过去几年，作者一直用一个粗糙但有效的模型理解个人成长：有些人主要在做，有些人主要在想。执行型的人能不断产出，思考型的人能不断积累方向感。理想状态，大概是二者兼具。
AI Agent 出现以后，这个模型需要重新校准。
原因不复杂：执行仍然重要，只是执行的形态变了。
以前的执行，是你亲手查资料、写代码、做表格、写报告、发邮件、整理结论。现在越来越多执行，会变成另一种动作：你定义目标，拆出约束，配置上下文，让 Agent 先跑一轮，再由你判断、修正、整合、交付。
于是问题也跟着变了。过去我们常问：
我应该多思考，还是多执行？
现在更值得问的是：
当执行被 Agent 放大以后，我应该把自己放在工作链条的哪一层？
最优比例正在迁移
作者的判断是：未来 3 年，最优的个人时间分配，会从过去的 70% Make + 30% Think，逐渐迁移到 50% Make + 50% Think。少数已经有深厚领域积累、判断力和外部反馈渠道的人，甚至可以走到 40% Make + 60% Think。
这里的 Make，不再只是亲手把任务做完。它更接近编排式的执行：编排 Agent、设计工作流、验证输出、完成最终交付。
这里的 Think，也不只是坐在那里想。它更接近复合思维：判断什么值得做，设计什么系统来做，复盘 Agent 为什么做错，再把一次经验沉淀成下一次更强的工作流。
在没有 Agent 的时代，一个人的产出很大程度受限于自己的执行带宽。你一天能写多少代码、读多少材料、做多少分析、回多少消息，都有清晰的生理上限。于是 70% 执行 + 30% 思考是一种很强的默认策略：做得多，反馈多，学习快，成果也可见。
Agent 改变了这个约束。
麦肯锡 2025 年的全球 AI 调研得出如下结论：AI 高绩效组织的区别，除了用了更多模型，更重要的是主动重写 workflow。换句话说，价值正在从"我会问 AI 一个问题"，进入"我能把一段工作改造成 AI 可以持续参与的系统"。
这就是原模型失效的地方：过去的瓶颈在执行端，现在瓶颈开始往上游移动。
新的瓶颈包括：
- 把模糊目标翻译成 Agent 能执行的任务
- 给 Agent 足够上下文，同时控制噪声
- 设计检查点，让错误在早期暴露
- 对输出做质量判断，避免照单全收
- 把一次成功流程固化成下一次可复用的系统
这些动作看起来仍然属于执行，但实际上已经接近更顶层的设计。
五类人，Agent 时代的排序变了
如果把人按 Think / Make 分成五类，Agent 时代的竞争力排序会发生变化。
1. 纯执行者（95% Make / 5% Think）
这类人的优势曾经是勤奋、响应快、能扛活。但如果他的 Make 主要是重复性执行、规则性处理、初级分析、搬运信息，那恰好落在 Agent 最擅长接管的区域。
危险不一定表现为"AI 立刻取代这个人"。更常见的变化，是议价权下降。原来老板需要你，是因为这些事必须有人做。现在这些事可以由 Agent 做一版，再由更少的人审核。于是纯执行者会被迫卷速度、卷成本、卷可用时长，而这些恰好都不是人类的强项。
这类人的自救方式，是尽快从"任务承接者"升级成"任务定义者"。
2. 执行为主、偶有复盘（70% Make / 30% Think）
这类人在过去十年非常强。他们能产出，也会复盘；能交付，也有方向感。
Agent 时代，他们依然会比大多数人强，因为他们有真实反馈，不会陷入空想。问题在于，如果他们仍然把大量时间用在可以被 Agent 承接的亲手执行上，就会错过杠杆迁移。
他们最大的风险，是误以为自己已经足够高效。
一个典型信号是：他每天用 AI，但只把 AI 当加速器，没有进一步重写自己的工作方式。比如用 AI 帮忙写代码，但没有沉淀项目级 coding workflow；用 AI 写文档，但没有形成自己的研究、引用、审核流程；用 AI 查资料，但没有建立事实核查和来源分层；用 AI 处理琐事，但没有重新设计自己每周的产出系统。
这类人需要的升级，是把 Think 的比例提高到足以重新设计 Make。
3. 均衡型（50% Make / 50% Think）
作者认为未来三年，综合表现最好的，大概率是这一类人。
他们会继续交付，而且交付得更多，因为 Agent 放大了执行带宽。与此同时，他们会把省下来的时间投入更高密度的思考：选题、判断、系统设计、复盘、工作流沉淀。
这类人的核心优势是闭环。每次 Make 都会变成下一次 Think 的材料，每次 Think 又会变成下一次 Make 的系统：
更好的问题判断 → 更清晰的 Agent 任务 → 更高质量的输出 → 更多真实反馈 → 更强的 workflow → 更好的问题判断
4. 思考为主、少量交付（30% Make / 70% Think）
这种人会越来越像一个小型组织：他本人负责战略、审美、判断、质量；Agent 群负责搜索、草拟、编码、对比、测试、整理。
Agent 确实让这类人更有竞争力了。过去，一个人如果 70% 时间都在思考，很容易落地太慢。现在 Agent 可以帮他把想法快速变成 demo、草案、原型、实验，所以高思考比例不再像以前那么奢侈。
但这个策略只适合少数人。它要求你已经有足够强的判断力、领域积累、外部反馈渠道。否则 70% Think 很容易退化成高质量拖延：每天都在优化框架、重写路线、构思宏大系统，但没有任何东西进入真实世界。
这类人要保留一个硬约束：每一段 Think，都必须绑定一个可观察的 Make。先想到足够清楚，再让 Agent 做一个可验证的版本。这个版本可以很小，但必须能碰到现实。
5. 纯思考者（5% Make / 95% Think）
纯思考在 Agent 时代并不会自动升值。
很多人会误解这件事：既然 AI 可以执行，那我只要负责想就好了。但如果一个人的想法从不进入现实，Agent 只会帮他更快地产生更多未经验证的想法。Agent 会放大能力，也会放大幻觉。
如果你没有交付，没有用户，没有市场，没有代码运行，没有读者反馈，没有真实约束，那么 AI 给你的只是更流畅的自我说服。
所以 5% Make 看似自由，实际更像不着边际。
为什么 50/50 是最优解
50/50 的优势在于，它同时保留两种压力。
Make 给 Think 现实压力：这个想法能不能跑？有没有人要？输出质量够不够？ Think 给 Make 方向压力：这件事值不值得做？能不能复用？有没有更高杠杆？
如果只有 Make，人会陷入旧式勤奋：一直做、一直交付、一直很忙，但每一份产出都太依赖自己的时间。 如果只有 Think，人会陷入新式空想：框架越来越完整，可能性越来越丰富，现实反馈却越来越少。
50/50 的含义，和把一天机械切成两半关系不大。它更像一个工作周期里的双重校准：一边保持真实交付，一边不断升级交付系统。
Agent 时代，产出的单位不再只是"一个人一天能做多少事"，而是：一个人能设计多少可复用的高质量工作流。
微软也提到，很多人已经感受到 AI 的必要性，但组织的指标、激励、习惯仍然奖励旧式执行。个人也一样。如果你只是把日程继续填满，把 AI 省下来的时间继续拿去做更多旧任务，转型其实还没有发生。
更深的转型，应该把省下来的时间拿去重构系统。
Make 的三层结构
在新模型里，Make 至少分三层。
第一层：人来动手
你亲手做。比如亲手写关键代码、亲手做最终判断、亲手和客户沟通、亲手改文章结构。这些动作不会消失，因为最关键的质量和责任仍然在你身上。
第二层：Agent 来动手
你让 Agent 做。比如让 Agent 搜集材料、生成初稿、写测试、对比方案、整理会议纪要、跑一轮竞品分析。这部分会越来越大。
第三层：Agent 自主驱动
你做出一个以后还能继续产出的系统。比如：
- 一个可复用的 research workflow
- 一个项目级 coding agent 配置
- 一个自动生成周报的脚本和检查流程
- 一个能持续监控市场机会的 dashboard
- 一套让 Agent 写文章但保留你个人判断和语气的流程
显然，第三层最值钱。人类动手产出一次算一次，Agent 动手可以加速，而 Agent 系统性驱动会产生复利。
所以未来的 Make，不能只统计"今天完成了多少任务"，还要统计：今天有没有让明天的执行变得更便宜、更快、更可靠？
Think 也要升级
低质量 Think 常常停在一个问题上："我还能做什么？"
高质量 Think 会反复追问：
- 什么问题值得做？
- 哪些任务不该由我亲手做？
- 这个 workflow 的失败模式是什么？
- Agent 输出中哪些错误最危险？
- 哪些判断必须由人负责？
- 哪些经验可以变成模板、脚本、skill、agent？
- 我的时间，是否还被旧世界的执行习惯占满？
Agent 时代最稀缺的东西之一，是判断。
想法会变得极其便宜。任何人都可以让 AI 生成 20 个产品方向、10 篇文章大纲、5 套技术方案。难点在于知道哪一个方向值得投入，哪一个方案会在现实里坏掉，哪一个输出虽然漂亮但不可信。
所以 Think 的目标，是建立更强的"选择函数"——在一堆可能性里，选出值得 Make 的那一个。
落到每周的实践
如果要把这套东西落到每周，作者建议这样分：
每天至少保留一个 60-90 分钟的深度 Think block。
这个时间不拿来刷信息，也不拿来和 AI 闲聊，而是处理最上游的问题：今天最重要的判断是什么？当前项目最大的风险是什么？我是不是在用 Agent 加速一件不该做的事？
每天的 Make 则尽量 Agent-first。
在开始工作前先问一句：这件事里，哪一部分应该由 Agent 先跑一版？
每周分三类时间：
- Deep Work Block：核心任务，人主导
- Agent Block：交给 Agent 执行，人审核
- Workflow Block：优化和沉淀工作流
Workflow block 很重要。很多人只把 AI 用在当下任务里，却不愿意花时间沉淀流程。结果每次都重新提示、重新解释、重新纠错。Agent 时代的复利，往往就藏在这 10-20% 里。
每月留 1-2 天做系统级复盘：
- 哪些任务已经应该交给 Agent？
- 哪些任务交给 Agent 后质量下降了？
- 哪些工作流本月重复出现 3 次以上，应该产品化？
- 哪些产出看似很多，但没有形成资产？
- 哪些 Think 其实只是拖延？
- 哪些 Make 其实只是逃避更难的判断？
这一天名义上像复盘，实际是系统维护。
未来三年要练的四种能力
一个人要在 Agent 时代活得好，至少要练四种能力：
1. 意图设计能力
把"我想要什么"说清楚。重点不在于写更长的 prompt，而在于定义清楚目标、边界、上下文、成功标准、禁止事项。很多 Agent 失败，问题未必出在模型能力，更常见的是人类给的 intent 太烂。
2. 工作流设计能力
把一次任务拆成可执行、可检查、可恢复的流程。一个成熟 workflow 通常包括：输入是什么、Agent 做哪一步、人在哪一步审核、哪些步骤需要外部工具、哪些结果必须引用来源、哪些操作必须人工确认、失败后怎么回滚或重跑。这会成为知识工作者的新基本功。
3. 质量判定能力
判断输出是否可信。未来很多人的问题，会从"不会产出"转向"产出太多，却分不清好坏"。AI 让初稿泛滥，审稿能力反而升值。你要能看出：事实是否可靠、推理是否跳步、代码是否只是看起来能跑、文章是否只有流畅没有洞察、方案是否忽略了真实约束。
4. 品味和责任心
Agent 可以无所限制地生成，但最终责任仍然在你这里。最终交付上写的是你的名字，用户信的是你的判断，事故出了也不会由模型来承担。所以品味和责任心会变得更重要。你要知道什么东西够好，什么东西不能发，什么东西虽然能做但不该做。
结论
AI Agent 时代，最危险的人未必是不会用 AI 的人，也可能是用 AI 加速旧工作方式的人。他们会变得更忙、更快、更会产出，但时间分配没有变，判断位置没有变，工作系统没有变。最后只是把旧世界的执行焦虑升级成新世界的 Agent 焦虑。
所谓重分配，就是把自己从"执行者"挪到"设计者 + 编排者 + 最终责任人"的位置。
未来三年，最优解是少做低层 Make，多做能改变 Make 的 Think。
如果用一句话压缩：
50% Think，50% Make；Think 决定方向，Make 提供反馈，Agent 放大二者之间的循环。
这大概就是 AI Agent 时代的生存之道。