納瓦爾的舊槓桿已死：AI Agent 時代，你的「專有知識」只剩 Context

[TL;DR] 重點快讀

• 🔥 代碼槓桿貶值：AI Agent 讓開發門檻趨近於零，純技術能力已不再是護城河。
• ✅ Context 是新王牌：模型人人可用，唯有你對特定領域的失敗經驗與成功模式（情境）能產生 Alpha。
• 💡 品味成為瓶頸：當產出量爆炸，具備「識別好壞」並修正 Agent 輸出能力的「品味」最昂貴。
• 🚀 系統勝過衝刺：別再靠勞力接案，建立「情境文檔」與自動化工作流，才能實現資產複利。

納瓦爾（Naval Ravikant）確實寫下了網路時代創造財富的劇本：專有知識（Specific Knowledge）、槓桿（Leverage）、責任（Accountability）。他告訴我們，代碼（Code）和媒體（Media）是無需許可的槓桿，能在你睡覺時為你工作。

這套劇本依然有效，但我必須殘酷地告訴你：工具變了，你的護城河正在乾涸。

過去一年，我每天都在構建 AI Agent（代理人）。我看著那些 Github 上數萬星的開源項目，看著 Google 的團隊在幾個月內交付了以前需要幾季才能完成的產品。作為一個看過無數技術週期起落的數據觀察者，我發現納瓦爾的原則依然適用，但它們的「物理型態」已經徹底改變。

現在，AI Agent 才是新的槓桿。這不是指那種「AI 總有一天會改變世界」的空話，而是指今天下午你就能使用的槓桿。

那些正在用 AI 變富的人，不是運氣好趕上了時間點，而是他們明白：槓桿的公式已經變了。

槓桿方程式的重組

納瓦爾稱代碼和媒體為「無需許可的槓桿」。軟體在你睡覺時運行，內容在你不花時間的情況下擴展。

AI Agent 是這個槓桿的下一代版本。原理相同，但倍數更恐怖。

上週末，我構建了一個多代理人（Multi-Agent）的創投盡職調查系統。七個 AI Agent 組成一個團隊：一個做公司研究，一個做市場分析，還有財務建模、風險評估、投資備忘錄生成、HTML 報告撰寫，最後還有一個負責設計資訊圖表。

這只花了我幾個小時的持續工作。

如果在幾年前，這需要幾天，甚至更久。你需要一整隊分析師，每個領域的專家。現在，阻礙你的不再是「寫程式的能力」，而是「思維模型的轉換」。你是否能描述你想要的，看著它成形，然後進行路徑修正和迭代？規格書（Spec）和原型（Prototype）正在變成同一個東西。

這才是納瓦爾所說的槓桿的終極型態。AI Agent 是一個可以被任何人使用的乘數，只要你願意學習如何指揮它們。

「專有知識」依然重要，但定義變了

納瓦爾曾說：「專有知識是無法被培訓的。如果社會可以培訓你，那麼社會也可以培訓其他人來取代你。」

在 Agent 時代，這句話有了新的含義：模型本身只是入場費（Table Stakes）。

你在用 Claude 3.5 Sonnet，你的競爭對手也在用；你在用 Gemini 1.5 Pro，上週剛成立的新創公司也在用。每個人都能接觸到相同的模型。

那麼，超額報酬（Alpha）從哪裡來？

答案是：情境（Context）。

模型是一樣的，差別在於你餵給它什麼。當我現在構建 Agent 時，它們不是從零開始。它們知道我的使用案例中哪些模式有效；它們知道什麼會殺死生產環境中的 Agent（例如長對話導致的 Context Window 溢出、工具調用陷入死循環、讓用戶困惑的靜默失敗）。

一個沒有親手構建並搞砸過幾十個 Agent 的人，是沒有這種「情境」的。他們只會對著同一個模型下指令，得到一個在 Demo 時看起來不錯，但在真實用戶面前瞬間崩潰的東西。

「在我展示時有效」與「真實用戶使用時有效」之間的差距，就是護城河。

這不是模型的能力，這是累積的、關於什麼才是真正重要的知識。你無法複製它，你只能透過實作去贏得它。這就是 Agent 時代的「專有知識」。不僅僅是你 知道 什麼，而是你能多好地將其 外化。你能多清晰地將你累積的理解餵給 Agent，讓它產出競爭對手無法複製的結果？

Agent 時代的 5 種新財富形式

如果代碼不再是稀缺資源，那真正的機會在哪裡？

1. 問題的深度勝過工具的廣度 (Problem Depth > Tool Breadth)

那些每個月用 AI 賺進一萬美金的自由職業者，不是那些懂五十種工具的人，而是那些深刻理解 一個問題 的人。

一個創辦人如果確切知道為什麼用戶會放棄競爭對手的產品，並能將這個「情境」餵給 Agent 來構建人們真正需要的功能；一個招聘人員如果理解什麼樣的訊息能讓工程師真正回覆，並利用 Agent 大規模個性化這些訊息。

工具只是放大器，對問題的理解才是訊號。

行動： 挑一個你比大多數人都理解得更深的問題。不要泛泛地談「AI」，要針對特定人群的特定痛點。那就是你的槓桿支點。

2. 情境即產品 (Context as a Product)

我看過很多公司試圖在內部構建 Agent，有一群聰明的工程師，但完全沒有領域情境。他們做出的 Demo 能驚艷高層，但做出的產品卻讓用戶挫折。

當我為開源庫構建一個新的 Agent 時，我從不從零開始。我維護著「情境文檔（Context Docs）」，裡面已經包含了什麼是「好」的標準、該使用什麼模式、該避免什麼錯誤。第一次輸出的結果就是 90% 完成度，而不是 50%。

那個情境文檔庫，才是真正的產品。Agent 只是傳遞機制。

行動： 開始記錄你所知道的。不是通用知識，而是你領域中的特定模式、失敗案例和邊緣情況。這將成為讓你的 Agent 比別人更聰明的關鍵情境。

3. 「品味」成為瓶頸 (Taste becomes the bottleneck)

當 Agent 能快速且大量地產出內容時，「評估」就變成了稀缺技能。

Agent 會自信地產出看起來正確但完全搞錯重點的東西。能夠看著十個 Agent 生成的原型，並立即識別出哪一個真正解決了問題的人——那才是昂貴的人才。

這比聽起來難得多。你需要大量的練習（Reps）。你必須構建東西，評估它們，學習什麼是「好到可以發布」的感覺，而不僅僅是「技術上可行」。除了親自動手做，沒有捷徑。

行動： 每週用 Agent 做點小東西。不是看教學，而是解決你實際遇到的問題。目標不是產出物，而是培養分辨好壞的「品味」。

4. 責任與品牌效應複利 (Accountability compounds)

納瓦爾的原始觀點：最負責任的人擁有獨一無二的、公開的、有風險的品牌。

在 Agent 時代，這意味著「公開構建（Building in Public）」。用你自己的名字發布作品，做出你可以被究責的主張。

真正利用 AI 建立財富的人並沒有隱藏他們的方法。他們在記錄、寫作、開源他們的實作。為什麼？因為「情境優勢」在分享時會產生複利。當人們信任你知道自己在說什麼時，他們會把更好的問題丟給你解決。更好的問題意味著更好的情境，更好的情境意味著更好的產出。飛輪開始轉動。

行動： 這週發布一點東西。不需要完美，但必須存在，並且掛著你的名字。

5. 系統勝過衝刺 (Systems beat sprints)

舊模式：努力做一個專案 -> 獲得報酬 -> 找下一個專案 -> 重複。

Agent 模式：構建一個系統一次 -> 重複部署 -> 每次迭代都改進它。

差別在哪？傳統收入隨你的時間線性增長；系統收入隨你的「情境」指數增長。一個穩固的情境文檔，配合可重複的 Agent 工作流，服務十個客戶和服務一個客戶一樣容易。第二個客戶不需要雙倍的工作，他們只需要微幅更好的情境，而這又能回饋給所有客戶。

這就是納瓦爾所說的「在你睡覺時賺錢的資產」。不是完全的被動收入，而是能複利的槓桿。

行動： 無論你構建什麼，都把它當作一個系統來構建。記錄情境，保存工作流。讓第二次比第一次更簡單。

最後剩下了什麼？

當「知道該做什麼」與「已經做出來」之間的差距消失時，還剩下什麼？

不是工具，每個人都有。

不是模型，每個人都能用。

剩下的，是那些一直以來都有價值的東西：如此清晰地理解問題，以至於解決方案變得顯而易見。

那些無法被複製、只能透過經驗贏得的情境。

那些透過實作建立起來的品味。

構建的門檻從未如此之低，但「理解」的回報從未如此之高。

運氣追隨準備好的人，而「情境」就是你準備的方式。

今天就開始吧。