昔日能力贬值机制

机制：模型的本质是"把昨天的人类能力变便宜"（make yesterday's human competence cheap）。模型摄取已发生之事的数据（frozen human competence），让任何人都能在任意场景下便宜地调用它。后果链条：

1. 新能力人人可得 → 被极速采用 → 到处都是（人人能做 landing page、人人能写作）；
2. 因为大家用的是同样的模型、以最默认的方式用 → 产出全长一个样 → 迅速商品化，失去价值（slop 泛滥）；
3. 人类的持续角色：拿着这些冻结的昨日能力去造新的、有趣的东西——为自己极特殊的处境创造新专长。这些新东西之后又会被吸进模型，再次给人腾出向前的空间；
4. 结构性结论：由于模型公司有把模型做得合规、对齐的财务激励，模型永远尾随在"用模型创造新专长的人"后面。

就业推论：AI jobpocalypse 不是真的。公司重组确实在发生，但很多是超额招聘的回调借 AI 之名。"人人都能写代码"反而推高对工程师的需求——需要有人判断"这堆 slop 该怎样进入代码库"。（Every 自身一年内 15→30 人翻倍。）

谁胜出（Every 内部一手观察）：

• AI-pilled 的 PM：案例 Marcus（Axios 出身的 PM，休了一年把 Cursor 练到极致）——"轻技术"（知道 database migration 是什么、能看懂代码）+ 尖锐的产品感/用户感，出货速度几乎全队最快，且不再需要组织一整个团队。一年前根本不可能雇他做这个岗位，是编码模型变好才解锁的组合。
• 全栈设计师：从"工程师不肯实现我的交互"到直接发 PR；vibe coding 的默认产出全长一个样，设计师恰好拥有让东西不一样的能力——在 slop 海洋里，创造力越来越值钱；也是创业的新机会窗口。
• CEO 不能置身事外：公司在 AI 上走多远取决于 CEO 本人走多远，无法委托——不亲手用就没有直觉。目前 CEO/投资人/中层管理者恰是"日常最未被改变"的角色，这种豁免会突然结束。

个人策略：ride the models（骑在模型上）：

• 每个新模型发布就"把石头再翻一遍"——上次做不到的事重试一次（他的 senior engineer benchmark 从 30 分跳到 62 分就是这么发现的）；
• 判断工具是否真有用的 reach test：早上醒来你会不会自然而然伸手去用它；
• 带着好奇和玩心用在你在乎的事上，而不是出于 FOMO——"找到你和 AI 的 joy 时刻"才可持续；
• AI 的前沿不在旧金山，而在"AI 与一个真实的人的真实工作相遇的地方"——模型制造者并不知道所有用法，每次新模型发布，你都可能是世界上第一个发现某个用途的人。