# 策展 · X (Twitter) 🔥🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Phil Chen (@philhchen) · 平台：X (Twitter) · 日期：2026-07-05

> 原始來源：https://x.com/philhchen/status/2072793818945167475

## 中文摘要

避開標準化問題，專注定義具價值且具野心的難題。

**專注於真正稀缺的資源**
在 AI 普及的當下，資本的取得比以往更容易，但「即時的洞察」與「高品質的人際連結」依然稀缺。作者建議應將時間投資在能累積聲譽的專案與人際網路上，而非僅追求短期報酬。與其在「vibe-coding」的浪潮中尋找速成機會，不如優先處理那些具備真實價值、能與優秀人才產生共鳴的問題。

**從「解決問題」轉向「定義問題」**
傳統的 Leetcode 式面試或系統設計題已無法衡量在 Agentic 程式開發環境下的真實表現。現代工程師的核心競爭力在於：
- 快速理解所處環境的限制。
- 識別出值得投入資源的關鍵問題。
- 在有限的 token 與時間內，有效率地調度 Agent 完成任務。
優秀的候選人通常具備高層次的直覺，能將外部情境與 AI 協作結合，而非僅僅是被動地讓 Agent 處理問題集。

**追求最具野心的問題形式**
參考研究領域的「苦澀教訓」（Bitter Lesson），即通用方法最終會勝過特定任務的優化，這同樣適用於職涯規劃。軟體開發門檻降低後，簡單系統的建置變得輕而易舉，真正的持久價值來自於對極具野心問題的極致專注。在選擇公司或職位時，應評估該組織是否正致力於解決問題的最前線，以及你是否能直接參與其中。

**在最後一哩路展現獨特性**
AI 產出的中位數結果往往平庸，價值差異化來自於「最後 10%」的執行力。
- 由於程式開發 Agent 進步神速，與其在舊迭代上修補，不如善用前次經驗，以新一代模型重新建置。
- 應在個人專案中刻意練習對細節的打磨、架構的簡潔性與擴充性，這些特質在候選人評估中具有極高的鑑別度。

**提升職涯的 xG（預期進球值）與執行效率**
職涯決策可類比足球中的 xG 與轉化率：
- **xG（預期進球值）**：代表你所處的位置與接觸到的機會。選擇公司時，應考量團隊與市場潛力，而非僅盯著當前的產品（例如 Anthropic 最初的 Slackbot 表現並不突出）。
- **效率**：代表將機會轉化為實際成果的能力。這取決於個人的專業聲譽與對目標的執行力。
作者強調，ASI（超級人工智慧）不會取代所有知識工作，因為人類在「選擇有意義的問題」與「分配資本」上仍具備不可替代的差異化能力。

**打破研究領域的門檻**
研究不僅是一種職業，更是一種心態。若想進入研究領域，無需非得身處頂尖實驗室：
- **實作與評估**：將個人直覺轉化為具體的評估指標。
- **利用資源**：利用如 Modal 等運算資源提供商的學術額度進行實驗。
- **理解失敗**：研究工作的本質是探索新想法、與基礎設施搏鬥、深入除錯系統，並透過論證結果來爭取更多運算資源。理解想法為何在大規模下失敗，是建立專業能力的起點。

## 標籤

Skills, 產業趨勢, 其他