作者：Lei阅读 --

执行塌价，判断涨价："做什么"为什么越来越难

代码越写越顺，方向反而越来越糊——这不是心态问题，是价格信号。用四组可核实的实验（Copilot RCT、METR、锯齿边界、构想—执行落差）和互补品经济学拆解这个困境的三个机制，然后给出一套重新定位自己的框架：拥有问题、拥有验证回路、盘点没被降价的隐性上下文，用便宜的执行去买昂贵的信息。

工程实践

最近刷到一条很多工程师都在转的帖子，标题只有一句话：“用 AI 写代码越来越顺了，但’做什么’这个问题反而越来越难。“评论区没有人反驳，只有一排”我也是”。这篇文章想认真回答它——不是用鸡汤，而是用四组可以核实的实验和一条经济学早就写清楚的定律。

先把结论放在最前面：

“做什么”变难不是你的问题，而是一次结构性的价格变动。AI 把”怎么做”的价格打了下来，而经济学的基本定律是：一样东西降价，它的互补品就涨价。执行的互补品是判断——决定做什么、验证做得对不对。你感受到的”难”，就是判断力涨价时的价格信号。定位自己的方法不是想出一个更好的答案，而是把自己从”实现者”的位置，迁移到”拥有问题、拥有验证回路”的位置上去。

下面分五步展开：先用数据确认这个感受是真的；再拆它背后的三个机制；然后回答”你的价值搬去了哪里”；接着给出找方向的五个可操作动作；最后收束成三个可以今晚就问自己的问题。

一、先确认：塌价是真的，但塌得极不均匀

焦虑最怕的是含混。所以先把”AI 让写代码变顺”这件事钉死在数据上——它是真的，但比多数人以为的更有形状。

第一组证据：标准化任务上，执行确实塌价了。 GitHub 与微软研究院 2023 年的受控实验（Peng et al., arXiv:2302.06590）招募了 70 名开发者，任务是用 JavaScript 实现一个 HTTP server。用 Copilot 的实验组比对照组快 55.8%，而且经验越浅的开发者提升越大。注意这个任务的特征：目标清晰、从零开始、无历史包袱——一个被完美定义的”怎么做”问题。

第二组证据：真实的复杂系统里，塌价没有发生，甚至倒挂。 METR 2025 年的随机对照实验找了 16 位资深开源开发者，在他们平均维护了 5 年的成熟仓库（平均 2.3 万 star）里完成 246 个真实任务，随机分配允许或禁止使用 AI 工具（主要是 Cursor + Claude 3.5/3.7 Sonnet）。结果：允许 AI 的组反而慢了 19%。更扎心的是感知落差——开始前开发者预测 AI 能让自己快 24%，做完之后仍然相信自己快了 20%。实际上他们变慢了。

第三组证据：能力边界是锯齿状的，而且从外面看不见。 哈佛商学院与 BCG 的现场实验（Dell’Acqua et al.，HBS 工作论文 24-013，后发表于 Organization Science）让 758 名咨询顾问做 18 个真实任务。在 AI 能力边界之内的任务上，用 AI 的组产出质量高约 40%；在边界之外的任务上，用 AI 的组比不用的差 19 个百分点——AI 不是没帮上忙，是把人带沟里了，而且失败是无声的：产出看起来很像对的。论文给这个现象起的名字后来广为流传：锯齿状技术边界（jagged technological frontier）。

三组实验拼在一起，塌价的形状就出来了：

场景任务特征AI 的效果
Copilot RCT清晰定义、从零开始、无上下文+55.8% 速度
BCG 边界内有模板可循的知识工作+40% 质量
BCG 边界外看似相近、实则超出能力−19 个百分点，无声失败
METR复杂真实系统、深度隐性上下文−19% 速度，且感知相反

真正塌价的不是”写代码”，而是”上下文无关的、被清晰定义的执行”。 任务越标准化，价格掉得越狠；而依赖隐性上下文的工作、以及”判断此刻是否在边界之内”这件事本身，一分钱都没降。这个形状，就是后面所有定位问题的地图。

二、为什么”做什么”反而更难了：三个机制

感受确认了，形状看清了，现在拆机制。“做什么变难”不是一种情绪，它有三个彼此独立、可以分别验证的成因。

机制一：互补品涨价——这是价格信号，不是心理问题

Agrawal、Gans 和 Goldfarb 在《Prediction Machines》（2018）里给 AI 经济学定了一个基调：别把 AI 当魔法，把它当降价。机器学习的本质是让”预测”这种商品大幅降价，而降价的经济后果永远是两条：替代品贬值，互补品升值。预测的互补品是什么？是判断——书里给它的定义很精确：判断是对不同结果赋予回报的能力，是关于我们到底要什么的陈述。预测机器可以告诉你每条路通向哪里，但”想去哪”没法外包。

把这个框架平移到今天的编程：塌价的商品从”预测”换成了”执行”，结论原样成立。执行的替代品（照着清晰规格写代码的能力）在贬值，执行的互补品在升值——问题选择（做什么才值得）和结果验证（做出来的对不对）。你觉得”做什么”越来越难，恰恰说明你对市场价格变动的感知是灵敏的。难，是稀缺的表现形式。

机制二：过滤器失效——以前替你做决定的，是实现成本

回想 AI 之前你是怎么决定”做什么”的。诚实的答案是：大部分时候不是你在决定，是成本在决定。一个想法冒出来，脑子里自动跑一遍估算——要改三个服务、要两周、要碰那个没人敢动的模块——绝大多数选项在这一步就被剪掉了，你只需要在幸存的三五个选项里挑。实现成本是一台一直在后台运行的剪枝器，它剪得太久了，久到你以为那是你自己的”方向感”。

现在剪枝器坏了。什么都”也就一个下午的事”，于是决策树在你面前完整展开。选项从五个变成五十个，难度不是线性增加的——心理学里这叫选择过载，工程里这叫搜索空间爆炸。你没有变笨，是你第一次直面未经剪枝的问题空间。

这个机制还有一层更隐蔽的推论：以前”我做不了”是一个体面的、自动的挡箭牌，它同时也替你挡掉了”我该不该做”的责任。执行塌价之后，每一个没做的选项都变成了你的选择。方向的重量第一次完整地压到了判断上。

机制三：反馈断流——动手曾经是思考的一部分

第三个机制最反直觉：写代码慢，曾经是想清楚的方式。

实现一个想法的过程充满摩擦——写到一半发现数据模型撑不住这个需求、接口设计逼你想清楚边界情况、debug 时发现”用户根本不会这么用”。这些摩擦不是浪费，它们是想法和现实之间的碰撞测试。执行慢的年代，一个想法走到成品，中途已经被现实修正过几十次。现在执行快了，想法可以不经碰撞直接变成成品——验证没有消失，只是被推迟到了更晚、更贵的阶段。

这一点有一组设计得近乎完美的实验来背书。斯坦福的 Si、Yang 和 Hashimoto 先在 2024 年发现（arXiv:2409.04109，100+ NLP 研究者盲评）：LLM 生成的研究想法在”读起来”这个阶段被评为比人类专家的想法更新颖。然后他们做了残忍的后半场（The Ideation-Execution Gap, arXiv:2506.20803，ICLR 2026）：招募 43 位研究者，每人花 100+ 小时把随机分配的想法（人类的或 LLM 的）真正执行出来，再盲评。结果：LLM 想法的得分在执行后全面大幅下跌，把构想阶段的领先全部跌完。

这两篇论文合起来说的是一件事：想法的真实价值，只有执行反馈才能揭示；而执行变便宜，并没有让”分辨好想法”变便宜。“听起来很好”和”做出来真好”之间的落差，正是判断力的栖身之地。

三、定位：你的价值在栈里上移了一层

三个机制指向同一个结论——瓶颈没有消失，它上移了。把一个工程师的工作粗暴地分成三层：

flowchart TB
  L3["第三层：问题选择 × 验证<br/>决定什么值得做，判断做出来的对不对<br/>【涨价区】"]
  L2["第二层：方案设计<br/>把模糊的需求变成清晰的规格<br/>【缓冲区】"]
  L1["第一层：执行<br/>把清晰的规格变成能跑的代码<br/>【塌价区】"]
  L3 --> L2 --> L1
  AI["AI 从底层向上蚕食：<br/>先吃掉标准化执行，再吃掉模板化方案"] -.-> L1
  AI -.-> L2

“代码越写越顺”翻译过来就是：你在第一层的稀缺性正在流失，不管你多资深。这是坏消息。但三个好消息藏在数据的细节里，它们共同构成你的定位地图。

好消息一：第一层没有整体消失，消失的只是它的标准化部分。 METR 的结果说明，在复杂真实系统里，资深执行不但没塌价，还是 AI 目前学不会的。塌价的是”上下文无关的执行”——恰好是外包、模板、CRUD 早就侵蚀过一遍的那部分。如果你的执行价值来自对某个具体系统、具体领域、具体客户的深度纠缠，这部分没有被降价。

好消息二：边界感知本身成了新技能。 锯齿边界实验里表现最好的顾问，不是把任务全部丢给 AI 的人，而是清楚知道哪些子任务在边界内、哪些必须自己来的人。“知道什么时候不能信 AI”是一项只能从真实使用和真实翻车里长出来的能力——而你过去半年”越写越顺”的经历，正在悄悄积累它。它值钱，因为它没法从帖子里学到。

好消息三：验证是新瓶颈，而验证是可以拥有的。 构想—执行落差实验的另一面是：那 43 位研究者之所以能给想法定生死，是因为他们有能力执行并评审。谁离验证近，谁就掌握价值分配权。我在《Eval 是新的 PRD》里写过同一个逻辑的产品版：当实现变成机器的事，“定义什么叫做对了”就变成了人最值钱的输出。

把三条合起来，得到一个可以随身携带的定位公式：

你的不可替代性 ≈ 你拥有的问题 × 你拥有的验证回路 × 你没被降价的隐性上下文。

三个因子是相乘不是相加——任何一项为零，整体就为零。只有上下文没有问题，你是活字典；只有问题没有验证回路，你是点子王；只有验证回路没有上下文，你是外包评委。

四、行动：从供给侧转向需求侧的五个动作

定位清楚了，“做什么”就从玄学变成了工程。五个动作，按依赖顺序排列。

1. 停止从工具出发，开始从问题清单出发

“我 AI 用得这么顺，该做点什么呢？“——这个问法本身就是困境的一部分。它是供给侧思维：从自己拥有的能力出发找出口。问题在于，AI 带来的执行能力是无差别的，人人都有，从无差别的能力推不出差异化的方向，所以这条路越想越空。

反过来，需求侧思维从你独家接触到的问题出发。Paul Graham 在 How to Get Startup Ideas 里的判断今天更成立：最好的想法是”创始人自己想要、自己能做、而很少有人意识到值得做”的东西——第一条保证问题真实存在，他自己就为此赔过六个月（做了一个画廊网站，而画廊根本不想上网）。具体动作：开一个问题清单，只记录你亲身撞上的、让你烦躁超过两次的问题，以及你在工作里旁观到的、别人反复用笨办法解决的问题。两周之后再看这个清单，方向感的原材料就在里面。

2. 只挑你拥有反馈回路的问题

既然验证是新瓶颈，选题的第一过滤器就不是”我能不能做出来”（几乎都能），而是”做出来之后，我能不能廉价地知道它对不对”。三种拥有回路的形态，成本从低到高：你自己就是重度用户（自用即验证）；你能直接触达一小群真实用户（比如你的同事、你的客户）；这个领域有客观的对错标准（跑分、成交、报错率）。反过来，那些”做出来了但没人能告诉你好不好”的项目——没有用户的框架、没有场景的 demo——正是执行塌价时代最容易量产的垃圾，因为它们只消耗便宜的执行，不消耗昂贵的判断，做完只有幻觉性的进度感。

3. 优先选”错了会疼”的领域

锯齿边界的启示是：边界感知只能从真实后果里学。在没有 stakes 的玩具项目里，AI 的无声失败不会暴露，你的判断力得不到训练数据。所以同样是练手，修一个真实用户会骂你的 bug，好过做十个没人用的 side project；在生产系统里让 AI 干活并为结果负责，好过在沙盒里刷”我用 AI 做了个 X”。疼痛是判断力唯一的监督信号。

4. 用便宜的执行去买昂贵的信息

执行塌价最正确的用法，不是生产更多成品，而是把执行当探针：以前验证一个方向要两周，现在一个下午——那就把原来”想清楚再做”的流程，改成”做出来帮自己想清楚”，用最小实现去证伪方向，而不是证明自己。关键纪律是：每次探针打完，收割的必须是判断（这个方向为什么不行/行），而不是成品（又一个躺在那的 repo）。构想—执行落差实验说想法的价值只有执行反馈才能揭示——那么执行降价等于验证降价，这是整场变局里你能白拿的最大红利。多数人拿它量产成品，少数人拿它量产判断。

5. 把判断写下来，让它复利

执行的产出（代码）在贬值，判断的产出（为什么做 A 不做 B、哪里翻了车、边界在哪）在升值——但判断如果只留在脑子里，既不能复用也不能被看见。写下来有三重收益：写作强迫你把模糊的直觉压成明确的主张（写不清楚 = 还没想清楚）；公开的判断记录是新时代的作品集——成品人人都能量产，判断轨迹伪造不了；而且它复利，今天的结论是明天文章的支点。你现在读的这篇文章，就是这个动作本身。

五、收束：三个今晚就能问自己的问题

如果只带走一件事：“不知道做什么”的解法不是更多思考，而是更快地让真实世界给你打分。方向感不是想出来的，是从反馈里长出来的——而执行塌价恰恰把”获得反馈”的成本打到了历史最低。这是这个困境里最讽刺也最仁慈的部分：让你迷路的那个东西，同时是走出去最快的交通工具。

三个自查问题，对应定位公式的三个因子：

  1. 我最近一次因为”知道内情”而做对的决定是什么？——答案指向你没被降价的隐性上下文。它可能是某个系统的坑、某个行业的潜规则、某群用户的真实习惯。那里是你的根据地。
  2. 有哪个问题，是我不需要问任何人就能判断答案好坏的？——答案指向你拥有的验证回路。在那个问题上，你就是那 43 位能给想法定生死的评审之一。
  3. 过去一个月我用 AI 做出来的东西里，哪一个被真实地使用了？——如果答案是零，说明你在用便宜的执行量产成品，而不是购买判断。下一个项目，先找到会使用它的那个人，再动手。

以前，写代码是成本，所以”做什么”被成本替你决定；现在，写代码是提问的方式，“做什么”变成了你自己的责任——也第一次完整地变成了你自己的机会。

参考文献