我一开始以为，所谓工具依赖就是“离开某个工具就不会做事”。
后来发现更准确的说法是：依赖的不是工具本身，而是工具带来的掌控感。
封闭系统和开放系统
有些事情不用 AI 也能继续做，比如高数、大学物理、SolidWorks。
它们属于比较封闭的系统：题目有答案，模型能不能装上有反馈，图纸表达是否规范也能检查。即使没有 AI，过程会慢一点，但标准还在。
另一类事情就不一样，比如知识管理、内容创作、个人网站、AI 协作工作流。
这些开放系统里，没有一个外部标准随时告诉你“这样对不对”。很多时候你需要自己判断方向、结构、表达和优先级。
AI 工具在这里不只是帮你做事，还会给你一种“我正在推进”的确定性。
工具变成基础设施
当一个工具融入日常工作流，它就不再只是外挂，而是基础设施。
比如 Claude Code、Codex、Obsidian、GitHub、Vercel。它们不只是提高效率，还改变了我组织问题的方式。
问题也在这里出现：基础设施越顺手，单点故障时越容易崩。
如果某天工具不可用，我也许还能重建系统，但过程里会先经历明显的不适应。这个状态不是“弱”，而是“高效但脆弱”。
脆弱不等于弱
一个系统很高效，往往意味着它牺牲了一部分冗余。
没有冗余时，平时速度很快；出问题时，恢复成本也高。
所以我现在更关心的问题不是“要不要用 AI”，而是：
- 没有 AI 时，我还能不能独立写出第一版？
- 没有 Obsidian 时，我还能不能整理一份结构化笔记？
- 没有自动化工具时，我还能不能解释清楚工作流？
- 重要内容有没有版本记录和备份？
冗余是主动设计出来的
Git 是一种冗余，Markdown 是一种冗余，明确的目录结构也是一种冗余。
它们让系统不完全依赖某个软件界面，也不完全依赖某次对话上下文。
我不想回到完全不用工具的状态。真正要做的，是让工具成为可替换的基础设施，而不是不可替代的支撑点。
高效和冗余之间永远有权衡。意识到这个权衡，比假装自己完全不依赖工具更重要。