精华速览

少数派Matrix精选文章借用发展经济学中的“中等收入陷阱”概念，类比AI Agent时代个人竞争力的演变。作者指出，随着模型价格下降、办公类Agent普及，会用AI正从稀缺技能变为基础设施，技术性执行能力持续贬值。文章将“会用AI”拆分为工具绑定型技巧与认知判断型能力，认为前者随工具成熟而贬值，后者随Agent增强而放大。作者提出应积累不随模型降价而缩水的“外部资本”（用户、账号、工作流）与“内在资本”（判断力、品味），并通过预测—反馈—修正的循环和大量比较来刻意培养，避免在依赖Agent中丧失不可替代性。

要点透视

  • 文章以2023年高考后学习C++的经历为例：GitHub Copilot出现后，同学用Tab补全即可通过评测，作者苦练的编程经验迅速贬值。
  • 作者称2024年投入大量精力学习的ICPC竞赛技巧，到2025年可被Claude轻松完成；2024年手搓PPT，2026年可由文生图模型一键出片。
  • 文章提出“会用AI”分为两类：工具绑定型技巧（特定提示词、Skill配置、Harness调教）和认知判断型能力（定义问题、判断结果好坏、决定何时推翻Agent）。
  • 作者认为同等智能的模型价格会持续下降，当Agent使用成本降到临界点，仍依赖人力完成的环节将暴露在被替代风险下。
  • 文章区分“外部资本”（核心用户、社媒账号、可迭代工作流）与“内在资本”（判断力、品味），并强调复利性是资本的重要特征。
  • 作者以Apple发布iPhone Duo后折叠过渡效果被开发者移植到MacBook为例，说明“做出来”不等于“有人用”，分发渠道与品牌认知构成难以抹平的鸿沟。
  • 文章提出判断力养成循环：预测→实际结果→预测误差→解释误差→更新模型，并建议在询问Agent前先给出自己的判断。
  • 作者引用产品设计师Iglika和Thiago Costa的观点，认为品味来自长期接触大量好产品及跨领域吸收，并需通过实际创作和比较来锻炼。

文章拆解

这篇文章的核心逻辑，是把国家层面的“中等收入陷阱”迁移到个人与AI Agent的关系上。在低收入阶段，人靠基础执行能力获得生产力；进入中等收入阶段后，AI让执行变得廉价，信息差消失，会用AI不再是稀缺能力；若无法完成向判断力与品味的转型，个人就可能陷入“AI的中等收入陷阱”——订阅费花了不少，产出看似提升，但自身不可替代性反而下降。

这一类比之所以成立，是因为作者观察到两个同时发生的趋势。第一，模型侧同等智能的价格持续下降，Agent能力快速抬升普通人的能力下限；第二，工具侧Harness和基础模型厂商不断把复杂配置封装为默认能力，昨天需要高手掌握的技巧，明天可能开箱即用。因此，依赖工具熟练度的优势天然存在贬值压力。

对行业和用户的影响在于，竞争焦点可能从“谁能用AI做出东西”转向“谁拥有用户、渠道、品牌和持续迭代的工作流”。文章用Apple与独立开发者的对比说明，AI能拉近制作能力，却难以抹平分发和品牌的外部资本差距。对普通用户而言，真正的风险不是能力退化本身，而是“没有选择地退化”——把查API、调CSS、手搓PPT交给Agent是合理红利，但若连品味和判断力的培养也一并放弃，就会在温水煮青蛙中加深依赖。

值得关注的变量包括：Agent使用成本下降到临界点的速度、办公类Agent普及后信息差消失的节奏，以及个人能否建立有效的反馈闭环。潜在风险是，把“驱动Agent能做的事”误认为自身能力，从而高估竞争力。文章也坦承，作者本人仍在探索提升判断力的实际方法，相关经验尚不充分；其提出的预测—误差—更新循环和比较式品味训练，效果尚待确认。整体而言，文章的价值不在于给出确定答案，而在于提示一个正在加速演进的趋势：当执行力变得廉价，判断力和品味可能是少数不易随模型降价而贬值的资本。

查看原文