你想完成一件事，并不需要先学会这件事的具体做法，再把自己学会的步骤逐项交给 agent。
你需要理解的是：做这件事的根本目的是什么，哪些要求必须满足，哪些地方可以妥协，哪些地方值得进一步打磨，以及最终要得到一个什么样的结果。
至于用什么工具、怎样操作、分成几步、遇到问题怎样修正，应当由 agent 去解决。
必要的信息缺在哪里，也可以让它主动查找、梳理和追问。你需要理解源信息对结果的影响，并帮助它获得必要的信息和访问条件，但不必先独自完成全部资料整理，更不必把自己训练成这项工作的熟练操作员。
比尔·盖茨早在 2023 年 11 月讨论 agent 时，就写过：
“You’ll just tell your agent what you want.”
“你只需要告诉你的 agent，你想要什么。”原文：Bill Gates《AI is about to completely change how you use computers》 ↗
这句话所在的段落，讨论的是未来创建应用和服务的方式：人表达需求，agent 承担代码、设计及发布等工作。这是他当时对未来的设想。
这个方向与我的观点非常接近。人需要学会把目标交给执行者，让执行者自行解决实现过程。
以支付系统调用风控引擎为例。
你根本不需要知道风控引擎里几百个参数分别是什么、应该怎样配置。你甚至不需要见过它的界面。
你需要凭借对业务的常识性理解，说清楚当前大致存在什么风险，希望控制什么问题，以及能够接受什么样的取舍。
例如，对某类风险希望更严格一些，但正常交易被误拦的代价也必须考虑；某些环节可以增加检查，某些体验则需要尽量保持顺畅。
接通必要的业务资料、执行工具和结果反馈以后，就可以让 agent 去研究规则、完成配置、组织测试，再根据实际执行结果校准配置。
有没有漏拦？有没有误拦？配置是否在实际支付流程中生效？业务影响是否符合原先的目标？
这些反馈应当进入 agent 的下一轮判断，让它继续调整、验证和打磨。整个过程围绕目标形成持续的执行与校准。
人不需要先阅读几百页操作手册，学会所有参数，再每天亲手调来调去。人需要在目标发生变化、取舍需要决定、结果偏离要求时，清楚地表达判断。
具体执行和大量技术细节，应当逐步交给 agent 承担。
这才是我说的能力转型。
过去，一个人的能力常常体现为：这件事我会做，那套软件我熟悉，这个流程我操作得比别人快。
现在，更重要的能力是：我看得见这件事为什么值得做，知道什么结果真正有用，也能判断哪些地方可以接受、哪些地方还需要改进。
Sam Altman 在 2025 年的《Three Observations》中写道：
“Correctly deciding what to do and figuring out how to navigate an ever-changing world will have huge value;”
“正确决定要做什么，并弄清如何在不断变化的世界中前进，将具有巨大的价值。”原文：Sam Altman 个人博客 ↗
我对这句话的理解是：执行能力越来越容易获得，决定应该做什么、为什么做、做到什么程度的能力，就会变得更加重要。
很多人的困难恰恰在这里。
他们熟悉自己执行的流程，却说不清楚流程最终服务于什么目标；他们坚持某个步骤必须由人完成，却解释不了这个步骤为什么存在；他们能够交出一份符合旧模板的材料，却不知道这份材料究竟有没有解决问题。
当执行工作越来越多地被 agent 承担时，这些问题会直接暴露出来。
离开亲手操作，你还能为结果贡献什么？
还有一种能力，我觉得被严重低估了：你是否广博地了解，工作成果可以以什么形态存在。
同一个问题，可以交付成一篇报告、一张表格、一个可查询的知识库、一个交互页面、一段自动执行的程序，或者一套持续运行的业务系统。
如果你只见过文档和表格，就会不断要求 agent 替你生产更多文档和表格。你可能根本想不到，真正需要的成果，是一套每天自动更新、发现异常就提醒你的流程。
你不需要知道这套流程具体怎么编写，但你至少需要能够想象它，理解它为什么有用，并说清楚它应该呈现什么信息、触发什么反馈、达到什么标准。