今天群里又聊起 AI 魔改。
有人在试 prompt，有人在折腾 MCP，有人在研究各种 wrapper 和 harness。这个场景我太熟了。AI coding 之后，很多东西都变得很容易起手。以前一个人想搭一套工具链，至少会先被工程成本劝退一半。现在不一样，AI 一晚上就能帮你拉出个第一版，于是大家都会忍不住想：我是不是也可以改一点、接一点、包一层、再造一个更适合自己的东西。
然后陈然出来讲了一段 Alpha 和 Beta。
他的大意是：大多数人总想在人生各处找 Alpha。投资要 Alpha，职业要 Alpha，关系要 Alpha，身体也想要 Alpha。但现实是，人不可能在所有地方都拿超额收益。更舒服的状态，是大多数地方吃 Beta，少数地方追 Alpha。放到 AI coding 里，Claude Code、Codex 这些最先进的工具，本身就是 Beta。至于各种 prompt、MCP、魔改、harness，很多时候是在追 Alpha，不一定比工具自然升级带来的收益更高。
我当时的反应是：这话挺准。
它准在边界感。
很多人对“用现成工具”这件事有点心理负担，好像不用自己改一层，就不算高级；不自己搭一套，就不算懂；不做点差异化，就只是一个普通用户。但我现在越来越觉得，能承认自己大多数时候应该先拿 Beta，本身就是一种成熟。
这不是懒。
这是你知道哪些收益本来就不该靠自己硬造。
投资里最朴素的例子就是指数。很多人研究主动基金、择时、个股、行业轮动，最后长期收益还不如一只低成本指数。信用卡也差不多。你可以把各种积分、返现、权益研究到很细，但如果你的时间本身更贵，一张简单稳定的返现卡可能已经够好。
AI 工具也是这个逻辑。
如果 Claude Code 已经是当前最强的一档，那就先用 Claude Code。如果 Codex 在某些任务上更顺手，那就用 Codex。如果公司内部有成熟平台，先接成熟平台。模型、工具协议、agent runtime、trace、eval、guardrails、权限、审计，这些通用复杂性，能交给专业工具和专业团队，就不要急着自己背回来。
AI 很容易制造一种错觉：因为第一版太容易做，所以这件事就值得自己做。
但第一版不是最贵的。长期托付才是。
你今天让 AI 写一个 harness，可能很快。真正麻烦的是后面：模型升级了怎么办，工具协议变了怎么办，日志够不够查，错误怎么复盘，权限怎么兜住，谁来维护，谁来解释，出了问题谁负责。AI 能降低制造成本，但不会替你承担责任链。
所以我很认可陈然这个态度：大多数时候，先吃 Beta。
这句话放在 AI coding 里，不是在说“别创造”。它是在提醒人，先别把创造力花在最不划算的地方。通用能力会被大模型厂商、工具厂商、开源社区反复卷。个人和普通团队在这一层硬追 Alpha，很容易追成负债。
真正应该守住的，是自己的那部分。
对我来说，这部分不是通用 agent runtime，不是每一个 prompt 技巧，也不是所有 MCP 的魔改能力。更可能是业务语义、私有上下文、判断标准、验收方式、责任边界和组织里的落地路径。
模型不知道你的业务为什么重要。工具不知道哪个错误在你这里最危险。平台不知道你们组织里谁能审批、谁要兜底、谁会在真实流程里使用它。
这些东西才是自己的 Alpha。
所以我更愿意把这件事说成一句很土的话：
通用能力吃 Beta，业务判断守 Alpha。
不要从零造发动机，但方向盘也不能交出去。
这也是我之前讲 Agent 时反复强调的东西。做 Agent，不是所有模块都自己做。真正有价值的，是把成熟 harness 包到核心、稳定、可验证的业务场景里。业务同学负责定义问题、提供上下文、判断结果、明确风险边界。平台团队负责让它可追踪、可评测、可审计、可兜底。不是每个人都从头搭一套 agent 基础设施。
专业的人使用专业工具，依然会比非专业的人更专业。工具变强不会让边界消失，只会让边界更重要。
说到这里，我基本是站在陈然这一边的。
大多数人确实应该少证明自己聪明一点，多先拿确定收益一点。尤其在 AI coding 这件事上，不要因为 AI 能帮你写代码，就重新变回手工业者。以前是“我做不出来”，现在变成“我都能做出来”。但“能做出来”和“应该由我长期负责”，中间差得很远。
不过我也想补一层边界。
不是所有魔改都该被打成低收益 Alpha。
群里很多人折腾 prompt、MCP、小工具，不一定是为了立刻比 Claude Code 或 Codex 更强。有些人是在学习 AI，在摸工具边界，在理解 prompt 为什么会影响结果，在试 MCP 能不能接进自己的工作流，在用一个小工具建立体感。
这种探索不能只用收益率衡量。
人并不只是为结果的成功而活。
有些东西的价值，不在于它马上赢了谁，而在于它让你更理解一个工具，更接近一个新领域，或者只是让你在快速变化的环境里保持一点参与感。学习本身有价值，兴趣本身也有价值。不是所有东西都需要被包装成战略。
关键是别混淆。
如果你要的是业务结果，那就别拿探索当借口消耗主线。先用最好的工具，先拿确定的 Beta。
如果你要的是学习，那就承认它是学习。给它一点比例，做完有反馈，有复盘，有沉淀。
如果你只是觉得好玩，那也没问题。只是别把每一次好玩都说成“我在追一个很重要的 Alpha”。
我觉得更舒服的状态大概就是这样：大多数地方先拿 Beta，少数真正属于自己的地方追 Alpha，另外保留一点不以胜负为目的的探索。
这比到处证明自己聪明要健康。
也更像一个成年人该有的取舍。