内容摘要
Mike Krieger的核心判断是：模型已经把开发范式从“拆任务”推向“讲清目标并委托执行”，真正的瓶颈正从写代码转向品味、边界、验证与组织协作。与此同时，AI时代的长期竞争力仍然来自垂直理解、快速试错和心理韧性，而不是单纯编码速度。
关键观点
开发范式正从“拆步骤”转向“讲目标”
Mike描述的最核心变化，是他不再像传统工程那样先在脑中分解实现步骤，再逐段推动模型执行，而是更倾向于先描述终态，让模型先独立推进，再回到人这里讨论取舍。这意味着人的角色从“流程驾驶员”逐步转成“目标设定者与权衡裁判”。这种变化并不只是效率提升，而是认知模式迁移，因为模型开始参与中间路径设计。也因此，他会要求模型反过来解释自己的权衡，说明模型在某些局部已经超过人的即时理解带宽。
为什么重要: 这决定了AI时代最稀缺的能力不再只是编码，而是定义问题、审查取舍与校准结果。不会委托的人，会系统性低估模型上限。
支撑证据
moving to much more of the paradigm of I'm going to describe the goal like go off and work on it and then like we can talk about what trade-offs you you know surface some questions along the way but then figure out what where you landed and where we can go from there.
“不讲理地使用模型”是一种应当被训练的产品能力
他明确赞同“be unreasonable”这套用法，并把它提升为团队和行业都该主动教授的能力。其逻辑是，第一代AI产品往往把模型限制得太死，工具权限不足、环境访问不完整、执行链条不闭环，导致用户即便有野心，也缺乏发起复杂委托的空间。相反，一旦模型拥有更完整的工具访问和执行环境，很多原本中断的工作流就能被自动补齐。这里的关键不是让用户写更复杂的prompt，而是让产品本身支持更高自由度的任务完成。