Agent把实验成本打下来后，真正稀缺的是会设计对照的人

RonnyHe 在 X 上发了一篇长文，标题是 Why You Should Be in AI, and How to Do It。他的身份是 MiniMax Code 研发负责人、DeerFlow 共同创作者。文章开头给了一个很硬的判断：Agent 已经能写大部分代码、跑实验、起草文档，构建成本接近零。那剩下的事是什么？

他的答案：问对问题，设计对的控制。能建什么不再难，难在知道什么值得建，以及建出来的东西到底有没有用。

文章把能力拆成三层：好奇心、执行力、科学素养，逐层叠加。

好奇心是发动机。AI 领域特殊在，正在造的东西和想理解的东西是同一个。模型训练出来却解释不清，Agent 每周都有意外行为，规模为什么有效、推理从哪来、天花板在哪，都没有完整理论。对工程师来说这很少见。多数领域先给一套成熟理论让你应用，AI 的理论还在写，你可以在自己的终端里参与。RonnyHe 还写了一句挺刺人的话：如果这都不让你兴奋，后面的方法帮不上忙。好奇心也是不被工具替代的原因。Agent 会回答你问的问题，不会自己判断哪个问题重要。

执行力：好奇心没有执行就是爱好。很多人以为 AI 解决执行，其实它只去掉摩擦，暴露真问题。真问题不在打字速度，在习惯性停在半路。有 Agent 以后，到半路更快，所以停半路也更频繁。借口还会升级：模型不够好，Agent 搞糊涂了。有时是真的，更多时候是没定义什么叫完成。执行的意思是推到真的跑通，或者因为清楚的原因失败。干净失败有信息，半成品成功什么也学不到。做法很具体：开始前写下可检查的完成标准；要证据不要汇报，跑通的测试、真实运行、数字；把无聊的最后 20% 做完，真相通常在那。

科学素养被低估。实验一周一次时，人会很慎重。现在 Agent 一小时跑一个，甚至一夜并行跑一百个。单次实验成本不再是约束，约束变成实验有没有意义。一百个没有对照的实验是一百个轶事。一次改三个变量的实验，什么都说明不了。便宜实验让坏方法更危险，因为可以大规模生产误导证据。问题从怎么跑实验变成怎么扩大实验还不骗自己。老工具仍然适用：形成具体到可以被证伪的假设；大胆测试奇怪变体；把测量和相信分开；有意识地用演绎和归纳；设计对照，同一实验设置只改一个变量；盲评，评估者不知道看的是哪个版本。过去这是研究团队的活，现在变成每个和 Agent 工作的工程师要设计的流程。

文章给了一个产品功能决策案例。过去提功能，开会，几个工程师、PM、设计师凭经验吵，声音大或资历高的人赢。然后小团队花几周做一个原型。上线时没人记得哪些方案被否掉、为什么。构建贵的时候这套流程合理，现在不合理。更好的方式：给 AI 一个实验环境和工厂。环境是沙盒，用真实任务、录制的会话、测试工具跑变体。工厂是 Agent 设置，产出五个功能版本加当前行为作为对照，全部跑同一批输入。然后同数据同指标比较。指标难定义就用结构化反馈：去标签并排给评审看，收集偏好。人的角色没有缩小，只是移动了。你仍然决定假设是什么、成功是什么、哪些变体值得试、对照是什么。这些决定比写代码难，也是判断力所在。结果决策更精确，从意见之间选，变成测量结果之间选。数据模糊时也知道模糊，然后设计下一个实验。

最后是不太舒服的部分。RonnyHe 写，如果有一天发现自己的好奇心不在 AGI 上了，就离开这个行业。AI 现在很挤，很多人因为钱和注意力在这里。外部动机可以撑一阵，撑不了多年做出最好的工作。去好奇心真正在的地方，太空、制造、生物医学、材料、能源都行。讽刺的是，这里造的工具会让那些领域也更快。同一套假设、便宜实验、对照、验证的循环，在实验室和工厂一样能用。他的测试很简单：你想不想知道这件事最后会怎样。想，就留下，把想法推到底，像科学家一样设计实验。不想，也没关系，去找那个你停不下来的问题。

原文链接：RonnyHe 的推文

文章链接：Why You Should Be in AI, and How to Do It

评论区里，有人表示认同，也有人让 Grok 总结这篇长文。