当AI能轻松解决标准化问题时，人类的价值坐标正在发生根本偏移。前OpenAI研究员Phil Chen揭示agent原生公司的招聘逻辑：算法能力正在让位于问题定义、资源分配与成本控制能力。本文通过独家访谈，拆解AI时代如何重构职业竞争力的底层逻辑。

前 OpenAI、DeepMind 的研究员 Phil Chen，现在自己开了家「完全 agent 原生」的公司。他讲了一件事，我觉得比任何职业鸡汤都值得早点知道。

他们招工程师，不考 Leetcode 了。

原因很简单——团队里没有一个人再手敲一行代码。既然如此，那些算法题、甚至系统设计题，跟你上岗后的真实表现，基本就没关系了。

他们琢磨了很久，最后定下来的面试，测的是另外三件事：

你多快能看懂被丢进去的那个环境，识别出「哪个问题值得解」，然后在现有约束下，把它解掉。

原文出自前 OpenAI 研究员 Phil Chen 的一条长推

注意，这三件事里，没有一件是「写代码」。

会解题，为什么不再是门槛

要理解这个转变，得先看他开篇那句话，我认为是全篇的发动机：

AI 会在任何「你能写出评分标准」的事情上越变越强。而学校，基本上就是一堆评分标准：定义清楚的题，对着已知答案打分。

你从小到大被训练得最擅长的那件事——把一道有标准答案的难题解出来——恰好就是 AI 现在几乎免费能做的那件事。

凡是能打分的，模型迟早比你强；值钱的，是打不了分的那些

所以「会不会解」正在迅速贬值。真正稀缺的，是它上游那两件机器接不住的事：

该解哪道题，以及，解到什么程度算好。

agent 越来越能啃下「定义清楚的复杂问题」，于是最有影响力的人，变成了那些最擅长「挑出重要问题、再把资源分配过去」的人。

你的新简历，是 token 和时间

这里有个细节，我反复回味。

Phil 说，很多学生因为「agent 能做完我所有作业」而沮丧。但他面试下来发现，候选人之间的差距大得惊人——不是能不能解出来，而是——

要花多少时间、烧多少 token，才走到那个答案。

这句话我觉得得裱起来。

当「解得出」变成人人都有的默认能力，分水岭就往上挪了一层：变成「你用多小的代价解得出」。同一道题，有人三个提示词、五分钟搞定，有人绕了一整天、烧掉十倍的 token——在一家 agent 原生公司眼里，这俩是完全不同的人。

agent 负责解那道已经框好的题；稀缺的是决定「解哪道」、以及用多小代价解

好的候选人，总能带来两样 agent 给不了的东西：高层次的直觉，和问题之外的上下文。

那这份直觉从哪来？Phil 的答案很实在：评分高的人，几乎都是把自己泡进了「真实问题多到没人解得过来」的环境里——要么是自己有热情的项目，要么是在高速成长的公司里。你不是靠刷题练出品味的，是靠淹在真问题里。

顺便，几条同样反直觉的

他还给了几条，我挑最扎的三条。

中位数，是一个烂 prompt 的产出。 AI 把结果两极分化了——现在的平均水平，就是「一个 agent 拿随手写的烂 prompt 能给你的东西」。所以价值只剩两个来源：你对某一小片问题的独特视角，和你对细节的较真。那个被说烂了的「最后 10%」，是 90% 的工作量，也是 90% 的回报。

与其缝补，不如重来。 因为 coding agent 进步太快，常常不值得在旧成果上修修补补——把这一轮的经验拿走，直接用下一代更强的模型，从零重写一遍，反而更快。

先得在牌桌上。 他 2023、2024 连着两年，拒了当时才 ~50 人的 Anthropic 和只有 2 个非创始员工的 Cursor。事后看那都是天价机会，但他没装神机妙算——这些 offer 能找上门，全靠声誉：Cursor 是因为跟 Michael、Aman 在圈子里互相信得过，Anthropic 是因为他早就在他们感兴趣的问题上投入过真实的时间。

他还补了个自嘲的细节：

Anthropic 最早给我看的 demo，是一个还不如 ChatGPT 好用的 Slackbot。

看早期公司，看的是团队和市场，那个产品一定会大变样。而你能不能在牌桌上、先看见这些机会，靠的还是声誉和专长。

对我们意味着什么

把这些拧成一句，其实特别简单——

别再用「这道题我会不会」来衡量自己了。那是个评分标准，正在被自动化。

该练的，是那两样打不了分的东西：判断「哪道题值得解」的品味，和一圈「也在做好活的人」对你的信任。前者只能靠淹进真问题里练出来，后者只能靠你先做出一件被看见的好东西。

但我得泼盆冷水，因为这是一份「幸存者」味道很浓的建议。

说这话的人，手握 Stanford + OpenAI 的履历和人脉网。「去攒声誉和关系、别只盯着现金」——这话从他嘴里说出来，和一个还挤不进任何一个好房间的人听起来，是两回事。它悄悄假设了：你已经在房间里。

还有一层更冷的。他说价值躲在「最后 10%」和「独特视角」里——可一旦「多花点心思打磨」变成人人都听过的建议，这最后一公里，就成了新的中位数。门槛只是往上移了，跑步机并没有停。

价值躲在最后一公里；但人人都去卷最后一公里时，它就成了新的起点

所以别把这套当成一张保证书。它更像一个方向：一个「有标准答案的你」，会越来越不值钱；你值钱的地方，是那个考不出分数、也没法被随手一个 prompt 复制的你。

我不知道这能把多少人真的托上去。但至少下次再听到「AI 能做完你的作业」，你大概不用慌——你真正该练的东西，本来也不在那张卷子上。

来源：Phil Chen（@philhchen，前 OpenAI / DeepMind / Scale 研究员）长推《Career advice in the age of AI》。