Think and Make：Agent 時代精力的重分配
來源： X — @wquguru 作者： wquguru（WquGuru） 日期： 2026-05-27 互動： 31,355 Likes · 13 Reposts · 3 Replies · 359.1K Views
WquGuru@wquguruThink and Make：Agent时代精力的重分配313569.1K过去几年，我一直用一个很粗糙但有效的模型理解个人成长：有些人主要在做，有些人主要在想。执行型的人能不断产出，思考型的人能不断积累方向感。理想状态，大概是二者兼具。Gaoge@gaogezh·May 24Translated from ChineseShow originalAgents are really bad at making decisions. Whether it’s choosing code technologies or handling trivial daily matters, Agents aren’t designed for decision-making. Agents have no emotions, and without emotions, they have no decision-making ability. Humans, on the other hand, areShow more25315AI Agent 出现以后，这个模型需要重新校准。原因不复杂：执行仍然重要，只是执行的形态变了。以前的执行，是你亲手查资料、写代码、做表格、写报告、发邮件、整理结论。现在越来越多执行，会变成另一种动作：你定义目标，拆出约束，配置上下文，让 Agent 先跑一轮，再由你判断、修正、整合、交付。于是问题也跟着变了。过去我们常问：我应该多思考，还是多执行？现在更值得问的是：当执行被 Agent 放大以后，我应该把自己放在工作链条的哪一层？我的判断是：未来 3 年，最优的个人时间分配，会从过去的 70% Make + 30% Think，逐渐迁移到 50% Make + 50% Think。少数已经有深厚领域积累、判断力和外部反馈渠道的人，甚至可以走到 40% Make + 60% Think。这里的 Make，不再只是亲手把任务做完。它更接近编排式的执行：编排 Agent、设计工作流、验证输出、完成最终交付。这里的 Think，也不只是坐在那里想。它更接近复合思维：判断什么值得做，设计什么系统来做，复盘 Agent 为什么做错，再把一次经验沉淀成下一次更强的工作流。一、原来的时间分配为什么失效了在没有 Agent 的时代，一个人的产出很大程度受限于自己的执行带宽。你一天能写多少代码、读多少材料、做多少分析、回多少消息，都有清晰的生理上限。于是 70% 执行 + 30% 思考是一种很强的默认策略：做得多，反馈多，学习快，成果也可见。Agent 改变了这个约束。麦肯锡 2025 年的全球 AI 调研得出如下结论：AI 高绩效组织的区别，除了用了更多模型，更重要的是主动重写 workflow。换句话说，价值正在从“我会问 AI 一个问题”，进入“我能把一段工作改造成 AI 可以持续参与的系统”。这就是原模型失效的地方：过去的瓶颈在执行端，现在瓶颈开始往上游移动。新的瓶颈包括：低层执行会被压缩，高层执行会变得更值钱，包括这几件事：把模糊目标翻译成 Agent 能执行的任务给 Agent 足够上下文，同时控制噪声设计检查点，让错误在早期暴露对输出做质量判断，避免照单全收把一次成功流程固化成下一次可复用的系统这些动作看起来仍然属于执行，但实际上已经接近更顶层的设计。二、五种人的重新排序如果把人按 Think / Make 分成五类，Agent 时代的排序会发生变化。1. 95% Make，5% Think：最危险这类人的优势曾经是勤奋、响应快、能扛活。但如果他的 Make 主要是重复性执行、规则性处理、初级分析、搬运信息，那恰好落在 Agent 最擅长接管的区域。危险不一定表现为“AI 立刻取代这个人”。更常见的变化，是议价权下降。原来老板需要你，是因为这些事必须有人做。现在这些事可以由 Agent 做一版，再由更少的人审核。于是纯执行者会被迫卷速度、卷成本、卷可用时长，而这些恰好都不是人类的强项。这类人的自救方式，是尽快从“任务承接者”升级成“任务定义者”。2. 70% Make，30% Think：仍然很强，但不再是最优这类人在过去十年非常强。他们能产出，也会复盘；能交付，也有方向感。Agent 时代，他们依然会比大多数人强，因为他们有真实反馈，不会陷入空想。问题在于，如果他们仍然把大量时间用在可以被 Agent 承接的亲手执行上，就会错过杠杆迁移。他们最大的风险，是误以为自己已经足够高效。一个典型信号是：他每天用 AI，但只把 AI 当加速器，没有进一步重写自己的工作方式。比如：用 AI 帮忙写代码，但没有沉淀项目级 coding workflow。用 AI 写文档，但没有形成自己的研究、引用、审核流程。用 AI 查资料，但没有建立事实核查和来源分层。用 AI 处理琐事，但没有重新设计自己每周的产出系统。这类人需要的升级，是把 Think 的比例提高到足以重新设计 Make。3. 50% Make，50% Think：新的最佳平衡点我认为未来三年，综合表现最好的，大概率是这一类人。他们会继续交付，而且交付得更多，因为 Agent 放大了执行带宽。与此同时，他们会把省下来的时间投入更高密度的思考：选题、判断、系统设计、复盘、工作流沉淀。他们的一周大概长这样：这类人的核心优势是闭环。每次 Make 都会变成下一次 Think 的材料，每次 Think 又会变成下一次 Make 的系统：plaintext更好的问题判断 -> 更清晰的 Agent 任务 -> 更高质量的输出 -> 更多真实反馈 -> 更强的 workflow -> 更好的问题判断这种人会越来越像一个小型组织：他本人负责战略、审美、判断、质量；Agent 群负责搜索、草拟、编码、对比、测试、整理。4. 30% Make，70% Think：上限更高，但风险也更高Agent 确实让这类人更有竞争力了。过去，一个人如果 70% 时间都在思考，很容易落地太慢。现在 Agent 可以帮他把想法快速变成 demo、草案、原型、实验，所以高思考比例不再像以前那么奢侈。但这个策略只适合少数人。它要求你已经有足够强的判断力、领域积累、外部反馈渠道。否则 70% Think 很容易退化成高质量拖延：每天都在优化框架、重写路线、构思宏大系统，但没有任何东西进入真实世界。这类人要保留一个硬约束：每一段 Think，都必须绑定一个可观察的 Make。先想到足够清楚，再让 Agent 做一个可验证的版本。这个版本可以很小，但必须能碰到现实。5. 5% Make，95% Think：仍然最弱纯思考在 Agent 时代并不会自动升值。很多人会误解这件事：既然 AI 可以执行，那我只要负责想就好了。但如果一个人的想法从不进入现实，Agent 只会帮他更快地产生更多未经验证的想法。Agent 会放大能力，也会放大幻觉。如果你没有交付，没有用户，没有市场，没有代码运行，没有读者反馈，没有真实约束，那么 AI 给你的只是更流畅的自我说服。所以 5% Make 看似自由，实际更像不着边际。三、为什么 50/50 是新的最佳实践50/50 的优势在于，它同时保留两种压力。Make 给 Think 现实压力：这个想法能不能跑？有没有人要？输出质量够不够？Think 给 Make 方向压力：这件事值不值得做？能不能复用？有没有更高杠杆？如果只有 Make，人会陷入旧式勤奋：一直做、一直交付、一直很忙，但每一份产出都太依赖自己的时间。如果只有 Think，人会陷入新式空想：框架越来越完整，可能性越来越丰富，现实反馈却越来越少。50/50 的含义，和把一天机械切成两半关系不大。它更像一个工作周期里的双重校准：一边保持真实交付，一边不断升级交付系统。Agent 时代，产出的单位不再只是“一个人一天能做多少事”，而是：一个人能设计多少可复用的高质量工作流。微软也提到，很多人已经感受到 AI 的必要性，但组织的指标、激励、习惯仍然奖励旧式执行。个人也一样。如果你只是把日程继续填满，把 AI 省下来的时间继续拿去做更多旧任务，转型其实还没有发生。更深的转型，应该把省下来的时间拿去重构系统。四、Make 的新定义：从亲手执行到编排交付在新模型里，Make 至少分三层。第一层是人来动手：你亲手做。比如亲手写关键代码、亲手做最终判断、亲手和客户沟通、亲手改文章结构。这些动作不会消失，因为最关键的质量和责任仍然在你身上。第二层是Agent来动手：你让 Agent 做。比如让 Agent 搜集材料、生成初稿、写测试、对比方案、整理会议纪要、跑一轮竞品分析。这部分会越来越大。第三层是Agent自主驱动：你做出一个以后还能继续产出的系统。比如：一个可复用的 research workflow一个项目级 coding agent 配置一个自动生成周报的脚本和检查流程一个能持续监控市场机会的 dashboard一套让 Agent 写文章但保留你个人判断和语气的流程显然，第三层最值钱。人类动手产出一次算一次，Agent动手可以加速，而Agent系统性驱动会产生复利。所以未来的 Make，不能只统计“今天完成了多少任务”，还要统计：今天有没有让明天的执行变得更便宜、更快、更可靠？五、Think 的新定义：从想法到判断系统Think 也要升级。低质量 Think 常常停在一个问题上：“我还能做什么？”高质量 Think 会反复追问：什么问题值得做？哪些任务不该由我亲手做？这个 workflow 的失败模式是什么？Agent 输出中哪些错误最危险？哪些判断必须由人负责？哪些经验可以变成模板、脚本、skill、agent？我的时间，是否还被旧世界的执行习惯占满？Agent 时代最稀缺的东西之一，是判断。想法会变得极其便宜。任何人都可以让 AI 生成 20 个产品方向、10 篇文章大纲、5 套技术方案。难点在于知道哪一个方向值得投入，哪一个方案会在现实里坏掉，哪一个输出虽然漂亮但不可信。所以 Think 的目标，是建立更强的“选择函数”。也就是：在一堆可能性里，选出值得 Make 的那一个。六、一个可执行的 50/50 周期如果要把这套东西落到每周，我会这样分。每天每天至少保留一个 60-90 分钟的深度 Think block。这个时间不拿来刷信息，也不拿来和 AI 闲聊，而是处理最上游的问题：今天最重要的判断是什么？当前项目最大的风险是什么？我是不是在用 Agent 加速一件不该做的事？每天的 Make 则尽量 Agent-first。这里的意思，是在开始工作前先问一句：这件事里，哪一部分应该由 Agent 先跑一版？每周每周分三类时间：Workflow block 很重要。很多人只把 AI 用在当下任务里，却不愿意花时间沉淀流程。结果每次都重新提示、重新解释、重新纠错。Agent 时代的复利，往往就藏在这 10-20% 里。每月每月留 1-2 天做系统级复盘：哪些任务已经应该交给 Agent？哪些任务交给 Agent 后质量下降了？哪些工作流本月重复出现 3 次以上，应该产品化？哪些产出看似很多，但没有形成资产？哪些 Think 其实只是拖延？哪些 Make 其实只是逃避更难的判断？这一天名义上像复盘，实际是系统维护。七、个人能力的四个新核心未来三年，一个人要在 Agent 时代活得好，至少要练四种能力：意图设计能力工作流设计能力质量判定能力品味和责任心1. 意图设计能力把“我想要什么”说清楚。这里的重点不在于写更长的 prompt，而在于定义清楚目标、边界、上下文、成功标准、禁止事项。很多 Agent 失败，问题未必出在模型能力，更常见的是人类给的 intent 太烂。2. 工作流设计能力把一次任务拆成可执行、可检查、可恢复的流程。一个成熟 workflow 通常包括：输入是什么Agent 做哪一步人在哪一步审核哪些步骤需要外部工具哪些结果必须引用来源哪些操作必须人工确认失败后怎么回滚或重跑这会成为知识工作者的新基本功。3. 质量判定能力判断输出是否可信。未来很多人的问题，会从“不会产出”转向“产出太多，却分不清好坏”。AI 让初稿泛滥，审稿能力反而升值。你要能看出：事实是否可靠推理是否跳步代码是否只是看起来能跑文章是否只有流畅，没有洞察方案是否忽略了真实约束4. 品味和责任心Agent 可以无所限制的生成，但最终责任仍然在你这里。最终交付上写的是你的名字，用户信的是你的判断，事故出了也不会由模型来承担。所以品味和责任心会变得更重要。你要知道什么东西够好，什么东西不能发，什么东西虽然能做但不该做。八、最后的判断AI Agent 时代，最危险的人未必是不会用 AI 的人，也可能是用 AI 加速旧工作方式的人。他们会变得更忙、更快、更会产出，但时间分配没有变，判断位置没有变，工作系统没有变。最后只是把旧世界的执行焦虑升级成新世界的 Agent 焦虑。所谓重分配，就是把自己从“执行者”挪到“设计者 + 编排者 + 最终责任人”的位置。所以我的结论是：未来三年，最优解是少做低层 Make，多做能改变 Make 的 Think如果用一句话压缩：50% Think，50% Make；Think 决定方向，Make 提供反馈，Agent 放大二者之间的循环这大概就是 AI Agent 时代的生存之道。Want to publish your own Article?Upgrade to Premium11:28 AM · May 27, 2026·9,192 Views31356109RelevantView quotes