APoV 006元工作,和AI时代的生产关系

结束东海岸三周的旅行,在回旧金山湾区的飞机上,我读到了 Anthropic 新发布的一份研究报告《How Employment Is Changing at Anthropic》,研究对象是他们自己的员工。在 8 月的内部调研中,受访员工平均预计到 2030 年,AI 将能接管他们现有工作的 75%。

2030 这个年份让我想起了凯恩斯。1930 年,这位英国经济学家发表过一篇随笔《我们孙辈的经济前景》。他预言在自己那一代人的有生之年,农业、采矿和制造业就只需要过去四分之一的人力;再过一百年,也就是到 2030 年,人类的经济问题或许将被解决,“或者至少看得到解决的希望”,届时他的孙辈每周只需工作 15 个小时。如今望向同一个 2030 年,Anthropic 的员工预计 AI 将接管四分之三的工作,留给人的恰好也是四分之一。相隔一百年,两幅关于技术丰裕的图景不约而同地交汇在 2030 年,连算术都如此相似。

可 Anthropic 的人因此闲下来了么?并没有。报告给让他们忙个不停的事起了一个名字,叫 meta-work,我把它译作元工作。说白了,元工作就是为完成真正任务创造条件的工作,包括写文档、配置环境、完善工作流和建立监督机制,而把直接动手执行的部分交给 AI。在 Anthropic,它指的是给 Claude 编写可复用的技能,给其他 agent 撰写计划与审查意见,搭建监控 agent 流水线的仪表盘,并把工作方法沉淀成常驻文档。从 2025 年秋到 2026 年春,元工作在员工与 Claude 的交互式会话中所占的平均比例翻了一倍多,从 10% 涨到了 22%。

读到 meta-work 这个词的时候我眼前一亮,紧接着惊觉,这正是发生在我身上的故事。回想我每天工作的日常,花在亲手写代码上的时间已经少到接近于零,更多的时间花在把自己的思考和计划清晰完整地写下来,沉淀成我的 agent 能用的生产资料。与此同时,我会围绕工作里反复出现的痛点,搭建专门服务于 AI 的工作环境,好让它更可靠、更高效地帮我解决问题。这一转变既出于工作的实际需要,也来自公司的激励机制。工作之外也是如此。我写的这个专栏 APoV,给 AI 编写的编辑框架、文风指南和渲染脚本加在一起,篇幅早就已经超过了我写的文章本身。

先利其器

Meta-work 是个新东西么?不是,Anthropic 也并不是第一个使用它的。在工作场所研究中,较早的代表性论述出自 2004 年加州大学尔湾分校两位研究者维克多·冈萨雷斯和格洛丽亚·马克的一篇论文。他们跟踪观察办公室里的信息工作者一天之内如何在多个项目之间来回切换,发现人们总要花不少时间去做一些不属于任何单个项目、纯粹用来把所有其他项目料理清楚的事,便把这类活动称为“metawork”。再往前推二十年,社会学家安塞尔姆·施特劳斯在 1985 年就分析过密切相关的现象,称之为“衔接工作”。一旦分工把一项工作拆成碎片,就必须有人把这些部分重新缝合起来,排定先后、追踪进度并消化意外。由于这类付出很少留下有形的成果,很容易被误认为没在干活。在网络效率圈子里,“meta-work”甚至带上了一点贬义,成了借折腾工具和工作流来拖延正事的代名词。

事情本身要比任何现代标签都古老得多。1776 年,亚当·斯密在《国富论》开篇第一章讲分工,里面有一个故事:最早的蒸汽机上,要雇一个男孩专门负责随着活塞每一次起落开关锅炉和汽缸之间的阀门。有个男孩急着找伙伴们玩,就用一根绳子把阀门的把手系到机器另一个运动部件上,阀门从此跟着机器自己开合。斯密写道,这台机器自发明以来最大的改进之一,就这样出自“一个想省下自己力气的男孩的发现”。史学家认为这个故事多半是传说,但其中的逻辑依然成立。那个男孩不再亲手操作阀门,而是重新设计了阀门被操作的方式。这正是元工作最初的雏形。

紧接着下一段,斯密指出,虽然许多机械改进出自制造机器的工匠,但也有一些出自那些“被称为哲学家或沉思者的人,他们的行当就是什么都不做,只观察一切”,也正因如此,他们常常能把相距最远、最不相干的事物的力量结合起来。他观察到,随着社会进步,这种沉思也会像其他任何行当一样,变成某一类人的专门主业。

19 世纪末,奥地利经济学家欧根·冯·庞巴维克用捕鱼阐述过相通的逻辑:在浅水洼里徒手抓鱼,远不如先花时间织网、造船,再出海捕捞。他在《资本实证论》中把“迂回的方法比直接的方法产出更多”称为整个生产理论里最重要、最基本的命题之一。织网的那几天,一条鱼也抓不到;一旦渔网织好,就再也回不去用手抓鱼的日子了。

到了 1903 年,“美国科学管理之父”弗雷德里克·泰勒把这种思路变成了一套工业制度。他在《车间管理》里主张,“把所有可能的脑力劳动从车间里移除”,集中到一个计划室;由计划室提前规定好每个工人的任务,并配齐可靠完成任务所需的“标准化条件”和工具。七十年后,美国政治经济学家哈里·布雷弗曼在《劳动与垄断资本》里对泰勒制提出了深刻批判,指出管理层垄断了构想,把工人降格为纯粹的执行者。

比斯密和泰勒都早两千多年,中国古典思想就已经把这个道理凝练成了一句格言:“工欲善其事,必先利其器。”它出自《论语·卫灵公》,是孔子回答弟子子贡如何修养仁德时打的一个比方。从孔子的“利其器”,到斯密的绳子、庞巴维克的渔网和泰勒的计划室,元工作的名字和形态换了又换,但它的功能始终如一,就是先把条件准备好,再让事情转起来。

AI 时代的元工作

可为什么在 AI 时代,越来越多的工作变成了元工作?我给 AI 搭环境,就是泰勒说的“标准化条件”;我写给 agent 的 spec 和 prompt,就是当年计划室发给机械工的书面指令卡。元工作就是认知劳动里的迂回生产,spec、skill、playbook 就是我们编制的渔网,和控制阀门的绳子。

元工作的价值很大程度上取决于底层 AI 的能力。AI 自身能够独立解决的问题越多,花时间做元工作的回报也就越大。花几天织网值不值得,取决于这张网能捞上来多少鱼;如果织出来的网又小又疏,未必比下水徒手摸鱼划算,唯有大网拖过深水,前期的投入才能换来成倍的回报。agent 的能力决定了这一网的捕捞量。根据 Anthropic 的报告,2026 年 3 月,公司里自主运行与交互式 agent 的合计工作时长首次超过了人类员工;到了 8 月,即便只统计员工个人直接指挥的交互式会话,agent 的工作时长也已经达到人类的 6 倍(按每人每周工作 40 小时折算)。同样是花一个小时的元工作,今天这一小时能调动的产出规模,跟一年前已经不在一个量级。

过去三年 AI 前沿工程概念的快速更替,从另一个侧面印证了这一点。最早大家讲 prompt engineering,琢磨怎么把单次提问措辞得更巧;2025 年 6 月,Shopify 首席执行官托比·卢克和 OpenAI 创始成员安德烈·卡帕西先后力推“context engineering”,把重心从孤立的一句提示转向供给模型的全部上下文信息;2026 年 2 月,OpenAI 发表《Harness Engineering》,记录了一个团队几乎不手写任何代码,专注于为 agent 搭建运行环境与验证关卡,从而交付大型应用的过程;到了 2026 年 6 月,“loop engineering”开始流行,主张开发者别再逐轮手写提示词去驱动编程 agent,而是设计能自动提示、验证并重跑 agent 的循环。剥开不断翻新的概念标签,每一个阶段都是元工作的不同形态,只是每一次更名都沿着抽象阶梯往上走了一层。到今天,独立的 prompt engineering 已经大体退场。模型已经足够擅长领会意图,外层的 harness 也能兜住不够完美的指令。用大白话跟一个更聪明的模型说话,结果比拿精心调校的提示词去喂一个能力较弱的模型还要好。

在前沿 AI 实验室内部,元工作的演进确实紧跟着模型能力走。但在更广泛的经济生活里,大多数人并不在科研最前沿工作。为了写这篇文章,我访谈了身边从事技术、金融、经纪行业,以及自己做公司的创始人朋友,了解他们日常工作流的真实运转方式。把他们的经验和我自己做 APoV 时的工作流放在一起看,浮现出了另一种驱动力。对大多数人而言,元工作模式的变化跟前沿模型的突破关系不大。元工作是从每个人具体的业务问题,以及对现有 AI 工具理解的加深中自然生长出来的。

APoV 也是这样一步步演进出来的。起初,我只是把写好的初稿交给 AI 模型润色语言;接着,我开始把自己的文风偏好和编辑规则写下来;再后来,有了覆盖从选题到发布全流程的 playbook;最后又沉淀出定制的渲染脚本和结构化的事实核查机制。每一层的叠加,都是因为专栏本身的工作流需要了,或者我对工具的驾驭更深了一步,跟哪个新模型发布并没有直接关系。

这又让人想起一百年前美国制造业的电气化。经济史学家保罗·戴维在 1990 年的一篇经典论文中研究过一个著名谜题:电动机在 19 世纪末就已经问世,为什么工厂生产率在几十年间迟迟不涨?原来,早期的采用者只是把电动机直接接在原有的天轴传动系统上,多层厂房、皮带传动和生产流程原封不动。直到 1920 年代,也就是第一批中心电站开张大约四十年后,制造商才开始按照电力的逻辑重新设计工厂,在单层厂房里给每台机器装上独立的电动机,并顺着物料流动的自然顺序排开生产线,生产率这才迎来了跃升。只更换动力源却不重构工厂,几乎产生不了任何增益。后来,斯坦福大学经济学家埃里克·布林约尔松和同事把这一规律概括为“生产率 J 曲线”,指出通用目的技术只有在组织围绕新流程、新架构和新技能完成大量无形投资之后,才会真正见效。在 AI 时代,元工作就是每个个体在自己的工作流里必须要做的无形投资。

一种新的生产关系

到这里为止,元工作讲的还是生产力,即同样的人、同样的时间,借着 AI 成倍放大产出。可每当生产力发生迁移,生产资料的归属和生产关系迟早要跟着变。

管理学大师彼得·德鲁克在 1999 年的一篇文章里指出,知识工作者与体力劳动者不同,他们拥有自己的生产资料,那就是他们脑子里的知识,“一笔完全可以随身带走的巨大资本资产”。工厂工人离职,机器留在车间;知识工作者跳槽,最稀缺的资产跟着人一起走出大门。这种可携带性,长期以来都是知识工作者和产业工人最根本的分界线,也是白领阶层在劳动力市场上议价底气的根基。

元工作在深刻地改变这一点。在 Anthropic,写给 agent 的常驻指令在一年内从几百条增长到了 8,500 条。这一条条常驻指令、一个个 skill、一份份 playbook 一旦写下来,都留在了公司的系统里;人走了,沉淀下来的经验还在,还在继续指挥成群的 agent 干活。马克思在《政治经济学批判大纲》的“机器论片断”里用过英文词组“general intellect”(一般智力),用来描述社会积累下来的知识被吸收进机器、变成固定资本的一部分。工业化把工匠的身体手艺嵌进了钢铁与蒸汽;元工作则把专业人士的判断力与业务理解写进了软件。哲学家迈克尔·波兰尼有句名言:“我们知道的,比我们能说出来的多。”那些原本知道却说不出的默会知识,如今正被元工作一点点记录下来。当它们沉淀成二进制数字资产的那一刻,智力资本就从劳动者的脑子里搬进了公司的系统。

唯一不同的是,工业时代,把工人的手艺拆进计划室和机器的是资本家,工人大多是被动的一方。AI 时代,知识工作者则是自己动手编码自己的专业经验。元工作是知识工作者亲手把自己的生产资料交给系统的过程,而且多半是心甘情愿的,因为写下来的那一刻,个体的产出效率切实从中受益。

生产资料交出去之后,劳动力在市场中的竞争力又何在?麻省理工学院经济学家大卫·奥托和同事研究发现,截至 2018 年,美国约 60% 的就业分布在 1940 年尚未出现的细分岗位头衔中。能增强人的创新会不断催生新的工作,单纯替代人的自动化则不会。Anthropic 员工报告里还有一个生动的缩影:公司产品设计团队里一支原本撰写用户端文案的写作团队,把原有工作流自动化之后,整体转去给 Claude 编写系统提示词和评测。用这份报告的话说,“过去用语言驱动人类行为的写作者,现在正用语言驱动 Claude 的行为”。

往回看,每一次工业革命催生出的新工种,很大程度上都是围绕元工作生长出来的。经济史学家杰里米·阿塔克、罗伯特·马戈和保罗·罗德分析了美国劳工部 1899 年著名的《手工与机器劳动》调查,发现机械化在取代大量手工步骤的同时,也创造出一批传统手工业里从未有过的新任务,比如司炉与维护蒸汽机,又比如监督工厂作业流程。这些活儿本身并不直接制造产品,它们负责的是让机器和工人运转起来。今天冒出来的这些元工作值得我们认真对待,因为它们很可能就是下一批新职业的方向。前线部署工程师(forward-deployed engineer,简称 FDE)就是一个很好的例子。FDE 工程师直接驻扎到企业客户现场,配置模型、对接旧系统,把 AI 嵌进客户的日常业务流程。据《财富》杂志援引劳动力市场分析公司 Lightcast 的数据,2026 年 1 到 8 月,美国这类岗位的招聘数量比去年同期涨了十倍多,达到 2023 年水平的四十多倍。

但我们也要看到,AI 与以往技术革命的不同之处在于它极高的迭代速度。由于前沿模型能力进化得太快,新出现的元工作工种,寿命也会比工业时代的任何前辈都短得多。从 prompt 到 context、harness、loop,围绕 AI 的工程概念栈短短三年就换了四轮。2023 年,prompt engineer(提示词工程师)还被捧为科技行业最炙手可热的新职业;到 2025 年 4 月,《华尔街日报》的一篇报道已经在标题里宣告这份工作过时,指出模型揣摩用户意图的能力已大幅提升,企业也开始培训普通员工自己编写提示词。

寿命短还是其次,更要紧的是数量。过去新工种总能补上旧工种留下的空缺,可在 AI 所带来的革命面前,新工种长出来的速度能否赶得上旧工种消失的速度,我对此深深怀疑。诺贝尔经济学奖得主达龙·阿西莫格鲁和经济学家帕斯夸尔·雷斯特雷波把技术变革拆解成两股力量的博弈:一股是把人从既有任务里挤出去的自动化,另一股是为人创造新任务的任务重塑。二战后的四十年里(1947 至 1987 年),两股力量大致相抵。1987 年以后,挤出去的那股越来越强,补回来的那股越来越弱。英国第一次工业革命也经历过这样一段时期,经济史学家罗伯特·艾伦把它叫作“恩格斯停顿”:大约从 1780 年到 1840 年,英国的劳均产出大幅攀升,工人的实际工资却几乎停滞。后来的学者用更新的数据重算,发现差距比艾伦估计的要窄,劳动在国民收入中的总体份额也基本稳定,但多数数据序列依然表明,工人的实际消费增长在长达数十年的时间里落后于生产率增长。我们现在也许正步入这样一段阵痛期,但有一个根本性的不同。过去的机器替代的是人的肌肉力量和手工技艺,人总还能退守到脑力劳动里去。而这一次,人类历史上第一次面对在认知任务本身上匹敌乃至日益超越自身的系统,已不再有显而易见的退路。

即便新的工作长出来了,元工作创造的好处又归谁?马克思在《政治经济学批判大纲》里早就指出了资本的双重倾向:它一方面创造出大量可以自由支配的时间,另一方面又把这些释放出来的时间重新转化为剩余劳动。英国哲学家罗素在 1932 年的《闲散颂》里讲过一个造别针的例子:假如某项发明让同样多的工人在八小时里能造出两倍的别针,世界却并不需要更多别针。在一个明智的社会里,所有人从此每天干四小时就够了。可在现实世界里,一半人照旧每天干八小时,另一半人陷入失业。恰如罗素所说:“工作的道德,是奴隶的道德。”

剩余价值的囚徒

我想起这趟旅行中和朋友们聚会的时候,话题总会绕到一个字“忙”。AI 能写代码、写文档、做表格,可大家的日程表反而比以往更满了。如今互联网上这样的声音也屡见不鲜,认为每一次工业革命都是在把人往更忙的方向推,技术从来没有真正解放过谁。

历史记录呈现出的图景要复杂得多。英国第一次工业革命期间,年工作时长确实一度飙升,但把时间跨度拉长,工时出现了大幅下降。1870 年,工业化国家的工人平均一年要干 3,000 个小时以上;到 2000 年,这些国家的年均工时已经降到了大约 1,350 到 1,900 小时。平均工时绝非单向度地一路走高,真正发生改变的是谁在忙。正如经济学家多拉·科斯塔的研究所示,在 1890 年代,每天工作时间最长的是收入最低的劳工,他们唯有靠长工时才能勉强糊口;随着工资上涨,他们一点点把自己的时间买了回来。到了 1990 年代,这一关系彻底倒转,工作时间最长的变成了收入最高的人群。技术进步不会均匀地让所有人变忙。真正的规律在于,谁离最新的生产资料越近,谁就越忙。原因有二。

首先是直接经济回报的分配方式。李嘉图在 1821 年《政治经济学及赋税原理》第三版中,专门增补了著名的第三十一章《论机器》。他过去以为机械化对所有社会阶级都有利,如今却修正了看法,确信“以机器替代人类劳动,往往严重损害劳动阶级的利益”。连原本对机器抱有乐观态度的李嘉图都承认,技术带来的收益并不会自动流到劳动者手里。用今天的话说,这些收益会不成比例地流向离元工作、离最新生产资料最近的那群人,他们自然也就工作得最为连轴转。

其次是可扩展技术对技能差距的放大效应。经济学家彼得·库恩和费尔南多·洛萨诺研究了 1980 年代至 2000 年代初的美国劳动力数据,发现在受过大学教育、拿固定年薪的男性群体中,每周工作超过 40 小时的薪酬溢价翻了一倍多,促使更大比例的高收入者投入超长工时。多干一小时的回报越高,放弃这一小时就越难。芝加哥大学经济学家舍温·罗森在 1981 年的经典论文《超级明星经济学》里揭示了高度相关的机制:一旦技术能够将一个人的产出以极大规模复制,能力上的微小差别就会被放大成收入上的悬殊差距。元工作遵循的正是同一逻辑。自主运行的 agent 会把一份清晰的 playbook 成千上万次地执行下去,面对一份含糊的 playbook 也会照章办事,因此写得好与写得平庸的差距,会随着 agent 运行的每一个小时持续复利放大。一个人越擅长做元工作,他每一个人类工时就越值钱,也就越舍不得停下来。

而且就算想停,一个人也很难单方面停下来。囚徒困境说的正是这种处境。回看西欧社会“变松弛”的历史,直到 1960 年代末,欧洲人的工作时间都还不少于美国人。分水岭出现在 1970 和 1980 年代,当时欧洲衰落行业的工会喊出“少干一点,人人有活干”的口号,推动出台了缩短每周工时与强制带薪休假的法规。这些法规并没有带来更多就业,却在无意间改变了整个社会的作息节律。因为闲暇具有社会乘数效应,当身边的亲友与同事都在同一时段休假时,假期的乐趣会显著提升,集体性的制度安排由此把社会规范推向了休假。一场原本旨在分摊就业的运动,最终意外解锁了松弛的闲暇,也展示了打破囚徒困境的真正路径:没有任何个体承担得起单方面放慢脚步的代价,唯有共同遵守的规则,才能让所有人一起慢下来。

今天的 AI 竞技场可没有这样一套规则。在我看来,各家 AI 巨头已经被卷进了一个不得不往前推进的局面,谁先停下来,谁就注定出局。无论是国家机器,还是最前沿的大公司,都已经没有靠一己之力改变事情发展方向的能力。即便是资本家本身也已经控制不了资本巨兽拖着历史的车轮滚滚向前。离生产资料最近的高薪知识工作者和资本家自己,为了榨取和放大元工作的超额回报,陷入了停不下来的囚徒困境与资本无限流通。

作为 AI 洪流中的个体,我们要千万小心,不要被元工作拖入技术系统的“无目的性”陷阱,把对条件的追求替代对事情本身的追求。马克思在《资本论》里指出,作为资本流通的货币本身变成了目的,因此“资本的流通是没有界限的”。凯恩斯在 1930 年那篇文章里,也讽刺过一种“有目的性的人”:对他们来说,“果酱除非是明天的果酱,否则就绝不算果酱,今天的果酱永远不算数”。元工作天生是工具性的,是为真正要做的事准备条件的工作;然而一个脱离了终极目的的系统最擅长的,恰恰是让手段无休止地自我繁殖。于是配置环境本身成了令人沉迷的消遣,为 agent 再搭一个 agent,为仪表盘再做一个仪表盘,规则越写越细,真正要做的那件事却迟迟没有动工。效率本来只是工具,一旦反客为主变成目的本身,手段与目的就彻底本末倒置了。

但人们对智能的追求本身何尝不是一种本末倒置?

参考文献

  1. Wilmers, N., Catipon, R., Massenkoff, M. & McCrory, P. (2026-10-16),“How employment is changing at Anthropic”,Anthropic Research(含配套调研报告 Sacher, S. et al.,“The AI expectations gap”,2026-10-16)。
  2. Keynes, J. M. (1930),“Economic Possibilities for our Grandchildren”,The Nation and Athenaeum(收录于 Essays in Persuasion,Macmillan,1931)。
  3. González, V. M. & Mark, G. (2004),“‘Constant, Constant, Multi-tasking Craziness’: Managing Multiple Working Spheres”,Proceedings of CHI 2004,pp. 113–120。
  4. Strauss, A. (1985),“Work and the Division of Labor”,The Sociological Quarterly, 26(1), pp. 1–19。
  5. Smith, A. (1776),An Inquiry into the Nature and Causes of the Wealth of Nations,第一卷第一章。
  6. Böhm-Bawerk, E. von (1889; W. Smart 英译本,1891),The Positive Theory of Capital,Macmillan。
  7. Taylor, F. W. (1903),“Shop Management”,Transactions of the American Society of Mechanical Engineers, Vol. 24(1911 年由 Harper & Brothers 出版单行本)。
  8. Braverman, H. (1974),Labor and Monopoly Capital: The Degradation of Work in the Twentieth Century,Monthly Review Press。
  9. 《论语·卫灵公》(15.10):“子贡问为仁。子曰:‘工欲善其事,必先利其器。’”
  10. Lütke, T. (2025-06-19),关于 context engineering 的帖子,X。
  11. Karpathy, A. (2025-06-25),关于 context engineering 的帖子,X。
  12. Lopopolo, R. (2026-02-11),“Harness engineering: leveraging Codex in an agent-first world”,OpenAI。
  13. Osmani, A. (2026-06-07),“Loop Engineering”,AddyOsmani.com(引用 Boris Cherny, 2026-06-06 与 Peter Steinberger, 2026-06-07)。
  14. David, P. A. (1990),“The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox”,American Economic Review, 80(2), pp. 355–361。
  15. Brynjolfsson, E., Rock, D. & Syverson, C. (2021),“The Productivity J-Curve: How Intangibles Complement General Purpose Technologies”,American Economic Journal: Macroeconomics, 13(1), pp. 333–372。
  16. Drucker, P. F. (1999),“Knowledge-Worker Productivity: The Biggest Challenge”,California Management Review, 41(2), pp. 79–94。
  17. Marx, K. (1857–58; M. Nicolaus 英译本,1973),《政治经济学批判大纲》(Grundrisse),“机器论片断”,Penguin。
  18. Polanyi, M. (1966),The Tacit Dimension,Doubleday。
  19. Autor, D., Chin, C., Salomons, A. & Seegmiller, B. (2024),“New Frontiers: The Origins and Content of New Work, 1940–2018”,Quarterly Journal of Economics, 139(3), pp. 1399–1465。
  20. Atack, J., Margo, R. A. & Rhode, P. W. (2019),“‘Automation’ of Manufacturing in the Late Nineteenth Century: The Hand and Machine Labor Study”,Journal of Economic Perspectives, 33(2), pp. 51–70。
  21. Fore, P. (2026-09-03),“One of the fastest-growing jobs in Silicon Valley sends engineers straight to customers’ offices to get AI up and running, and pays more than $188,000”,Fortune(引用 Lightcast 数据)。
  22. Bousquette, I. (2025-04-25),“The Hottest AI Job of 2023 Is Already Obsolete”,The Wall Street Journal。
  23. Acemoglu, D. & Restrepo, P. (2019),“Automation and New Tasks: How Technology Displaces and Reinstates Labor”,Journal of Economic Perspectives, 33(2), pp. 3–30。
  24. Allen, R. C. (2009),“Engels’ Pause: Technical Change, Capital Accumulation, and Inequality in the British Industrial Revolution”,Explorations in Economic History, 46(4), pp. 418–435。
  25. Crafts, N. (2020),“Slow Real Wage Growth during the Industrial Revolution: Productivity Paradox or Pro-Rich Growth?”,CAGE Working Paper No. 474,University of Warwick(正式发表于 Oxford Economic Papers, 74(1), 2022, pp. 1–13)。
  26. Russell, B. (1932),“In Praise of Idleness”,Harper’s Magazine(1932 年 10 月号),pp. 552–559。
  27. TIANYU2FM《对谈未知领域》E157,对谈马兆远,2026-09-08(引用节目标题与节目简介)。
  28. Voth, H.-J. (2000),Time and Work in England 1750–1830,Clarendon Press, Oxford University Press。
  29. Huberman, M. & Minns, C. (2007),“The Times They Are Not Changin’: Days and Hours of Work in Old and New Worlds, 1870–2000”,Explorations in Economic History, 44(4), pp. 538–567。
  30. Costa, D. L. (2000),“The Wage and the Length of the Work Day: From the 1890s to 1991”,Journal of Labor Economics, 18(1), pp. 156–181。
  31. Ricardo, D. (1821),On the Principles of Political Economy and Taxation,第三版第三十一章“On Machinery”。
  32. Kuhn, P. & Lozano, F. (2008),“The Expanding Workweek? Understanding Trends in Long Work Hours among U.S. Men, 1979–2006”,Journal of Labor Economics, 26(2), pp. 311–343。
  33. Rosen, S. (1981),“The Economics of Superstars”,American Economic Review, 71(5), pp. 845–858。
  34. Alesina, A., Glaeser, E. & Sacerdote, B. (2006),“Work and Leisure in the United States and Europe: Why So Different?”,NBER Macroeconomics Annual 2005, Vol. 20, pp. 1–64。
  35. TIANYU2FM《对谈未知领域》E159,对谈余明锋,《上帝死了,但科学治不好我们的精神贫困》,2026-10-08(引用节目简介与章节标题,关于技术系统的无目的性)。
  36. Marx, K. (1867),《资本论》(Capital),第一卷第四章“资本的总公式”。