
Addy Osmani 在这篇 X 长文中讨论了一个每天都可能遇到的问题:任务交给 Agent 后,怎样保住自己的判断力?他从验证、审阅和需求表达讲起,给出了可以放进日常工作的小练习。
以下是全文翻译
以前,我们学到的批判性思考,是带着谦逊、好奇和适度的怀疑去接触新信息:听取不同观点,形成自己的看法。这一点依然成立。但现在,我的大量工作都通过 Agent 完成,日常工作里越来越少有事情会逼着我主动思考。对于那些已经全面拥抱 Agent 工作流的工程师和产品从业者——同时开着多个会话,也期待模型不断进步——我想先说清楚:我非常喜欢这些工具。写这篇文章,不是为了劝大家少用 Agent。
我的目标是:在一个什么都能轻易交给 Agent 的世界里,帮你保住批判性思考的能力。
过去,我们大部分的认知加工和审美判断,都发生在提出问题与得到答案之间。现在,这段间隔只剩几秒钟。Agent 工作流用得越多,这件事就越难,而且难法可能与大家预想的不同:模型越好,显而易见的错误就越少。许多,甚至大多数输出都会写得很好,基本正确,却不会让你觉得有必要再看一遍。
即使同时运行许多 Agent,你看这些输出时,仍然只有一双眼睛。
你得主动把批判性思考安排进每天的工作,因为默认情况下,没有什么会替你做这件事。
我们之所以很难自行纠偏,部分原因在于 Agent 工作流确实令人愉快。忙碌的一天里,快速得到顺眼、顺心、通常还正确的答案,当然很舒服。但也正因如此,我们很容易放松警惕。
卸载 依赖与投降
跟别人聊起这件事时,我会把它描述成一条连续的谱系。
最上面是认知卸载(cognitive offloading):把任务交给 AI,但仍由自己掌控结果。我整天都在这么做,你也应该这样。中间是依赖(deferral):工具的输出直接成了你的下一步输入,结果不再被当作一个有待检验的假设。最下面是认知投降(cognitive surrender):AI 的输出悄悄成了你自己的看法,你也觉得没必要检查。
“认知投降”是沃顿商学院 Steven Shaw 和 Gideon Nave 提出的术语。它恰好描述了我看到的现象:信任,或者说懒惰,逐渐增加,人就沿着这条谱系往下滑。这种变化很少被察觉,因为每一步都很渐进,看起来也合理。上一份回答你仔细读过,于是下一份就略读;再下一份,只扫一眼骨架。等到有人问起其中某一行,你却解释不出来,甚至让 Agent 帮忙也说不清。
这就是认知投降,也是认知债务累积的方式。通常,只有当你试图调用对系统的心智模型,却发现它根本不存在时,问题才会暴露。Margaret-Anne Storey 写过,它在团队中的表现,是大家对同一套系统工作原理的共同理解不断被侵蚀。我也写过代码领域的对应问题:理解债务(comprehension debt),这个术语由 Jeremy Twei 提出。事情发生的当下,它完全不可见:代码库看起来干干净净,测试也都通过了。直到你要修改系统,才发现已经没人理解它。只看了一份战略文档或规格说明的目录,就签字通过,也是同样的问题。
说清楚一点,我不是在提不可能完成的要求。现代大型代码库的完整心智模型,不可能一直装在一个人的脑子里。Claude Code 团队公开说过,他们按需重建理解:需要了解某一部分时,就让 Claude 解释那一块,而不是把整个系统都记在脑中。正如我以前写过的,这类债务比大多数工程师想象中更容易偿还。只要能在需要时重建局部理解,你就不必始终保有完整模型。你只需要知道,自己缺少哪些理解。
风险低的地方,尽管完全委托出去。但如果一道问题的答案,连借助 Agent 你都解释不清,你就已经交出了掌控权。
这也不一定总是问题。就在最近,我录制一门课程,需要从三家评分相近的酒店里选一家作为录制地点。我没时间逐条看完所有评价,就把选择交给了 AI。结果不错,下次我还会这么做。但如果要决定怎样投资我们的钱、怎样给孩子的职业选择提建议,或者在工作中决定该做什么、哪些变更影响哪些用户、是否能安全上线,我就不会这样处理。出错代价小的事,可以交出去;后果需要别人承担的事,就得把推理留在自己手里。
我会问自己的问题
不知道自己到底怎么想时,我过去通常会回到一组最基本的问题:我怎么知道自己在解决正确的问题?怎么知道方法是对的?有没有证据支持我的结论?怎么知道已经做完了?多数时候,就是谁、什么、哪里、为什么、何时、如何。写出来看着幼稚得可笑,却会逼你考虑那些本来容易忽略的方面。如今,跳过这些,直接问 Agent 觉得你该怎么做,实在太容易了。下面是我现在会问自己的新版问题。
提问前,我有没有先形成一个假设? 让 Agent 做任何不简单的任务前,我都会先写下,哪怕只在脑子里想一下,自己觉得答案可能是什么。猜错没关系,看到新信息后随时可以改变想法。但读过一份写得很好的回答之后,再想象其他可能性就难了。如果完全没有方向,可以做一次 Thariq Shihipar 所说的“盲点检查”:把自己已知的东西交给模型,让它找出那些你甚至不知道自己不知道的部分。
我是在请它帮我思考,还是请它替我思考? 两种都可以,只要你知道自己正在做哪一种。
什么情况成立时,这个结论就会是错的? 然后去查。模型对自身把握程度的评估,远不如你实际能做的测试有价值,所以给它一个测试。
我有没有从另一个角度听过反方论证? 如果我在一个开放性问题上态度很坚决,就会让不止一个模型为相反观点辩护,再读它们的回答,形成自己的看法。这会多花一点时间,但最后我对问题的了解也会多得多。
当着那个将来要维护它的人的面,我敢为它下注吗? 代码如此,其他交付物也一样。我认为,这是能否对结果作出交代的标准。
哪些能力,我已经不再练习了? 也许是一些日常调试。我可以接受放下一部分,但希望这是有意识的选择。
把验证变成习惯
最近我写了很多关于验证的内容,因为我认为,瓶颈已经从写代码,转向确定自己做对了。给 Agent 提供验证工作的方法,无论是端到端测试、性质测试,还是真正操作应用,它就能修改、运行验证、读取输出、再次尝试,在你开始看之前完成这一轮。这就是 Boris Cherny 所说的“给 Claude 一个验证自己工作的办法”。我认为,这是获得好结果最关键的组成部分之一。你会更多地构建这些循环、审阅证据,而不是逐行阅读。
但验证本身也可能被你交出去。“有没有证据支持我的结论?”变成了“检查变绿了吗?”Agent 把创建测试变得很便宜,你会看到许多绿灯,但一个通过的测试,完全可能没发现已经坏掉的功能。如果测试和功能犯的是同一个错误,它就会通过。而绿灯只说明某一个性质成立,人却很容易以为它覆盖了一切。
检查变绿时,问问它证明了什么。然后再问,它没证明什么。
提前定义什么叫“验证通过”,因为等到事后,你会为任何结果找到合理的解释。
Agent 工作的完成标准,应该是看得见、摸得着的东西:通过的测试、截图、日志或轨迹。这样,判断工作是否完成就有了事实依据,而不是凭“看着像做完了”来解释,乃至放弃判断。收到 Agent 的完成通知后,在看总结之前,先看实际执行了什么命令,以及命令返回了什么。
Claude Code 还可以通过一个拥有全新上下文的子 Agent,对自己的工作做自我质疑,作为一次合理性检查。值得把它放进循环,让它每次都跑,而不是想起来才做。我在最后仍会问一句:“我遗漏了什么吗?”听起来很傻,但很多时候,我用前沿模型完成一个复杂功能,查看、审阅之后,再问“我遗漏了什么吗?”,它就又找出两三件事。所以我总会问。
当然,不是每次都需要做到这个程度;知道什么时候该深挖,本身就是一种能力。我们那篇介绍 Claude Code 团队如何做代码评审的文章里,有一条我很喜欢的经验:“如果说不清这些检查会漏掉什么,就请人认真评审,而不是快速点头通过。”
代码之外也一样。如果 Agent 帮你综合了五十次客户访谈,或者做了一份竞品分析,就抽几份源文档,确认总结准确。检查一个支撑你建议的关键数字,确认它算对了。
Agent 让搭建验证变得便宜。对你来说,难的是知道什么才算好的验证。
真正关注生成了什么
假设 Agent 交给你一个 600 行的 PR。你大致看了结构,没有逐行阅读。变量名看起来合理,测试也通过了,于是你批准合并。但中间某处,事务边界内的执行顺序悄悄变了,或者一个你没想过的边界情况,默认值被反转了。算起来,你确实审过,只是检查的都是自己早就知道会看到的东西。
写代码和审代码是两种能力,而审阅也会在某个时刻变成盖章放行。所以,读 diff 时,别因为代码是 AI 写的就区别对待。然后再跳出 diff,看看 Agent 作了哪些决定。在一个很长的会话里,它会替你作出许多小决定:默认值是什么,哪些不在范围内,两个要求冲突时,它重新解释了哪一个。
在一份“所有事情都很顺利”的总结里,你看不到这些,所以让它列出自己作的决定和假设。然后考考自己。随机挑几行,问:这行是怎么回事?那行呢?如果是文档,就先关掉,试着凭记忆写出主要论点。有些人有一个我很喜欢的长会话习惯:让 Claude 写一份变更报告,再在末尾给你出一份测验,规则是“只有全部答对,我才合并”。
要把即将交付的东西理解到足以为它辩护。因为总有一天,可能会有人问。
Agent 也可以帮你保护注意力。例如,我有个开源项目,会收到大量 PR。我会用 Agent 判断哪些东西提交进来了,哪些违背我们的指南,哪里可能需要我注意。我很少让 Agent 自己决定这些事,但它可以帮我缩小范围,让我把注意力放到该看的地方,真正思考这些修改是不是在用正确的方法解决正确的问题。
还有工作量的问题,你必须诚实面对。我把这称为“编排税”(orchestration tax):Agent 生成的东西,与那些你愿意署上自己名字的东西之间,有一道差距。如果完成的工作堆积得比你看得还快,在解决这个问题之前,多开一个会话也无济于事。要么收紧检查,让更少的东西需要你亲自看,要么慢下来。
当产出的东西已经多到你无法为之负责时,你就不再是在审阅,而是在碰运气。
好的输入带来好的输出
人的心智模型依然参与其中,只是不再主要处于中间,而是移到了两端。你的精力投入在任务前端的描述与上下文,以及后端的输出审阅上。因此,好的输入对输出质量非常重要,我也把写好提示词视为一种批判性思考能力。
以前,如果你提出一个含糊的要求,会有人质疑它,你或许就会意识到:“等一下,我其实还没想清楚。”Agent 往往不会在这里拦住你。它会补上你没说的部分,交回一个看起来完成了的东西,哪怕背后的想法仍然模糊。我把这称为“意图债务”(intent debt):那些并非你亲手写下的产物里,可能藏着隐含的目标、约束和理由。与其他债务不同,这一种没人能替你解决。意图必须来自你。
提示词反映了你对问题的理解。如果你说不清楚,可能它在你自己脑中也还不清楚。
寻求帮助之前,先用自己的话写一份需求简述。说明受众、哪些不在范围内,以及怎样才算完成。如果第二轮纠正还没让你得到想要的结果,就别再零碎调整了,重写提示词。
这件事也可以请 Agent 帮忙。我喜欢 Andy Clark 对“委托 AI 系统”和“与 AI 协作”的区分。后者会形成相互增强的良性循环:提示词让输出更清晰,输出让下一次提示词更清晰,也让你对问题的心智模型更清晰。如果哪里不清楚,就让 Agent 针对它不理解的部分采访你。会话结束时,如果你自己的心智模型也变得更清楚,那就是一个成功的信号。
同时,也要留意输入。每个 Agent 都很容易把上一个 Agent 的总结直接放进上下文,没过多久,第三个 Agent 就已经没读过原始文档了。
对于输出,你也需要自己的标准。我在很多不同的创作媒介中尝试过 AI,其中大部分作品从未公开,因为达不到我的标准。如今,所有东西都排版漂亮、语气自信,因此,外表精致已经不是有用的判断信号。
AI 也许让产出变快了,但如果我不愿意把作品归在自己名下,就不会把它拿出去。
某个东西达不到你的标准时,把原因写进共享配置、hook 或测试,避免它再次发生。审美和判断力就是这样积累起来的;记录为什么某个东西没能入选,本身也是一种好练习。
“但模型在这方面会比我更强”
如果你和我周围许多人一样,看好这个领域的未来,读到前面几节时,可能就已经在想:再过一两年,模型就能发现我能发现的问题了,那为什么还要费心保持这些能力?
在许多具体问题的发现上,你也许是对的。我自己也一直主张,把越来越多的检查交给 Agent。但我认为,这件事仍然重要,原因在于:最终交付的东西,总得有人负责。不管 AI 帮了多少忙,承担责任的仍然必须是人。
一个具体任务应该信任 Agent 到什么程度,本身就是判断的一部分。审阅工作有助于保持判断准确,因为模型犯错的方式一直在变。Anthropic 关于内部工程师和研究者的研究,把这个陷阱称为“监督悖论”:“监督 Claude 所需要的,恰恰是过度使用 AI 后可能退化的编程能力。”
下面这些是我最在意的问题,更好的模型也没法替我解决:你在做什么,为什么值得做,会影响谁,你愿意牺牲什么?这些问题都需要你回答。Agent 可以帮助你想清楚,我也希望它能帮忙,但归根结底,它们仍然是你的问题。
你可以把工作和大部分审计交出去,但不能把责任也交出去。
日常可以做的练习
不需要严格执行这里的所有做法。选那些适合自己工作流的就好。
每周,不用 Agent 写一点代码,或者亲手做一件一旦忘了怎么做就会很麻烦的真事。我把这称为“校准练习”,但这不是道德要求。每个月,写下自己已经不再做什么,再决定其中哪些是自己愿意放下的。我以前一篇文章里的问题,至今仍然成立:如果没有 AI,你会有多不知所措?
碰到超出自己理解的东西,就去学。如果写作时碰到一个从没见过的短语,我可以搜一句解释,然后塞进文中。但我更愿意做一点研究,把它真正弄懂,这样才知道它处在什么位置。
认真检查机器的工作,本身就是真正的工作。假装它不算工作,最后团队往往就不会去做。它不是免费的,所以把它作为一项工作排进计划,你才会真正完成。
不再练习的能力会消失,而且可能比你想象中更快。那些你不愿放弃的能力,就继续亲手用。
你可以带走的几件事
- 有意识地使用工具。 Agent 可以考你、采访你、向你展示证据,但前提是你作了这样的安排。那就安排起来。
- 诚实判断自己处在谱系的哪里。 如果连借助 Agent 都解释不了一个答案,你就已经交出了判断。
- 先有一个假设。 提问之前先想一个,哪怕不太靠谱。
- 绿灯只说明一件事。 它检查了什么?没检查什么?
- 寻找证据。 先读它运行了什么、返回了什么,再看总结。
- 阅读是为了知道它作了哪些决定。 它替你决定了什么?
- 打磨提示词。 你怎样描述要求,反映了你对问题理解了多少。
- 定一个标准,然后守住它。 不愿署上自己名字的东西,就别发出去。
亲手运用那些重要的能力,让自己始终参与其中。可以试一件事:提问之前,写下自己觉得会发生什么;Agent 完成之后,写下一件它没有检查的事。看看这是否改变了你阅读输出的方式。独立思考,提出更好的问题,为结果承担责任。

参考链接
-
原文:https://x.com/addyosmani/status/2117512471930167377 -
认知投降与判断校准:https://addyosmani.com/blog/cognitive-surrender/ -
Steven Shaw 与 Gideon Nave 关于认知投降的研究:https://ssrn.com/abstract_id=6097646 -
Margaret-Anne Storey 谈认知债务:https://margaretstorey.com/blog/2026/02/09/cognitive-debt/ -
理解债务:https://addyosmani.com/blog/comprehension-debt/ -
Claude Code 团队的代码评审实践:https://claude.dev/blog/solving-code-review-at-anthropic/ -
意图债务:https://addyosmani.com/blog/intent-debt/ -
AI 时代的批判性思考:https://addyo.substack.com/p/critical-thinking-during-the-age -
发现未知盲点的实践指南:https://claude.com/blog/a-field-guide-to-claude-fable-finding-your-unknowns -
Agent 工作流中的验证:https://addyo.substack.com/p/agentic-verification -
Boris Cherny 谈验证工作的方法:https://x.com/bcherny/status/2007179861115511237 -
Claude Code 团队的代码评审实践:https://claude.dev/blog/solving-code-review-at-anthropic/ -
Agent 编程中的 80% 问题:https://addyo.substack.com/p/the-80-problem-in-agentic-coding -
发现未知盲点的实践指南:https://claude.com/blog/a-field-guide-to-claude-fable-finding-your-unknowns -
编排税:https://addyosmani.com/blog/orchestration-tax/ -
意图债务的进一步讨论:https://oreillyradar.substack.com/p/the-intent-debt -
Andy Clark 关于与 AI 协作的论述:https://pubmed.ncbi.nlm.nih.gov/40389440/ -
Agent 工作流中的验证:https://addyo.substack.com/p/agentic-verification -
AI 时代的代码评审与责任:https://addyo.substack.com/p/code-review-in-the-age-of-ai -
Anthropic 关于内部 AI 使用与监督悖论的研究:https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic -
认知投降与判断校准:https://addyosmani.com/blog/cognitive-surrender/ -
避免 AI 时代的技能退化:https://addyo.substack.com/p/avoiding-skill-atrophy-in-the-age