便宜的是代码，贵的是注意力

过去写一个功能要一整天。现在，一句话丢给 agent，几分钟就有了。

这件事的第一层意思大家都感受到了：产出变便宜了。但它还有第二层，容易被兴奋盖过去——当你过去要花钱买的东西突然几乎免费，那笔钱不会凭空消失，它只是搬了个家，搬到另一样还稀缺的东西头上。

代码不再稀缺。那还有什么稀缺？是你决定做什么、在哪儿喊停、看见那个别人没看见的问题——是你的注意力。

这不是"人更重要了"这类安慰话，而是一笔很实在的账：当一种投入变得又便宜又充裕，值钱的部分就会顺着往上游挪，挪到那个还稀缺、又跟它互补的环节。AI 把单位产出批发到几乎不要钱；价值于是挪到了它的上游——注意力。

所以这篇的主张很短：便宜的是代码，贵的是注意力。 但我想把话说全。注意力更值钱，是因为它的杠杆变大了；而杠杆是双刃的——它按同一个倍数放大你对的判断，也放大你错的判断。更麻烦的是，一旦"注意力"成了那个要被考核的稀缺资源，它立刻会被做假。

接下来我想一步步说清楚：这笔账为什么成立、杠杆到底有多大（这里有一个必须坦白的空白）、它为什么反过来又成了新的瓶颈，以及它逼你付出的代价。

便宜的是代码：价值搬了家

先把那笔账算清楚。

经济学里有个朴素的规律：一件东西一旦变得又便宜又管够，值钱的位置就会从它身上挪走，挪到跟它搭配、却还稀缺的那一环。经济学管这个叫要素份额（factor share）的迁移——听着专业，其实就是一句大白话：钱会往还稀缺的地方流。

这不是新观察。早在 1971 年，司马贺（Herbert Simon）就讲过，信息一旦过载，真正稀缺的就不再是信息，而是"接收信息的注意力"——信息越多，注意力越不够分。半个世纪后这句话第一次有了字面意义上的对应物：AI 把"生产代码"的成本按到了地板上，于是稀缺性整体挪到了消费它的那一端——人的注意力。

更贴近我们这行的说法来自劳动经济学家 David Autor：自动化把一部分任务接管掉，并不会让人变得多余，反而会抬高那些仍然要人来做的、互补任务的价值。机器越擅长照着规范把活干出来，"决定要什么规范、判断这活对不对"就越金贵。Acemoglu 与 Restrepo 的模型把这件事写成了公式（他们谈的是劳动与资本的份额，我这儿是借它的机制来类比）：一种要素被替换掉，价值就顺着流向它替不掉的那些环节。

最形象的类比是鲍莫尔（Baumol）1967 年的"成本病"：当一个部门生产率飞涨、另一个部门快不起来，那个快不起来的部门反而会占掉越来越大的成本份额。注意力就是这个"快不起来"的部门——你没法把"想清楚"也批发。这里得说句公道话：份额变大，跟"每单位注意力的真实回报变高"不完全是一回事（这正是鲍莫尔常被误读之处）；我借的只是"份额往不可加速的一端集中"这个方向。

方向到这儿其实已经定了：不需要知道杠杆放大了多少倍，只要"产出这一端塌了价"，价值就必然往注意力那一端挪。可"到底多少倍"这个问题，恰恰是下一段必须老实交代的地方。

杠杆有多大：一个诚实的空白

先给"杠杆"下个不玄乎的定义：杠杆 ＝ 产出 ÷ 注意力——你花一份注意力，能撬动多少产出。主张是它变大了。那到底大多少？

老实说，目前没人真正量出来过，包括我自己。

现有的数字，都测在一个更小的场景里：一个人加一个助手。GitHub Copilot 的随机对照实验说程序员快了 55.8%，可那是"从零写一个玩具级 HTTP 服务器"的计时，论文还出自工具的东家。一个四千多人的现场实验说任务完成量多了约 26%，样本够大，但作者同样来自厂商，量的又只是"任务条数"这种吞吐代理，方差还不小。BCG 那项咨询顾问实验在"能力圈内"的任务上质量高了约 40%——可那是咨询不是写代码，而且任务一旦掉到 AI 能力圈之外，用 AI 的人反而更容易做错，这就是他们说的"锯齿状前沿"。最反直觉的是 METR 2025 年那次实验：一批资深开源开发者在自己熟悉的仓库里用上 AI，反而慢了 19%，而他们主观上以为自己快了 20%。

这些数字千万别叠着用：55.8% 是计时、26% 是条数、40% 是质量评分、慢 19% 是资深场景的耗时——量的是不同的东西、不同的人。但它们凑到一起，恰好点出一件事：它们测的都不是我说的那个场景。它们全是"一个人盯一个助手"，落点在 1.5 倍上下；而"注意力更值钱"这个主张，说的是一个人同时指挥一群 agent 的那种放大。

那种场景的杠杆有多大？我翻遍公开研究：没有一篇严肃地量过"一个人编排多个 agent"能撬动多少产出。文献停在"单个助手"这条边上就不往前走了。自主 agent 的能力是有基准的（比如 SWE-bench），但那测的是 agent 自己关掉多少 issue，不含人这一环的杠杆比。

这个空白不是论证的软肋，它本身就是论证的一部分：方向是经济学逼出来的，倍数还没人测到。（我自己仓库里倒有过一条扎眼的观察——一行写进规范的约定，最后落到了三分之一的分支上；但那是轶事，不是统计，样本太小，我不拿它当证据。）真要那个数，得靠另一套长期的采集，那是后话。

天花板：注意力是串行的

到这儿有人要乐观了：既然一份注意力能撬动更多，那多挂 agent、多开并发，产出不就没上限了？

不行。因为注意力是串行的，它没法真正并行。你可以同时挂十个 agent，但真正需要你拍板、你判断、你发现不对劲的那些时刻，还是得一件一件过你这颗脑子。这就给整个系统按了一个天花板：产出再高，也高不过"每件事平均要占你多少注意力"的倒数。

这套约束我上一篇已经用一个可测的框架写过：把团队产出画成一条随规模先升后降的曲线，里头那个"串行、必须排队过人"的项（记作 σ，读不懂字母没关系，它就是"必须过人的那部分"）决定了天花板在哪。杠杆变大，抬的是曲线的高度——每份注意力撬动更多；但它不挪天花板，因为天花板是由"有多少事必须串行过人"定的。

所以真正提高杠杆的办法，跟直觉相反：不是让人处理得更多，而是让必须过人的那部分变少。

回到那道除法：杠杆 ＝ 产出 ÷ 注意力。往分子上堆——盯更多 agent、开更多并发——很快就撞天花板，因为分母被你自己顶死了。压分母——把那些其实不需要你判断的决定从你这儿拿走，定成规范、交给自动检查、让 agent 之间自己收敛——才真正把天花板往外推。

"把决定从你这儿拿走"不是一句漂亮话。回头看，最近我陆陆续续写的不少东西，其实都在做同一件事——想办法减少必须过人的那部分：把架构约束一次写成规范、不必每次对话都重讲一遍（规范驱动开发）；把上下文一次配置好、让 agent 少回头问你（上下文工程）；让 agent 尽量无人值守地跑、你只在高层拍板（无人值守的 AI 编程）；再把这些重复的步骤沉淀进基础设施、让它们根本不用过人（最后一公里是基础设施）。当时看是各写各的，现在看，都是在压同一个天花板。

一句话：注意力既是最值钱的要素，也是那个卡住全局的要素。这两件事，是同一件事的两面。

代价：杠杆双刃，指标会被做假

把"必须过人的部分"压小，听着像纯赚。它不是。高杠杆有两笔必须一起记的账。

第一笔：杠杆是双刃剑。同一个倍数，放大你对的判断，也放大你错的判断。过去一个人拍错一次板，影响的是他手上那点活；现在一句写歪的规范、一个想当然的默认，会被一群 agent 忠实地、成倍地执行下去。前面那条"一行约定落到三分之一分支"的观察，反过来看就是警告：撬动面有多大，翻车面就有多大。杠杆不改变你判断的对错，它只放大后果。

第二笔更隐蔽：注意力一旦被当成稀缺资源拿去考核，它立刻会被做假。这是老规律了。社会学家 Donald Campbell 早在 1979 年就说过：一个量化指标越是被用来做决策，就越容易被扭曲、被反噬。至于那句流传最广的"一旦一个指标变成了目标，它就不再是个好指标"——顺带纠正一个常见误会，它常被安到 Goodhart 头上，其实出自人类学家 Marilyn Strathern 1997 年的转述。

而注意力比代码行数更难测、更好演。行数好歹是硬的；"在不在认真判断"却几乎没法从外面看出来。真东西看不见，考核就只能退而求其次，去数那些看得见的替身——在线时长、消息条数、活跃度，也就是"在场"。可"在场"恰恰是最好演的：一个人可以整天挂在会话里、消息刷得飞快，却一个真判断都没做。前面 METR 那个细节在这里又回来了：那批开发者连自己是快了还是慢了都判断错了——在场，从来不等于在判断。你要真拿"注意力投入"去考核，大家最先学会的一定是怎么表演在场。

所以别把这篇读成一句好消息。注意力更值钱，同时意味着：判断错的代价更高，考核注意力的诱惑更大、也更容易被骗。

把注意力花在刀刃上

绕了一圈，主张还是那句：便宜的是代码，贵的是注意力。贵，不是因为人忽然变高尚了，而是因为产出这一端塌了价，值钱的位置顺着挪到了还稀缺的注意力上；而每份注意力能撬动的东西，比过去多得多。

但话得说全：方向是经济学逼出来的，倍数还没人量到——包括我自己那点样本太小的观察。真要那个数，得靠对"一次判断到底撬动了多少产出"的长期采集，那是另一件事了。

如果只留一条能用的：这个时代的手艺，不是让自己处理得更多，而是把注意力花在刀刃上——想清楚哪些决定必须由你来做，然后把其余那些不需要你判断的，尽量从你这儿挪走。堆分子会撞天花板，压分母才把天花板推远。

落到日常，其实是几件很朴素的事（每件真要展开都够单独写一篇，这里只点到）：每天先分出哪些决定必须你亲自拍——架构怎么取舍、要不要上线、这个方向对不对——其余的尽量交给规范和自动检查；一旦你发现自己在重复地做同一个判断，那就是一个信号：这条判断该被写成规范，从此不必再过你；至于那些会被写进规范、定成默认的高杠杆决定，反倒值得你慢下来、多想一轮——因为它们会被一群 agent 成倍地执行下去。

这正是杠杆双刃的地方：它按同一个倍数奖励你的判断，也惩罚你的判断。正因如此，值得好好花的从来不是产出，而是你那份既最值钱、又最容易被自己浪费掉的注意力。