本文基于蒂姆·奥莱利（Tim O'Reilly）在2026年10月23日AGNTCon + MCPCon北美大会主题演讲前，与德米特里斯·布林克曼（Demetrios Brinkmann）的对话整理而成。
苦涩教训 vs. 人类专家价值
2019年，计算机科学家理查德·萨顿发表《苦涩教训》，指出随着算力扩展，通用方法远胜于基于人类专业知识的方法。尽管AI行业对此奉为圭臬，奥莱利坚持“人类主导”立场。他承认算力的最终胜利，但担忧AI社区未充分探讨如何为人类创造友好的经济未来。目前，实验室多关注防止AI失控，经济学家聚焦失业问题，却鲜少研究引入何种机制以创造新的经济机会。
对O'Reilly Media而言，核心使命是将前沿知识传递给追随者，因此极度关注人类专业知识的价值。AI虽内化了海量知识，但缺乏人类的介入便无法启动。人类通过独特的意识、注意力及特定经验，为泛化的大型语言模型（LLM）提供焦点与透镜。
全知即无知：人类作为焦点提供者
奥莱利指出，LLM知晓一切，因而一无所知；人类虽局限，却能因专注而整合出独特价值。他以O'Reilly内部工具为例：当工程经理要求增员时，通用AI代理仅分析工作量便同意招聘；但通过连接“O'Reilly专家情报”MCP服务器，模型引用《站点可靠性工程》中关于“琐碎劳动”的概念，指出增员会恶化问题，建议进行审计与重组。这一差异表明，通过特定专家知识过滤，AI能给出更具洞察力的答案。
魔法词汇与上下文工程
“魔法词汇”承载了大量上下文。例如，输入“GTD”即可让AI调用整套时间管理方法论。这标志着“上下文工程”成为编程的未来：学会正确引导和聚焦AI。若任由代理自行运作，它们可能像《幻想曲》中的米老鼠一样失控。奥莱利强调，人类需搭建环境，将从错误中学到的“疤痕组织”转化为基础设施，确立一致配置以避免资源浪费。
机制设计：从掠夺到共创
奥莱利回顾Google以算法蛮力战胜人工目录的历史，指出每次技术转型都需重新审视人类经验的价值。他批评硅谷技术的“恶化”（enshittification），即平台为利润牺牲用户体验。在AI版权问题上，他对比了YouTube Content ID的成功机制：将侵权转化为创作者获利机会。相比之下，AI行业直接转向变现，未与内容创作者分享价值。去年Anthropic支付15亿美元解决版权集体诉讼，印证了这一缺失。
他呼吁构建促进资金流通的AI经济机制，而非仅仅替代人类工作。借鉴Unix的“参与式架构”，他认为MCP（模型上下文协议）为AI带来了类似的开放协作可能，打破了中心化巨头的垄断。通过开源、开放协议和可移植记忆，用户应能控制技术服务于人类繁荣，构建人机合作的循环经济。