實驗紀錄 · 外送專法篇 · 下
野心的
單位變小了
五個午餐聊天的問題，兩個小時的牆上時間，其中 agent 工作了 36 分鐘，人坐在螢幕前大約半小時，換到一篇有模型也有驗算的報告。外送是上篇的事。這一篇記的是那兩個小時裡發生了什麼，誰做了什麼，錯在哪裡，花了多少。
01 · 起點
14:31 一份 Gemini 整理好的文件和五個問題進來。外送專法到底是什麼。Uber Eats 和 foodpanda 為什麼變貴。到底會多貴。別人走過這條路，台灣會怎樣。國外經驗能用嗎，都是同一家 Uber。
那份文件是 chat 時代的答案長什麼樣的標本。結構漂亮：執行摘要和四方矩陣，三地對照表，還有一個消費者棄用的臨界點模型。八成的數字查下去都是對的。問題出在剩下的兩成跟那八成寫在同一張表裡，用同樣的語氣。紐約官方報告的數據、DoorDash 遊說時的口徑、遊說團體對市場規模的推估，還有它自己發明的「溢價率超過 35% 到 40% 就棄用」模型，讀者分不出哪一格是地基、哪一格是裝潢。
它最大的問題不在錯，在它寫得讓人不會想追問。
上篇〈加薪留不住〉是這五個問題的答案。這一篇記的是從那份文件到那篇報告之間的兩個小時。
02 · 紀錄
下面是整個下午的流水帳。左欄是時間，中欄是人說了什麼，右欄是那句話造成的結果。agent 做的事沒有逐條列，因為量太大：二十二次搜尋和五次抓全文，讀了一篇論文的附錄，寫了一支腳本，跑了三組區間，出了三版報告，檢查器跑兩次。人這邊只有八句話。
| 時間 | 人說的 | 結果 |
|---|---|---|
| 14:31 | 先求證 Gemini 查的資訊與結論，再來看 agent 能給什麼 | 定了順序：查核在前。兩輪搜尋，找出兩處歪掉的結論，一件漏掉的大事 |
| 14:39 | 台灣只保障接單後時間？一小時只有一單還有時薪嗎？查一下 | 挖出法條的真正結構：只算接單中的分鐘，等單一毛沒有。整篇的論點從這裡開始 |
| 14:39 | 有沒有論文或模型？我不用訪問，用漲過之後的現況 | 從評論變成可算的東西。找到三篇論文，而且定了識別策略：用兩個時間窗把兩個參數拆開 |
| 14:45 | 一步步來，先抓模型 | 擋住跳結論。論文附錄 D 五頁整個抓下來 |
| 14:53 | 先用真實資料，然後可調的，先用假設區間跑幾個結果 | 定了「先釘數再開旋鈕」。平台公佈的兩週數據把進入彈性釘住，模型只剩一個真正會動的參數 |
| 15:01 | 可以變成回家作業，先寫 report | v0.1。套樣式，跑檢查器，三種寬度看過 |
| 15:30 | 裡面有回答平台也把成本轉給店家嗎？店家外送價比內用價差三成以上 | 抓到 v0.1 的洞。轉嫁率少算一倍，店家那條線重寫 |
| 15:58 | 太像學術報告。每題要白話版。結尾要寫拿到什麼事實、離答案多遠 | v0.3。改了報告的輸出格式，多了第 8 題 |
粗體的四行改變了結論。其他四行改變了順序或格式。沒有一行是在提供資訊。
還有一件事表格看不出來：人不在電腦前。從對話紀錄的時間戳算，14:31 到 16:34 共 123 分鐘，agent 從收到一句話到交出結果，加起來工作了 36 分鐘。其餘 87 分鐘是 agent 做完在等人。等的時間分兩種：十次 1 到 5 分鐘的短空檔，是人回來讀產出、想下一句；五次 10 到 25 分鐘的長空檔，是人在做別的事。把短空檔加上長空檔裡讀報告的幾分鐘，人真正坐在這件事前面的時間大約半小時。
03 · 三種答案
拿五個問題裡的「到底會多貴」示範。同一個問題，三個時代給的東西長得不一樣。
| Google 搜尋 | Chat | Agent | |
|---|---|---|---|
| 拿到什麼 | 十條連結：工會說出軌制。平台說成本 +32%。協會說蒸發 460 億。媒體說叫外送貴五成 | 一份文件：每單硬成本增 10 到 25 元，附一張四方矩陣 | 消費者每單 +4% 到 4.5%，會員 +66%，外送員時薪 +0 到 2%。每個數字有出處，其中一個是平台自報，標出來了 |
| 誰做三角測量 | 你 | 沒人。出處被壓平 | agent 做，但人要決定從哪一邊收線 |
| 答案的形狀 | 素材 | 結論 | 事實，外加出處和模型，以及離答案多遠和作業 |
| 保鮮期 | 看你什麼時候搜 | 快照，沒有日期 | 自帶到期日：Uber 收購 Delivery Hero 2027 下半年定案後要重問 |
| 錯了怎麼辦 | 你自己發現 | 很難發現，因為每一格的語氣一樣 | 每一格都能回頭對，所以錯得出來。這一篇後面有四個 |
第三欄多出來的那三樣東西，模型和距離，還有作業，是這個下午真正新的產物。上篇最後一題「我拿到了什麼」那張表就是這個形狀：五個問題答了兩個半，剩下的標出來等什麼。
04 · 收線的四次
釣竿是 agent 在甩。但四次改變結論的時刻，都是人判斷「線鬆了」。把四次攤開看，它們有共同的形狀。
一 「一小時只有一單，還有時薪嗎？」agent 的第一輪查核寫了「只保障接單後時間」，寫得很順，順到像是講完了。這一問逼出法條的真正結構，也逼出後面所有論點的起點：台灣的設計把空等的成本放在外送員身上。線鬆的訊號是：一句話講得太順。
二 「有沒有論文或模型？」在這之前，整件事是一篇查核加評論。這一問把它變成可以算的東西。附帶的那句「我不用訪問，用漲過之後的現況」更重要，它定了識別策略：消費者價格 8 月 14 日才動，所以前兩週的供給反應只看得到一個參數。線鬆的訊號是：結論有了，但沒有式子。
三 「先用真實資料，再開旋鈕。」沒有這一句，模型會變成三個口味參數的遊戲。有了這一句，平台公佈的兩週數據先把進入彈性釘住，剩下的旋鈕才有意義。線鬆的訊號是：參數太多，每個都能撥。
四 「店家也轉嫁了，外送價比內用價差三成。」這是 agent 自己沒看到的洞。v0.1 把商家那 2.5 個百分點記在「商家付」就停了，轉嫁率因此少算一倍。線鬆的訊號是：你自己的生活經驗跟報告裡的數字對不上。
agent 時代稀缺的技能，可能是在答案看起來完整的時候，決定還要不要再問一次。
鏡子篇說 AI 照出來的是你的信念。這個下午照出來的是另一樣東西：追問的習慣。四次收線沒有一次需要新資訊，需要的是對「完整」的不信任。
05 · 錯在哪裡
agent 在這兩個小時裡犯了四個錯。照記，因為它們是論點的一部分。
Google 時代這些錯也會犯。差別在 chat 時代你看不到它們，每一格的語氣一樣。agent 時代每一個都有出處，所以錯得出來，也修得掉。agent 犯的錯沒有比較少，變的是錯誤可以修。
06 · 這個答案的代價
把對話紀錄裡每一次 API 呼叫的用量加起來。快取讀取算 0.1 倍，快取寫入算 2 倍，輸出算 5 倍，這樣加權比較接近實際的計價。紀錄從 14:54 換到工作環境之後才有逐筆的數字，前面二十三分鐘在另一個介面跑，只知道它留下了約 34 萬 token 的上下文，用同樣權重估約 90 萬。
token 花在哪裡
14:54 之後的 70 次呼叫，加權後，單位萬
數據
| 用途 | 加權 token（萬） | 佔比 | 怎麼算的 |
|---|---|---|---|
| 網路查資料（搜尋＋論文） | 216 | 52% | 22 次搜尋與 5 次抓全文留下約 27 萬 token，之後每次呼叫重讀 |
| 對話本身（問答與思考） | 86 | 21% | 人的問題、agent 的回答與思考，輸出以 5 倍計 |
| 檔案、腳本與報告製作 | 63 | 15% | 三版 HTML 加樣式表，模型腳本，截圖檢查 |
| 系統指令（每輪重讀） | 47 | 11% | 約 6 萬 token 的系統提示與工具清單，有快取 |
| 記憶工具 | 7 | 2% | 讀了三次 |
原始計數：快取讀取 3,571 萬，快取寫入 18 萬，未快取輸入 34 萬，輸出 7 萬。分組是按「這段內容由哪個工具產生」去推的，是近似值。
三件事值得記。
查資料貴，但貴的地方不在查，在重讀。查到的 27 萬 token 留在對話裡，之後每一次呼叫都掃一遍，七十次掃下來佔了一半。這是 agent 工作方式的結構性成本：它記得的東西越多，每一步越貴。
真正輸出的字只有 7 萬 token，包含三版報告和所有回答。36 分鐘的工作，產出佔用量不到 2%，其餘都是讀。
換成人的時間，這個下午做的事，我的估計是一個經濟系研究生一到兩週：查三個城市的官方報告，讀一篇工作論文的模型，找台灣的數據，寫腳本，寫文章。但對照的另一邊要寫對。這個下午人花的時間是半小時，而且這半小時是從別的事情裡切出來的，像午餐時順口問一個問題，吃完飯回來看一眼答案。研究生的兩週是全職，這半小時是順手。兩週對上順手的半小時，這才是野心的單位可以變小的原因。
所以這個答案的代價有三層。第一層是 agent 的訂閱費，它把五百萬 token 和二十二次搜尋藏在鏡子後面，人看不到，也不用看。第二層在鏡子前面：人的半小時，和八句話裡改了結論的那四句。那四句沒有 token 可以買，它們來自追問的習慣，而習慣是之前花的時間。第三層是鏡子本身：agent 犯的四個錯都在對話紀錄裡，看得到才修得掉，這也是一種成本，叫作要有人看。
07 · 這是什麼野心
Felix Rieseberg 那篇〈How to be more ambitious〉講的野心，是去做本來會打消念頭的事。打消念頭的理由通常是成本：這要一個月，這要找人，這要先學一門課。
這個下午打消念頭的理由本來很充分。「Uber Eats 為什麼變貴」是午餐聊天的題目，拿它當研究題目做，要讀論文，要建模，要找數據，正常人不會為一個聊天題目花兩週。所以正常的結局是 Google 搜幾次，或者拿 Gemini 那份文件當答案。
兩週變成順手的半小時之後，那個理由不成立了。野心的單位從「專案」縮到「問題」：一個問題值得做到有模型、有驗算也有出處，因為做到那裡的成本已經低於「拿一份看起來完整的文件當答案」的風險。
野心的另一種定義：對更小的事，用同樣的標準。
harness-probe 那篇的結論是「跑從來不是問題，看才是」。這個下午是同一句話的另一個版本：跑的是 agent，二十二次搜尋，一篇論文，三版報告。看的是人，八句話。跑的成本降了兩個數量級，看的成本一點沒降。所以單位變小的同時，人的工作沒有變少，變的是它的位置：從做事移到判斷事情做到哪裡該停，該追問，還是該翻掉。
08 · 沒解的
這篇紀錄只跑過一次。一次成功不代表流程可重複，它可能只是題目剛好：外送專法剛好有論文，平台剛好公佈了數據，模型剛好只有一行式子。換一個題目，三個「剛好」可能少一個。
釘住進入彈性的數據只有平台有。agent 可以把這件事標出來，不能替代一個獨立的資料來源。這個限制在 Google 時代一樣存在，agent 沒有解掉它。
回家作業還是人的。上篇留了三題，哪一題值得追、什麼時候追，agent 排不出優先順序，因為那取決於你還關不關心這個問題。
09 · 回家作業
把這個下午的流程寫成一個方框，下一個午餐問題用同一套再跑一次。能跑第二次，這篇才算成立。
02 追問：一句話講得太順的地方，問一次
03 找模型：有沒有人解過，式子長什麼樣
04 釘數：先用真實資料把能釘的參數釘住，再開旋鈕
05 跑區間：剩下的參數撥幾個值，看哪個真的會動
06 寫：每個數字標出處，自報的數據標利益方
07 標距離：拿到的事實離答案多遠，差距就是作業
08 記帳：花了多少 token，人說了幾句話，人坐在前面幾分鐘
候選題目一個：上篇第 8 題「沒問但冒出來的」那一條，外送員學會等疊單。它沒有現成的論文，平台數據只有一個接單率，模型要自己寫。三個「剛好」少兩個，剛好可以測這套流程。
出處
- 上篇：〈加薪留不住〉，slug delivery-pay-floor，本篇所有關於外送專法的數字與出處都在那裡。
- 對話紀錄：2026-11-06 14:31 至 16:18，本機 jsonl 逐筆用量；加權規則為快取讀取 0.1 倍，快取寫入 2 倍，輸出 5 倍。
- Felix Rieseberg, "How to be more ambitious"。
- 同站：〈跑從來不是問題，看才是〉（harness-probe）、〈AI 放大器還是鏡子〉（ai-amp-or-mir）。
- An, Garin & Kovak, NBER Working Paper 34545, 2025-12，附錄 D。