主体 · 左局长的 AI 时代判断（金句摘要）
直播后半段大量观众问答，左局长的认知输出，择要保留
「SQL 大概率未来没必要学，我现在一个 SQL 都不写。」
SQL 之所以存在，是因为它能被 Spark / Presto / ClickHouse / Flink 等多个组件统一调用，是一门「商业化适配」的取数语言。有了 AI 后取数不挑语言（Node 可能更快），SQL 的统一价值在消解。但过渡期面试还在考，所以被迫学（与 5/28 决议「SQL 还得学，因为面试还在考」是同一判断的两个时间层）。
「数仓分层本质是做给人用的。」
人不擅长管理数据才用规则约束（分层）。AI 能打通代码层 + 数仓层的元数据 / 数据字典，可能不需要复杂分层，洗到 DWD 层即可，加字段立马能做。口径只剩三种：数仓口径、业务口径、聊天记录口径，AI 有望统一。
「RPA 不会被 AI 取代，未来是 RPA 执行 + AI 判断。」
RPA 跑固定流程几乎零成本（耗点电），AI 操作浏览器「token 跟烧流水一样贵」。RPA 有它的生存场景，未来在「需要判断下一步」时叫 AI，不是谁替代谁。同事用飞书智能助手下单搞 3 小时没成，RPA 一下就完。
「越便宜的东西越贵。CC 接 DeepSeek 少用，真的害人。」
省了 token 钱，但你的时间也是钱；垃圾输出让你反复返工，还消耗你学 AI 的热情（热情是一种资源，没了就没勇气继续用）。DeepSeek 模型本身可以，但作为 agent 接入不够好、缺一个「工作室 / agent 架构」，只有一张嘴。模型降质真实存在（4.7 那版「跟弱智一样」，新模型发布会刷新额度、挤压旧模型算力）。
「你判断 AI 做不出来，是个伪命题。」
AI 不会做不出来，只会给你一个你不想要的答案；真做不出它会直接告诉你方案不可行。所以别先质疑自己提示词，先看它是「方向歪了（提示词问题）」还是「模型降质」。好模型会主动问你问题。判断的前提是你自己得懂、用得够多，有体感。
「产品最重要的、不可或缺的是记忆系统。」
每天做什么得有记忆，且要看一周 / 一月维度的目标有没有偏，只看一天必然是偏的（每天都在处理杂事）。对应左局长自己的「驾驶舱」：第一行（长期目标）不变，基于记忆判断方向有没有走偏。AI 眼镜 / 录音笔可作上下文承载体，但具身智能最大瓶颈是续航。
路黑老师（同事）现场案例 · AI 提效
- 用 AI 给 5 场面试录音打分：喂 JD + 要求 + 5 段录音，自动输出每人详细评分报告（岗位匹配度、是否建议录用、亮点提取、总结排序），直接给 HR 用。
- 转述某上市公司高管：老板讲了 3 小时业务该怎么展开，本来要整理一周，他用 AI 一晚全搞定，第二天老板震惊。
- 用了一周半就「上瘾」，沟通场景里很容易出「很屌的东西」，不需要很深的技术难度。