一份永远送不到的外卖，为什么恰好打开外卖软件。

其实并不算饿，但还是点进了一家炸鸡店。套餐看了一遍，优惠券算了一遍，又顺手加了一杯奶茶。几分钟后，你觉得热量太高，把炸鸡删掉，换成寿司；再过一会儿，又觉得配送费不划算。

折腾十几分钟，你最终关掉软件，什么也没有买。

类似的事情，也可能发生在视频网站上。你原本只是想找一部剧放松一下，结果浏览了几十张海报、看了半天评分，最后却连一集都没打开。

我们通常把这种行为理解为“选择困难”，但它背后还有一个更值得注意的现象：

很多时候，人真正沉迷的并不是消费结果，而是消费之前那套完整的操作过程。

最近在韩国互联网语境中流行起来的“多巴胺网站”，恰好把这件事做成了一种产品。而当我们把这类网站与正在爆发的AI Agent放在一起看，就会发现：它们其实代表了数字产品发展的两个相反方向。

一个只保留过程，删除结果。

另一个只保留结果，删除过程。

一、先点一份永远不会送到的外卖

FoodNeverComes是一款模拟外卖平台的网站。

它的页面看起来与真正的外卖应用非常相似：用户可以浏览不同国家和地区的食物，把菜品加入购物车，调整规格，完成虚拟结账，最后还可以观看一名虚拟骑手向目的地移动。

唯一的区别是：

不需要真实付款，也不会收到任何食物。

网站对自己的描述非常直接：“点餐，但不用付账。”官网还明确说明，支付信息是预先填写的虚拟卡号，不会创建真实订单，也不会产生真实扣款。要补充一个事实核验。

多家媒体曾把FoodNeverComes描述为一名叫“Malhee”的韩国开发者制作的产品。但该网站官方在2026年7月发布说明，明确表示“首尔开发者Malhee”的说法并不准确。因此，现阶段更稳妥的表述是：FoodNeverComes在韩国“多巴胺网站”热潮中受到关注，但其创作者身份尚未获得可靠确认。 似的还有韩国网站“在线Damta”。

“Damta”在韩语中大致对应工作间隙出去抽根烟、短暂休息的场景。这个网站允许用户点燃一根虚拟香烟，同时进入匿名聊天室，与其他在线用户一起休息。根据其官网介绍，该网站面向非吸烟者，每日累计访问人数约为3万人，但这一数字来自网站自己的统计，暂时没有独立第三方审计。站几乎不提供传统意义上的生产力，也不解决明确的现实问题。

它们提供的，是一种被抽离出来的行为仪式。

你不是为了真的买到食物，而是想浏览菜单、比较选项、添加购物车、点击下单。

你也不是真的想吸烟，而是想获得一个暂停工作的理由，感受“我出去喘口气”的氛围。

二、“多巴胺网站”并不是给大脑直接充值

“多巴胺”这些年几乎被互联网解释成了“快乐物质”。

刷短视频有多巴胺，买东西有多巴胺，打游戏有多巴胺，谈恋爱也有多巴胺。按照这种说法，多巴胺似乎成了大脑里的通用快乐按钮。

但真实的神经科学要复杂得多。

密歇根大学心理学家肯特·贝里奇等研究者提出，奖励体验至少可以拆分为三个部分：

• Wanting：想要、接近和追求某种奖励；
• Liking：真正获得奖励后的愉悦体验；
• Learning：大脑学习哪些线索能够预测奖励。

研究显示，多巴胺系统与“想要”、动机和奖励学习密切相关，但不能简单等同于“快乐本身”。一个人完全可能非常想得到某样东西，真正得到以后，却没有想象中那么开心。还参与一种叫“奖励预测误差”的学习机制。

简单来说，当实际结果比预期更好时，大脑会强化相关线索；当结果低于预期时，相关信号则会下降。随着学习不断发生，大脑的反应会逐渐从“奖励真正出现的时刻”，转移到“预示奖励即将出现的线索”。释了为什么外卖还没送到，你可能已经获得了大量情绪刺激。

诱人的食物图片是一种线索。

优惠券是一种线索。

“骑手距离你还有800米”也是一种线索。

它们不断向大脑暗示：奖励就要来了。

因此，更准确的说法不是“下单一定会让大脑释放多少多巴胺”，而是：外卖软件中的浏览、比较、选择和等待过程，会持续调动人的动机系统、注意力和奖励预期。

FoodNeverComes做的事情，就是把这套奖励预期完整保留下来，同时删除真实消费。

三、平台原本卖的是商品，现在有人只卖“想买的感觉”

过去十几年，电商、短视频和外卖平台一直在努力降低用户行动的摩擦。

无限滚动让页面没有明确终点。

一键下单减少思考时间。

免密支付让付款变得几乎没有感觉。

“仅剩两件”“已有多人购买”“优惠即将结束”等信息，则通过稀缺性和紧迫感推动用户尽快决定。

普林斯顿大学等机构的研究团队曾分析约1.1万个购物网站、超过5万个商品页面，识别出1818个“暗黑模式”实例。这些设计会通过诱导、干扰或制造压力，让用户做出原本不一定会做的决定。业平台的目标，是让你尽快从“想要”走向“购买”。

而多巴胺网站做了一件很反常的事情：

它保留了平台最容易令人上瘾的部分，却删除了平台真正赚钱的部分。

用户可以不断挑选、下单和等待，却不需要支付价格、摄入热量，也不必面对购买后的后悔。

从产品设计角度看，这相当于把购物体验拆成了两层：

第一层是情绪层，包括期待、比较、想象和控制感。

第二层是交易层，包括付款、交付和承担后果。

多巴胺网站只提供第一层。

四、AI Agent走的是完全相反的路线

如果说多巴胺网站是“保留过程、删除结果”，那么AI Agent做的事情刚好相反：

保留结果，删除过程。

普通聊天机器人主要负责回答问题。

你问一句，它答一句；你给一段材料，它生成一段文字。用户仍然需要亲自复制结果、打开软件、处理文件和完成后续操作。

AI Agent则会围绕一个目标，主动规划步骤、调用工具、执行操作，并根据执行结果继续调整。

例如，传统聊天机器人可以告诉你如何修改一段代码。

代码Agent则可以读取项目文件、定位问题、修改多个文件、运行测试、查看报错，再把修改结果提交给人类审核。OpenAI对Codex的官方介绍中，就明确列出了读取与编辑文件、运行测试、检查日志和准备代码变更等能力。AI Agent在2026年迅速升温的重要原因。

OpenAI公布的数据显示，截至2026年6月，Codex每周活跃用户已经超过500万；其中大约20%是非程序员知识工作者，他们使用Agent制作报告、电子表格、演示文稿、合同和内部工具。相关研究还显示，2026年1月至6月，Codex周活跃用户增长超过5倍。网站希望你亲自完成每一次点击。

AI Agent则希望你少点击几次。

前者让你慢慢选择，但什么也不交付。

后者让你只说目标，直接等待交付。

同样是“点外卖”，它们可能发展成两种完全不同的产品：

一种让用户反复浏览菜单、体验下单，却永远不会收到食物。

另一种让用户只说一句“帮我安排一顿适合三个人的晚餐”，系统便自动搜索、比较、筛选并准备订单，最后只让用户确认。

一个出售过程。

一个压缩过程。

五、效率越来越高，人的能力也可能被一起压缩

跳过过程当然很舒服。

但问题在于，很多能力恰恰是在过程里形成的。

你之所以能够判断一份研究报告是否可靠，是因为你曾经亲自查过资料、核对过数据，也踩过引用错误的坑。

你之所以能够看出一段代码可能存在隐患，是因为你曾经写过代码、调试过程序，也处理过线上事故。

当AI把中间步骤全部拿走时，它带走的可能不只是重复劳动，也可能带走人类获得经验的机会。

Anthropic在2026年公布的内部数据显示，截至当年5月，公司合并进入代码库的代码中，超过80%的行由Claude生成；典型工程师每天合并的代码量约为2024年的8倍。不过Anthropic也特别提醒，“代码行数”更接近产出数量指标，不能直接等同于真实生产力提高了8倍。nthropic员工在内部讨论中描述过一种矛盾感：

AI表现顺利时，他觉得自己的工作似乎无关紧要；AI出现问题时，他又发现自己已经很难解释系统为什么出错。

这不是简单的“AI抢工作”焦虑。

它指向一个更隐蔽的问题：

当执行过程被长期外包后，人可能逐渐失去理解结果的能力。

Anthropic关于编程技能形成的研究也提示，AI能够明显加快部分任务，但过度依赖辅助工具可能降低人的主动参与程度，形成认知卸载。危险的状态，不是AI什么都不会做。

而是AI可以完成绝大部分工作，人类却既无法独立完成，也无法可靠验收。

六、哪些过程应该交给AI，哪些必须保留？

面对AI Agent，我们没有必要重新坚持所有手工流程。

合理的方法，是把工作过程分成三个层次。

第一层：执行过程，可以大量交给AI

这类工作通常重复、可验证、判断空间较小，例如：

查找候选资料、整理会议记录、清洗表格、转换文件格式、生成初稿、批量检查错别字、执行测试脚本。

它们主要消耗时间，却不一定持续提升人的核心能力。

把这部分交给AI，通常能够获得最直接的效率收益。

第二层：判断过程，需要人与AI共同完成

这包括拆解需求、设定约束、选择数据源、比较方案、识别漏洞，以及判断结果是否符合真实场景。

判断能力无法仅靠阅读AI答案形成。

它需要不断经历“我原本怎么想”“AI为什么这样做”“最后谁判断正确”的反馈循环。

因此，使用AI时，不要只查看最终答案，还要观察它采用了哪些信息、排除了哪些可能性、在哪些地方进行了假设。

第三层：责任过程，不能外包给AI

谁确认结果可以上线？

谁决定这份报告可以交给客户？

谁批准一笔付款？

谁在系统出错时解释原因并承担后果？

这些责任仍然属于人。

AI可以执行动作，也可以提出建议，但它不是法律意义、组织意义和道德意义上的责任主体。

老板不会接受“代码是AI写的，所以事故与我无关”。

客户也不会接受“报告里的数据是模型编的，所以我们不负责”。

AI越能执行，人类越需要明确责任边界。

七、不要把等待AI输出的时间变成空白

很多人使用AI Agent时，会出现一种新的工作状态：

任务已经提交，但结果还没有返回。

以前，人们亲自查资料、写代码和制作表格。现在，Agent可能需要几十秒甚至几分钟完成任务。于是用户开始刷手机、切换页面，或者同时启动更多Agent。

但这段时间并不一定是“等待时间”。

它可以变成验收准备时间。

在AI工作时，可以先回答几个问题：

这项任务真正的成功标准是什么？

AI最可能误解哪个约束？

哪些数据必须核对原始来源？

哪一步如果出错，造成的损失最大？

结果出来以后，我准备先检查什么？

你甚至可以在AI给出答案前，先预测它可能选择的方案，然后比较双方思路。

这样一来，AI并不是替你跳过所有过程，而是在帮你压缩执行过程，同时保留判断训练。

寄语：未来真正稀缺的，不是执行，而是判断

FoodNeverComes与AI Agent看似毫无关系。

一个让人假装点外卖，一个让机器替人完成工作。

但它们共同揭示了数字时代的一次重要分裂：

过程和结果，正在被拆成两种可以独立出售的产品。

多巴胺网站抽走了结果，只留下过程中的期待感。

AI Agent抽走了过程，只把结果送到用户面前。

而真正成熟的人机协作，不应该走向任何一个极端。

不是为了获得刺激而沉迷过程，也不是为了追求效率而彻底放弃过程。

我们应该交给AI的，是重复执行、信息搬运和机械操作。

我们需要保留的，是判断、理解、选择和责任。

未来人与人之间真正拉开差距的，也许不再是谁能够完成更多操作，而是谁知道：

哪些操作可以省略，哪些过程必须亲自经历；哪些答案可以采用，哪些结果绝对不能盲信。

AI Agent最大的价值，不是让人什么都不用做。

而是让人把有限的注意力，投入到那些真正需要人类判断的地方。

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）