Competent Output

定义

Competent Output（合格产出） 是 AI 默认生成的 7 分内容：格式正确、逻辑顺滑、看起来专业、没有明显错误，但缺少独特判断、具体约束、真实场景和愿意承担后果的观点。

为什么重要

AI 让第一稿变得极便宜。landing page、产品 memo、pitch deck、营销文案、研究摘要和代码草稿，都可以在几分钟内达到“看起来还不错”的水平。

这会制造一个新的质量陷阱：多数人会被合格产出满足，因为它没有明显错误，也比空白页面好。但当所有人都能获得同一类平滑中位数输出时，合格不再构成差异化。

source summary 的关键判断是：AI 时代的竞争问题从生产能力转向分辨率。真正稀缺的不是“能不能写出来”，而是能否看出这个 7 分版本为什么不够好，以及能否把它推向 9 分。

核心要点

Competent Output 的特征

特征	表现	风险
正确性	无明显事实错误，逻辑通顺	容易让人误以为已经足够
标准化	符合常规格式和类型预期	与其他人的输出趋同
平滑性	语气自信，结构完整	掩盖真正的取舍和矛盾
可替代性	任何主流模型都能生成类似版本	难以形成品牌、产品或思想差异
上下文浅	缺少真实用户、运营、监管、团队容量等约束	在真实环境中不可执行

为什么 Competent Output 价值有限

• AI 使产出"合格"变得廉价
• 合格产出是底线，而非上限
• 差异化来自超出合格的部分
• 合格输出可能降低判断警觉，因为它看起来不像失败

如何超越 Competent Output

• Taste：做出非标准选择
• Specificity：深入特定上下文
• Ownership：承担独特方向的风险
• Refusal：拒绝看似可用但通用、浅薄或隐藏权衡的版本

常见形态

Competent Output 经常表现为以下几类。

• 模板化落地页：结构完整，价值主张顺滑，但换一个 logo 仍然成立。
• 通用产品文案：句子好看，却无法说明为什么这类用户现在必须改变行为。
• 平整的 pitch deck：每页都像融资材料，但没有暴露真正的分发、竞争和商业风险。
• 表面专业的研究 memo：引用、框架和标题齐全，却没有明确说出反例和边界条件。
• 能跑的代码草稿：测试可能通过，但抽象、命名、边界和未来维护成本没有被认真处理。

这些产出并非无用。它们适合启动思考、填补空白、生成候选项和处理低风险标准化任务。问题出在把它们误认为最终质量。

诊断问题

判断一份 AI 输出是否只是 competent output，可以问：

1. 换成任何公司、任何用户、任何行业，这段话是否仍然成立？
2. 它是否说出了真实的运营约束、监管约束、用户行为或团队容量？
3. 它是否暴露了重要权衡，还是把困难包装成漂亮措辞？
4. 它是否能解释为什么这个选择优于相近替代方案？
5. 如果这份输出导致客户误解、品牌损害或返工，谁承担后果？
6. 这里有没有一个模型自己自然不知道、只有具体人和组织才知道的细节？

如果这些问题都答不上来，输出大概率只是合格，而不是有竞争力。

升级路径

把 competent output 推向高质量，需要一个反复拒绝和重写的循环。

生成多个版本
  -> 逐个写下失败原因
  -> 加入真实约束和反例
  -> 明确取舍与不可做事项
  -> 由承担后果的人做最终选择

这个循环训练的是 品味 和 判断力，不是提示词技巧。提示词可以让模型更接近目标，但只有人能把“哪里不对”翻译成具体、可追溯、愿意承担后果的修改理由。

关键数据点

• AI 可在几分钟内生成落地页、产品备忘录、融资演示——合格产出变得廉价
• AI 默认输出聚集在"7/10"的平庸世界，中间层拥挤
• 具有不同 logo 但相同结构的落地页、可描述任何 app 的产品文案、整洁标题但缺乏生活判断的文章
• 市场不需要更多合格的克隆，需要能使用 AI 速度但不放弃特定性的建设者
• 真正稀缺的是能把 7 分和 9 分分开的分辨率

前提与局限性

• 合格产出是底线而非上限——差异化来自超出合格的部分
• "廉价"是相对于人类时间而言，token 成本仍在考虑中
• 在某些场景（内部文档、标准化报告、模板化内容），Competent Output 已足够
• 合格产出的问题在于"globally polished but contextually shallow"——全局精致但上下文浅薄
• 如果 review、验证、合规和部署成本上升，组织只是把成本从写作转移到判断和治理
• 不是所有任务都需要 9 分输出；关键是区分哪些场景只需要合格，哪些场景必须独特

关联概念

• Taste：做出非标准选择，超越合格产出
• Specificity：深入特定上下文，避免通用输出
• Ownership：承担独特方向的风险，不满足于合格
• Refusal：拒绝平庸的合格输出
• Judgment：判断哪些输出足够好，哪些只是顺滑地接近平均值

在 AI 时代的意义

"AI makes competent output cheap."

理解 Competent Output 是理解 AI 时代价值转移的起点：当合格变得廉价，品味、特异性、拒绝能力和承担后果的 ownership 成为新的稀缺。

来源

• Raw Source: Good Taste the Only Real Moat Left