作者：Melody Koh (NextView) | 来源：SandHill.io #283
为什么我押注天花板比地板上升得快。
一位投资组合的创始人告诉我，我一直在投资的东西是“暂时的，就像一年前的提示词工程 (prompt engineering) 一样。” 他认为 AI 产品将变得足够直观、发展足够快，以至于洗刷掉任何专业实践。但我打赌天花板上升得比地板快，而两者之间的差距正是在此期间积累个人优势的地方。
上个月，我和这位创始人进行月度沟通。Zoom 会议结束后，我们通过短信继续讨论我最近是如何分配时间的：在代理框架（agent harnesses）之上进行构建，用 markdown 文件将我的工作方式规范化，通过与模型和代理的密切合作来培养只有这样才能建立的肌肉记忆。
他的看法：
“但这有关系吗？任何差距都会在几个月内被填平。”
“这就像一年前的‘提示词工程’——只是暂时的权宜之计，直到模型能够预测所有需求并填补所有空白。”
- “现在还没到那一步！一年后再跟我说。”
这是我从聪明、懂技术、成功的操作者那里听到的一种立场的清晰表达：不要费心在一个将被供应商提供或被抽象掉的层面上培养技能。
他关于地板正在上升的说法并没有错。问题是上升的速度有多快。
地板和天花板都在以不同的速度上升
我认为他的立场只有在地板上升的速度快于天花板，快到足以在任何专业实践获得回报之前将其洗刷掉时才成立。还有一种情况是地板和天花板以相同的速度上升；这种实践仍然是暂时的，你只是用今天的差距换取随着地板上升而重新打开的差距。
但我实际上押注的是另一种情况：天花板上升的速度快于地板。 原因是结构性的。模型底层智能的改进速度快于面向用户的 UX（用户体验），而且我们真的还没有弄清楚如何教大多数人很好地使用 AI。产品表面落后于能力前沿，而这种滞后正是个人竞争优势所在。
从汇编语言到 Python 的转变并没有消除系统思考者的优势；它只是转移了优势所在的地方。在汇编直觉之上学习 Python 的系统思考者，表现优于纯粹主义者和只会 Python 的初学者。
推高天花板是一种实践。
这场争论实际上是关于什么的
他底层的赌注比框架层更深。他认为实验室和 AI 提供商将使产品足够直观、发展足够快，以至于你不需要任何专门的专业知识就能获得价值。地板将上升得足够高，以至于不需要努力就能触及天花板。
我上周写过为什么我认为这是错的。即使产品很直观，你工作的表面区域也不会对通用代理变得清晰可见。供应商在设计上交付的是通用判断：客户特定的草稿、工作流程模板、自以为是的默认设置。而专业化仍然在用户端：本季度要推动哪些潜在客户，在你的特定工作中“更好”意味着什么。
问题在于你是否知道如何将模型引导到你工作中需要智能的部分，而不是需要你判断的部分。
在此期间，变得具体
上周五，在一个邻里聚会上，我的一位邻居——他在近二十年前和我同一批进入投资银行分析师班，现在是一家不良信贷基金的董事总经理——问我：你是如何真正做到“让 AI 用你所有的尽职调查信息来撰写备忘录”的？
他描述了他想要的：输入原始的尽职调查文件，输出结构化的备忘录。我告诉他，如果设置正确，这是一个只需两个小时的问题：持续的上下文，将代理视为一个将下次的所有内容都记录下来的初级员工，围绕他工作中重要的部分搭建规则脚手架。如果没有这种基础，即便是 Claude Cowork 也会让人失望，只会产生通用的“不是很好”的版本。
ChatPRD 的创始人 Claire Vo 最近让 GPT-5.5 完成了跨越她工作全部难度范围的三项实际工作：
她自己对发生的变化的总结是：
“这是关于提高对可能性的期望……我现在把 GPT-5.5 扔向我的错误积压、脆弱的测试和安全评估——那些硬骨头。”
两端同时移动。模型提高了每个人的地板，但正是实践让她能够同时完成这三项工作。更接近天花板的人不会把它体验为天花板工作。他们称之为提高期望 (raising ambition)。
这种工作方法为我带来了什么
这不仅体现在个人项目中，也体现在传统的风险投资产品工作中。例如 NextView 的 AI 辅助交易评估系统。从这些工作中得出了三种元技能（meta-skills），它们是可以迁移的：
一年后，地板和天花板都会更高，我打赌天花板会继续上升得更快。值得思考的问题是，你是一个推高天花板的人，还是一个等待天花板降低的人？
差距就是实践获得回报的地方。这就是我“在此期间 (in the meantime)”所下的赌注。