Concitech AI · 深度长文
2026/11/05 07:41
Addy Osmani警告“认知投降”!AI写完代码,谁是发布责任人?
Addy Osmani讨论Agent工作流中的判断责任。任务外包、判断让渡与认知投降,代表不同的工作方式。代码运行、测试通过和提交者理解修改,属于不同的验收问题。文章结合原始研究与退款接口示例,介绍证据审查、设计记录和发布责任。

Agent提交修改,测试通过,摘要写着“任务完成”。
发布者面对的考题是什么?
这次修改改变了哪些行为?设计理由是什么?检查覆盖了哪些风险?故障排查的入口是什么?
这些问题的答案,决定一份交付物是否进入团队的知识体系。
Addy Osmani的11月3日长文《Critical thinking when agents do the work》讨论了这个问题。他使用“认知投降”描述一种工作状态:AI的答案成为人的结论,独立判断与核查缺席。原文
任务交付与判断责任,属于两份不同的工作。
执行外包,判断责任留给谁?
Addy区分了三种状态。
任务外包:AI承担执行,人保留结果审查与解释责任。开发者接受实现帮助,业务目标与验收标准具有明确归属。
判断让渡:AI的回答成为后续工作的前提,验证该前提的环节缺席。下一份设计、下一段代码,继承这个前提。
认知投降:一份答案获得认可,提交者缺少解释与核查的意愿。完成感代替了对结果的判断。
这组区分关心的是人与结果的关系。手写代码、人工逐行阅读与AI协作,需要有效的判断标准。

图1:本文对Addy工作方式框架的归纳,分类关注判断责任与证据。
Addy此前的文章使用“理解债”描述代码规模与人的理解之间的差距,使用“意图债”讨论目标、约束与设计理由的记录缺口。代码保存实现,设计记录保存选择的理由。意图债原文
一段重试逻辑体现调用规则,限流要求、事故教训或供应商约束,需要对应的记录。AI给出的合理解释属于待核验推断,历史决策需要历史证据。
两项研究,提供哪些线索?
Anthropic的2026年1月研究招募了52名软件工程师,多数属于初级工程师。任务涉及陌生的Python异步库Trio,研究采用随机对照设计。
即时测验的AI辅助组平均得分为50%,手写代码组为67%,差距是17个百分点。任务耗时的组间差异缺少统计显著性。研究原文
这项实验测量的是陌生库学习后的即时表现。长期技能变化、资深工程师的大型项目表现,属于另外的研究问题。使用形态是侧栏AI助手,全流程Agent工作的影响需要对应研究。
研究者的交互分析发现,概念提问、请求解释等使用方式伴随较好的理解表现。这部分分析属于行为关联,缺少证明某个提问套路保证学习效果的因果证据。
微软研究院等机构的CHI 2025论文调查了319名知识工作者,收集936个使用实例。受访者对AI的信心与较少的批判性思考投入存在关联;研究采用自报数据。论文介绍
两项研究的问题与方法不同。“所有AI使用导致能力退化”的判断超出了这些证据。它们提出的实践问题是:任务产出与人的理解,需要对应的评价依据。
一次退款接口修改,测试绿灯说明什么?
下面是一段假设的工程场景。
团队维护退款接口,业务要求包括金额正确、重复请求保持幂等、权限匹配、订单与资金状态一致。
Agent修改实现,增加一条测试:发起退款,接口返回成功,订单状态变为“已退款”。测试通过。
这条测试覆盖正常路径的部分行为。重复回调、超时重试、其他租户的订单、下游失败等情况,需要对应的检查。
这里存在一种风险:实现和测试继承同一个错误假设,绿色结果反映两者的吻合。业务要求需要独立的验收依据。
这里的独立指依据的独立:需求、接口契约、真实故障记录、数据约束。第二个模型的赞同,代表另一份审查意见;业务证据决定意见的分量。

图2:本文假设场景与建议检查项,图中文字属于验收计划。
有用的验收记录,需要对应被测行为、运行环境、实际命令与输出。截图证明可见状态,日志提供执行线索,自动化断言覆盖明确条件。每种材料具有自己的证据范围。
PR的审查对象:代码与决定的来历
一次修改包含多项选择:默认值、兼容范围、异常处理、范围取舍。
这些选择构成审查对象。下面四项适合进入PR说明,属于本文的工程建议:
- 目标与边界:解决的业务问题、受影响用户、范围之外的事项。
- 设计理由:方案依据、关键假设、兼容要求与相关历史记录。
- 验证证据:检查对象、执行记录、通过条件与证据局限。
- 故障处理:观察信号、排查入口与回滚条件。
这份记录服务于接手者。提交者需要解释关键路径,接手者需要找到依据与定位线索。庞大系统的全部细节超出单个人的记忆容量,局部理解的恢复能力成为重要资产。
AI承担调用链梳理与领域解释的辅助工作,代码、文档和运行证据承担校验。目标是建立这次改动的可解释性,审查力度需要匹配变更风险。
并发产出增加,审查容量需要匹配
Addy称这类协调成本为“编排税”:Agent生成结果与人的审查承受能力之间出现缺口。会话数量增加,人的注意力与判断时间保持有限。编排税原文
这给团队提供一个容量指标:等待审查的工作数量、积压时长与风险。
等待队列增长,提示生产速度与验收速度失配。拆分变更、减少交叉依赖、完善证据、安排审核时间,属于容量治理的选择。单一的PR产量缺少代表通过验收的工作量的资格。
判断责任原则适用于报告、调研与方案。一个摘要的关键数字需要来源,一项产品建议需要需求依据,一项代码修改需要行为证据。
AI承担执行,团队安排验证,发布者承担判断责任。
代码合并代表一次操作。设计理由、验证证据与风险判断,构成签字的依据。
