知識已經被商品化了
五年前，能用 Python 寫爬蟲的高中生很少，所以這本身就是一個差異化的能力。現在，任何人都可以打開 ChatGPT，在幾分鐘內得到一份爬蟲的程式碼。
這不是說學習沒有價值，而是說：知識本身不再是稀缺的，知道怎麼運用知識來解決真實問題才是稀缺的。
同樣的邏輯套用到備審：「我修了 Python 課」和「我用 Python 做了一個工具，解決了 XX 問題」，在評審眼裡的差距，比五年前更大，不是更小。因為前者是任何人都可以做到的，後者需要你真的把事情做出來。
Execution 指的是什麼？
Execution 不是指做出非常複雜的東西，而是指「你有沒有把一件事從開始推到有成果」。這包含幾個部分：
- 定義問題：你在解決什麼問題？這個問題是你自己觀察到的，還是別人給你的？
- 做出選擇：在有限的時間和能力下，你選擇了什麼方法？為什麼？
- 遇到卡關仍然繼續：幾乎所有值得做的事情，中間都有卡關。Execution 的一部分，就是在卡關的時候能不能找到方法繼續。
- 做出一個可以展示的成果：不管結果有多簡單，「做完」比「做一半」更能展示你的執行力。
- 說清楚你學到了什麼：做完之後能說出「我發現了什麼」的人，和做完就算的人，展現的能力層次不一樣。
這五件事加在一起，才叫做 Execution。光有其中一件，不算。
為什麼 Execution 越來越稀缺？
AI 工具讓「知道」變得更容易，但它同時也讓「做完」變得更難分辨——因為很多東西看起來做完了，實際上只是 AI 生成的結果，沒有真正理解過。
評審開始意識到這件事。一份整齊的備審、一個功能完整的 GitHub 專案、一段流利的面試回答，在 AI 的幫助下都不難達到。問題是：當追問細節的時候，你能說出這些東西背後的思考過程嗎？
能說出「我為什麼選擇這個方法、遇到 XX 問題的時候我怎麼解決的、如果重來一次我會怎麼做不一樣」的學生，是真的做過這件事的人，不是把 AI 輸出貼上去的人。
在 AI 工具讓知識和外表都更容易達到的時代，真實的執行過程，是最難被替代的東西。
這對你的備審準備意味著什麼？
如果你的備審裡只有「學習了什麼」，而沒有「用學到的東西做了什麼」，那你面對的是所有人都越來越容易做到的競爭區間。
真正有說服力的備審，有一個可以展示的成果作為核心——不一定要很複雜，但要是你真的做過的。這個成果可以是一個 Side Project、一份研究報告、一個設計稿、一個社群帳號的經營紀錄。
更重要的是，在說明這個成果的時候，你能說出：
- 你為什麼決定做這件事（問題從哪裡來）
- 你怎麼決定怎麼做（選擇的依據）
- 中間遇到了什麼困難、你怎麼處理（過程的真實性）
- 最後的成果是什麼（可驗證的結果）
- 這個過程改變了你對什麼事的理解（反思的深度）
這五個問題，是任何 AI 工具都無法替你回答的。因為它需要的是你真的做過這件事的第一手經驗。
現在還沒有 Execution 成果，怎麼辦？
最直接的答案是：現在開始做。Side Project 不需要做很大，一個能在兩到四週內完成的小專案，就足以建立一個有說服力的 Execution 紀錄。
不管你現在高幾，只要備審還沒送出去，你還有時間增加一個真實的 Execution 成果。一個有頭有尾、有反思的小專案，在備審裡的效果，通常超過十個「參加了 XX 活動」的清單。
開始做是最難的部分。選一個問題、選一個方法、給自己一個截止日期——然後就做。不要等到準備好了，因為 Execution 的本質就是在不完全準備好的情況下，還是把事情推到有成果。