给出的解法，不是追逐更多点，而是把点连成线。AI学习者最容易拥有的是碎片：一个论文概念、一个框架名词、一个模型更新、一个实践案例。

但真正能缓解焦虑的，往往不是更多碎片，而是知道这些碎片彼此如何连接，自己又应该从哪里进入。AI降低了很多入口门槛，但没有取消深度理解所需的时间。

上一代如慕课网这样的在线教育平台成立的前提，是知识相对稳定，课程可以被提前规划、录制、上架，再由用户按章节消费。

但AI学习的入口，已经被切得更碎。一个人可能在B站看完提示词教程，在GitHub复制一个项目，在阿里云或火山引擎文档里查接口，在Hugging Face或魔搭社区下载模型，最后又回到微信群里问报错。学习不再发生在单一平台内，而是在一串跳转、搜索、试错和求助之间完成。这也改变了课程的生产逻辑。

AI内容的半衰期太短了。一个模型发布、一个框架更新、一个产品改版，都可能让几个月前还完整的课程迅速过时。传统课程货架讲究体系化、完整度和可售卖周期，但AI学习者往往等不到一门“从入门到精通”的大课。

他们要先解决眼前的问题：这个工作流怎么跑通，这个插件为什么报错，这个API怎么调用，这个提示词为什么在新模型上失效。

B站等内容平台，是这一路径被看见、被修正的场域。也是花叔、“五道口纳什”这类UP存在的价值。

“五道口纳什”试图将内容“串起来”，希望未来能做更清晰的导览。比如，本科生怎么学、研究生怎么学、需要什么基础、对应哪些内容。导览意味着不替观众走完全程，也不承诺捷径，而是在知识密林里标出路径、坡度和方向。

就像“五道口纳什”这个名字一样，虽然讲的是极为理性的数学、逻辑，但他在分享时，会给自己定位，给视频前未见面的观众一个轮廓。

他觉得自己像是“实验室的大师兄”，面对缺少导师路径、资源没那么好、不知道该怎么学、不知道学什么的师弟师妹，分享他的学习笔记。这个定位下，他做的不是站在讲台上给出标准答案，而是站在更靠前一点的位置，把路线、判断和笔记给后来者参考。

这种内容之所以吸引一批观众，恰恰是因为AI学习者的焦虑已经从“不会用工具”转向“看不懂系统”。“因为我早期可能还是偏底层原理，我后来看了一下，粉丝里可能有百分之六七十是博士或博士生。”他告诉《盒饭财经》。

和这件事在一起

他们看上去一快一慢，却共同指向同一件事：焦虑不能只靠观看被消解，它需要被转化成行动。

花叔希望大家用最好的工具，解决自己实际工作中的问题：一是，尽早用上现在最好的AI工具和AI模型 ，比如OpenAI的codex和anthropic的claude code。这些最好的模型再加上那些产品的agent实际的执行能力，会让你看到现在的AI会非常得不一样。二是，也不要特意为了学而学，找到工作中那些让你烦躁、让你痛苦、让你不想做的东西，然后让AI来帮你解决。

总结下来，就是用最好的工具，解决自己实际工作中的问题。“五道口纳什”希望大家拥抱AI，和AI一起进化，以追求一种极致的人机协作，“知道AI擅长什么，AI的缺陷和不足是什么，以及自己应该提升什么。然后尊重知识，尊重学习曲线，不是所有的课程、不是所有的知识都是通过和AI的对话能学得的，比如微积分、高等数学，这些不可能仅仅通过AI就学会的。”

这或许是普通人进入AI更稳妥的方式。不要先问自己有没有错过所有东西，而是先问眼前有没有一个问题值得被解决。