之所以搭建一套严谨的素养框架，本质上是为了避开AI时代最隐蔽的教育陷阱。猿编程创始人李翊在现场直言警示：“很多孩子借助AI快速产出成果，但这种‘借来的能力’正在制造新的认知陷阱——当AI成为拐杖，思考本身就在萎缩。”他判断，未来的教育评价体系必将重构：不再只看最终产出，更看重思考过程、人机分工与价值判断。“十年后的核心竞争力，从来不在于知识储备的多寡，而在于深度思考与创造价值的能力。”这一判断也得到了凯文·凯利的深度认同，在他看来，AI素养的核心从来不是会不会用工具，而是懂不懂什么时候用、怎么用、为什么用——会用只是及格线，善用才是真正的分水岭。
前言 mattpocock/skills 深度解析：用 22 个 Claude Code 技能构建可维护的 AI 编程工作流项目定位与组成设计哲学：小、可组合、模型无关两种安装方式可编辑安装只读托管安装 实战工作流：从需求对齐到架构治理1.
这个演进过程的背后，是 AI 工作流从"能用"到"可靠"的工程化跃迁。AI 工作流的核心痛点集中在三个层面。
§4.4.6 "官方没说的"事项 按本文写作纪律——官方没写的，不要写——以下事项本文不妄言： 不同 azloc 版本之间的具体功能差异（以当期微软官方文档为准）；Arc resource bridge 的 HA 节点数（具体以当期 OEM Support Matrix 与官方文档为准）；任何具体的 VM 数量上限（按当期文档表述随版本演进变化）；任何具体的网络性能 / IOPS 数字（按当期 OEM Support Matrix 与官方文档为准）。
c add_path() set_cheapest() create_xxx_path() src/backend/optimizer/path/costsize.