杂货店后台有一堆规则：香蕉归生鲜，饼干归零食区，孜然归香料架。但香蕉烂了呢？饼干碎了呢？孜然结块了呢？规则之外总有例外。编码本质上是把这些规则和例外写进软件：AI 出现之前，程序是僵硬的；AI 能处理例外，比如通过图像搜索认出那个陌生水果是 Musa paradisiaca，香蕉的亲戚。

但处理“这是大蕉，所以归生鲜”这种逻辑，并不需要全世界最聪明的模型。新一波 AI 是高效的 if-then 判断器。Jev2 和 SemIf 这类模型能在几百毫秒内回答这些问题，成本比传统 AI 降低 99%。它们的做法是简化现有模型：注意力计算只跑一次，再根据少量输出 token 算出每个允许答案的概率。

作者在自己代码里翻找交给 AI 的 if-then 语句，几分钟内就替换了其中一个 agent 里大约四分之一的调用。在 98 条人工验证的生产邮件线程上，这些专用判断器把分类准确率从 47% 拉到 80% 以上，几乎翻倍。软件由原语组成，if-then 是其中之一；优化这一个原语，成本降了近两个数量级，准确率还更高。

这引出两个问题：还有哪些编程原语能从同样的专门化中受益？AI 的经济学正在分化——前沿模型用于发现和训练，优化模型用于生产。我们用最大的前沿模型训练新模型、用最强模型搭建系统；但系统一旦工程化并跑上成千上万次，更窄的 AI 反而更划算。如果这是生产专用原语中的第一个，那么这些专用组件会捕获更多价值。