过去普遍认为AI提升生产力意味着人类劳动减少。但经过三年写作实践，作者发现AI消除机械工作，却没有减少人类努力，而是提升了同一努力下的产出天花板。

作者测试过提示模板、微调模型、复杂系统指令和多Agent辩论等方案，最终有效的架构是闭环品味飞轮：预摄入背景研究和本地记忆库，生成草稿后捕获人类评审反馈，将教训记录到永久文件中。这个架构改变了他的工作流。

量化数据揭示反直觉的结果：一篇数据密集文章从需要47次草稿修改降到3次，但行级编辑每篇仍然保持约140次，无统计上的下降。时间节约后注意力转到更高价值——早期大量结构修复，一旦本地品味记忆稳定，结构迭代消失，人类专注于行级修辞。粒度编辑比率从4.4升至43.3。

国际象棋出现相同模式。AI引擎没有让人类棋手荒废，反而特级大师从1993年的524人增至约1750人，Top 30棋手平均等级分从1979年只有1人超过2700变为如今近2750。训练时间从每天5小时降至4小时。效率提高不是用来休息，而是用来追求更高水平。

作者引用Jevons悖论——效率提高增加消费，但更有趣的是“天花板”。AI不仅节省时间，还提高了同一努力的产品质量。成熟的Agent衡量标准不是消除人类编辑，而是将写作者从结构修复者提升为修辞射手。