該做什麼

AI 讓「建造」變便宜，卻不會讓「建造」變得有價值。這是兩個不同的問題，而大多數人只注意到第一個。 你只要把需求描述清楚，現代的 AI 工具就會把功能生出來——研究、程式碼、測試、編譯全都包辦。就算被 App Store 審核打了十次回票，它也能逐一診斷、逐一修正。舊工作裡「動手做」的部分，確實變快了。 沒有變快的，是更早就問、也更安靜的那個問題：你到底該不該做這個東西？ 這不是下指令（prompt）的問題，而是領域（domain）的問題。AI 不知道一個人真正能照著做的是哪個訊號，因為它從來沒經歷過對方的一天。它可以一個晚上產出一百張圖表，卻不會問：哪一張回答了對方真正卡住的那個決定——那個能讓早晨變得輕鬆一點的「是或不是」。 價值從來不在輸出裡，價值在「翻譯」裡：把技術訊號收斂成一個人每天真正要做的那一個選擇。 這種翻譯有個名字——領域知識。它就是「會生產的 AI」和「能解決問題的產品」之間的分界線。 GainCut 的「恢復」功能就是一個乾淨的案例。它背後的訊號——心率變異度（HRV）——是一個早已解決的問題，論文多年前就公開了。用 AI 把它重做一次從來不是重點。重點是決定那個疲憊的人真正需要什麼：不是三條重疊的波形和一堆圖表，而是一個單純的是或不是——綠燈，練；黃燈，輕鬆做；紅燈，休息。AI 做了研究、寫了 SwiftUI、跑了測試、處理編譯、扛下 App Store 十次退件和它們的修正。這些沒有一樣是價值所在。價值在那個「翻譯」裡，而那個翻譯來自真正活在這個問題裡的人，不是來自模型。（GainCut 是真的有一款產品——App Store 上的卡路里計算機。） 重點不是「不要用 AI」，而是「不要盲目地用 AI」。真正從 AI 身上拿到價值的人，不是授權給 AI 最多的那一個，而是走進來時就知道什麼值得做、再用 AI 把它做得更快的那一個。AI 放大的是這份判斷的影響力，而不是替你產生這份判斷。 對獨立開發者來說，整件事可以濃縮成一句話：把寶貴的時間花在貼近一個真實的問題、以及困在那個問題裡的人——近到你能叫出他卡住的那個決定。這部分沒有任何人能自動化掉。至於那之後的一切，AI 可以接手。 AI 負責做。領域知識負責決定什麼值得做。 這篇落在站上幾個主題的交會處：〈AI 代理還做不到的事〉講的是能力天花板，〈監督者階級〉講的是你停止寫程式、開始指揮它，〈「完成」是一個宣稱，不是事實〉講的是信任輸出的儀式。這一篇談的是更早的那個問題——你正在做的東西值不值得做，以及那份判斷力從哪裡來。