让能力留下可验证的痕迹

看一个人的作品时，我想知道的，是他如何让一件事从模糊走到具体。

最初的问题是什么，他承担了哪一段判断，为什么选择这条路径，中途遇到什么限制，最后又用什么确认它确实起了作用。这些痕迹，比一组工具名称更能让我理解他的能力。

AI 让做出一个看起来完整的东西越来越容易。于是，产物背后的取舍会变得更值得保留：哪些需求被删掉了，什么反馈改变了方案，哪里仍然需要人做决定。

一次具体任务，可以成为一个很小的能力样本。把输入、判断、产物和反馈连在一起，别人才能沿着这条线理解贡献，自己也更容易看见哪些部分能够迁移。

迁移时，表面相似只是入口。任务的约束、失效方式和检验标准是否仍然相近，需要再看一次。做过一类事情，并不会自动证明已经具备另一类事情的能力。

这也提醒我记录自己的实践：少留一点模糊的自我评价，多留一点能被重新检查的过程。时间过去以后，我希望能说清楚，这次经历究竟让哪一种判断变得更可靠了。